1.客户原本需要对辖区松树虫害识别进行人工搜山,人力物力时间成本很高;
2.客户希望借助AI算法对无人机传回图片进行算法识别虫害。
1.无人机影像样本制作模块:使用无人机对多个区域多个时段的林区,使用不同镜头和不同精度的分辨率进行航拍,对影像分类按有无病虫害进行分类得到数据样本集;
2.无人机影像数据预处理模块:对于大量的无人机影像,通过先随机缩放、随机裁剪、随机翻转以及随机旋转和亮度、对比度、以及色彩调整,然后将四张图片随机排布拼接成一张图片来增强数据;
3.病树识别模块:在深度学习基础上,基于不同场景的病树进行目标检测,针对多目标框筛选,进行经纬度重叠度判断,对高度重合的结果目标框进行合并,最终输出结果得到识别出的病树。
1.项目周期为1年,每年春季秋季进行识别,我主要负责算法研发,另外还有项目经理1人,数据处理人员1人;
2.数据为无人机拍摄快拼影像,分辨率在0.03-0.07m之间,进行批量裁剪制作训练样本;
3.基于大多数的病虫害为山区的林地,无人机影像会有云雾遮挡,先进行去雾算法处理;
4.参考YOLOV5使用mosaic方式在训练时进行数据增强;
5.特征提取网络使用倒残差结构缓解高维空间非线性映射到低维空间的信息丢失以及梯度消失问题;
6.使用SPPF结构扩大感受野获取更多的特征;
7.根据数据集的病树标注分布计算最终的3种分辨率大小的检测框。