基于深度学习的松材线虫病疫木无人机影像检测算法比较研究

摘要

松材线虫病是一种传播速度快的毁灭性森林病害,快速识别、定位病害疫木并及时进行治理是控制松材线虫病蔓延的有效手段。为了测试不同深度学习目标检测算法在松材线虫病疫木检测中效果,该文构建了一个包括6035张复杂背景下不同季节的松材线虫病疫木的数据集,基于此数据集对Faster R-CNN、YOLOv3、RetinaNet算法进行训练和测试,其中:Faster RCNN模型的主干网络为ResNet50、ResNet101;YOLOv3模型的主干网是DarkNet53;RetinaNet模型的主干网是ResNet101,总计4种算法模型。结果表明,在精度上Faster R-CNN-ResNet50模型最高,RetinaNet-ResNet101模型次之,为后续开展松材线虫病疫木无人机航拍检测的工程化应用奠定了基础。