基于人工智能技术的无人机遥感探测具有感染松材线虫病特征的树木

发布时间：2023-02-18 16:45

　　最近,松材线虫病(PWD)导致韩国大量的松树受损。鉴于松树对于韩国人的重要性,PWD被视为一个严重的问题,因此必须妥善处理。我们此前调查了PWD的发展历史,发现其已扩散到韩国的一些地区,我们将这些地区作为研究区域。对PWD进行早期检测是十分必要的。我们利用无人机遥感技术来探测具有与感染PWD的树木相似症状的树木。之所以使用无人机遥感,是因为它能够生成高质量的图像,并且可以很容易地到达松树的位置。为了区分健康的和感染了PWD的松树,我们利用从Anbi和Wonchang两个村采集到的无人机图像制作了一份土地覆盖(LC)图,并使用两种方法将它们分类,即人工神经网络(ANN)和支持向量机(SVM)。此外,比较了使用无人机和手持设备采集的两类全球定位系统(GPS)数据的定位精度,以确定感染PWD的树木的位置。随后,我们将每个研究区域的无人机图像分成6个LC类,发现SVM在区分是否感染PWD的树木时比ANN更准确。在Anbi村,SVM的总体精度为94.13%,与ANN总体精度87.43%相比,高出了6.7%。在Wonchang村,我们也得到了相似的结果,SVM和ANN的精度分别为86.59%和79...

【文章页数】：17 页

【文章目录】：
1. Introduction
2. Materials and method
    2.1. Materials
    2.2. Method
        2.2.1. Artificial neural network
        2.2.2. Support vector machine
3. Results
    3.1. Land classification result in Anbi village
    3.2. Accuracy assessment from Anbi classification
    3.3. Land classification result in Wonchang village
    3.4. Accuracy assessment from Wonchang classification
    3.5. Differences between GPS datasets
4. Discussion
    4.1. Land classification map from Anbi
    4.2. Accuracy assessment from Anbi
    4.3. Land classification map from Wonchang
    4.4. Accuracy assessment from Wonchang
    4.5. Differences between GPS datasets
5. Conclusions
Compliance with ethics guidelines
1.引言
2.材料与方法
    2.1.材料
    2.2.方法
        2.2.1.人工神经网络
        2.2.2.支持向量机
3.结果
    3.1.Anbi村的土地分类结果
    3.2.Anbi村分类的精度评估
    3.3.Wonchang村的土地分类结果
    3.4.Wonchang村分类的精度评估
    3.5.GPS数据集之间的差异
4.讨论
    4.1.来自Anbi村的土地分类图
    4.2.Anbi村的精度评估
    4.3.来自Wonchang村的土地分类图
    4.4.Wonchang村的精度评估
    4.5.GPS数据集之间的差异
5.结论
Compliance with ethics guidelines



本文编号：3745331