首页|基于半监督学习的松林变色疫木检测方法

基于半监督学习的松林变色疫木检测方法

扫码查看
原文链接
  • 万方数据
  • 维普
针对模型训练中数据标注成本过高的问题,提出一种基于无人机图像分析的半监督变色疫木目标检测方法.该方法提出级联抗噪声半监督目标检测模型(Cascade Noise-Resistant Semi-supervised object detection,CNRS),使用抗噪声学习提升模型对伪标签的学习质量;通过级联网络解决训练中正负样本的分布问题;使用ResNet50和特征金字塔网络结构增强模型对多尺寸和小目标疫木的识别能力;在监督学习阶段使用FocalLoss,提升网络对边缘目标和早期疫木等困难样本的学习,使用SmoothL1Loss保证梯度相对稳定;在RCNN阶段使用软化非极大抑制软化检测框剔除过程.该文提出的半监督目标检测模型CNRS使用训练集中半数标注的数据进行训练,试验结果表明,最优模型在测试集上的平均精度(Average Precision,AP)可达87.7％,与Faster RCNN使用完全标注数据相比,标注量减少了50％,且AP提升了2.3个百分点,与同时期最先进的半监督模型Combating Noise相比,AP提升了1.6个百分点.该方法在准确检出多种不同形态疫木的基础上,大幅度降低了数据标注成本,为农林病虫害防治提供了可靠的数据支持.
Method for detecting pine forest discoloured epidemic wood based on semi-supervised learning

赵昊、刘文萍、周焱、骆有庆、宗世祥、任利利

展开 >

北京林业大学信息学院,北京 100083

北京林业大学林学院,北京 100083

无人机 图像识别 松林疫木检测 半监督学习 目标检测

国家林业和草原局重大应急科技项目国家重点研发计划松材线虫病灾变机制与可持续防控技术研究项目

ZD202001-052021YFD1400901

2022

10.11975/j.issn.1002-6819.2022.20.019

农业工程学报
中国农业工程学会

农业工程学报

CSTPCDCSCD北大核心
影响因子：2.529
ISSN：1002-6819
年,卷(期)：2022.38(20)
  • 1
  • 10