(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210931595.7 (22)申请日 2022.08.04 (71)申请人 海南省林业科 学研究院 （海南省红 树林研究院） 地址 571100 海南省海口市琼 山区桂林下 路141号 (72)发明人 陈小花　陈宗铸　雷金睿　吴庭天　 李苑菱　 (74)专利代理 机构 重庆聚为捷知识产权代理事 务所(普通 合伙) 50297 专利代理师 黄海鸥 (51)Int.Cl. G06V 20/17(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06Q 10/06(2012.01) G06V 10/764(2022.01) G06V 10/77(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G01N 21/25(2006.01) (54)发明名称 一种基于无人机高光谱的红树林生态健康 评估系统 (57)摘要 本发明涉及图像识别技术领域， 具体是涉及 一种基于无人机高光谱的红树林生态健康评估 系统， 该方法包括： 通过无人机获取目标红树林 区域的光谱影像； 将光谱影像输入至红树林识别 模型中， 得到红树林识别模型输出的影像识别结 果； 确定原始植物数据和原始土壤数据； 基于原 始植物数据、 原始土壤数据和影像识别结果， 得 到目标红树林区域的生态健康评估 结果。 本发明 通过将多个不同尺寸的卷积核融合进了一个卷 积层， 可以在降低模型大小的同时， 尽可能地保 证特征提取的质量， 使 得获得的影像识别结果更 为精准， 同时结合目标红树林区域的样地调查数 据， 可快速提高红树林生态健康评估结果的效 率， 便于高效率 地开展红树林调研与监测。 权利要求书2页 说明书9页 附图2页 CN 115311581 A 2022.11.08 CN 115311581 A 1.一种基于无 人机高光谱的红树林生态健康评估系统， 其特 征在于， 该 方法包括： 通过无人机获取目标红树林区域的光谱影 像； 将所述光谱影像输入至红树林识别模型中， 得到所述红树林识别模型输出的影像识别 结果； 所述红树林识别模型具有特征提取网络， 所述红树林识别模型利用所述特征提取网 络中的至少一个卷积层对所述光谱影像进行特征提取， 得到所述光谱影像的特征； 所述卷 积层为全局特征提取卷积层和/或局部特征提取卷积层， 每个所述卷积层均包括至少 两个 并行的卷积单 元， 且， 所述卷积单 元的卷积核尺寸 不同； 确定原始植物数据和原 始土壤数据； 基于所述原始植物数据、 所述原始土壤数据和所述影像识别结果， 得到目标红树林区 域的生态健康评估结果。 2.根据权利要求1所述的一种基于无人机高光谱的红树林生态健康评估系统， 其特征 在于， 所述基于所述原始植物数据、 所述原始土壤数据和所述影像识别结果， 得到目标红树 林区域的生态健康评估结果， 具体包括： 对所述原始植物数据以及所述原始土壤数据进行空间遥感反演， 确定目标红树林区域 的抵抗能力和重建能力； 基于所述抵抗能力、 所述重建能力和所述影像识别结果， 得到目标红树林区域的生态 健康评估结果。 3.根据权利要求1所述的基于无人机 高光谱的红树林生态健康评估系统， 其特征在于， 所述将所述光谱影像输入至红树林识别模型中， 得到所述红树林识别模型输出的影像识别 结果， 具体包括： 将所述光谱影像输入至红树林识别模型中， 得到所述红树林识别模型的所述特征提取 网络输出的影 像特征； 所述红树林识别模型确定所述影 像特征中属于同一类别的特 征， 得到特 征分类结果； 基于所述特征分类结果， 得到所述影像识别结果； 所述影像识别结果包括植物种类识 别结果、 动物种类识别结果和虫害识别结果。 4.根据权利要求3所述的基于无人机 高光谱的红树林生态健康评估系统， 其特征在于， 所述特征提取网络的卷积层均为局部特征提取卷积层， 所述将所述光谱影像输入至红树林 识别模型中， 得到所述红树林识别模型的所述特 征提取网络 输出的影 像特征， 具体包括： 利用局部区域的位置信息， 从所述 光谱影像中提取属于所述局部区域的图像； 基于所述局部区域的标签信息， 将所述图像输入相应的局部特征提取层中， 进行特征 提取， 并对同一卷积层提取出 的特征进行特征融合， 得到对应于同一标签信息的所述属 性 区域的特 征； 基于所述属性区域的特征， 得到所述红树林识别模型的所述特征提取网络输出的影像 特征。 5.根据权利要求3所述的基于无人机 高光谱的红树林生态健康评估系统， 其特征在于， 所述特征提取网络的卷积层均为全局特征提取卷积层， 所述将所述光谱影像输入至红树林 识别模型中， 得到所述红树林识别模型的所述特 征提取网络 输出的影 像特征， 具体包括： 将所述光谱影像输入所述全局特征提取层中， 得到所述红树林识别模型的所述特征提 取网络输出的影 像特征。权　利　要　求　书 1/2 页 2 CN 115311581 A 26.根据权利要求3所述的基于无人机 高光谱的红树林生态健康评估系统， 其特征在于， 所述特征提取网络的卷积层为全局特征提取卷积层和局部特征提取卷积层， 所述将所述光 谱影像输入至红树林识别模型中， 得到所述红树林识别模型的所述特征提取网络输出的影 像特征， 具体包括： 利用局部区域的位置信息， 从所述 光谱影像中提取属于所述局部区域的图像； 基于所述局部区域的标签信息， 将所述图像输入相应的局部特征提取层中， 进行特征 提取， 并对同一卷积层提取出 的特征进行特征融合， 得到对应于同一标签信息的所述属 性 区域的特 征； 基于所述属性区域的特征， 得到所述红树林识别模型的所述局部特征提取卷积层输出 的局部影 像特征； 将所述光谱影像输入所述全局特征提取层中， 得到所述红树林识别模型的所述全局特 征提取卷积层输出的全局影 像特征； 拼接所述局部影 像特征和所述全局影 像特征， 得到影 像特征。 7.一种基于无 人机高光谱的红树林生态健康评估 装置， 其特 征在于， 该装置包括： 第一确定模块， 用于通过 无人机获取目标红树林区域的光谱影 像； 特征提取模块， 用于将所述光谱影像输入至红树林识别模型中， 得到所述红树林识别 模型输出 的影像识别结果； 所述红树林识别模型具有特征提取网络， 所述红树林识别模型 利用所述特征提取网络中的至少一个卷积层对所述光谱影像进行特征提取， 得到所述光谱 影像的特征； 所述卷积层为全局特征提取卷积层和/或局部特征提取卷积层， 每个所述卷积 层均包括至少两个并行的卷积单 元， 且， 所述卷积单 元的卷积核尺寸 不同； 第二确定模块， 用于确定原 始植物数据和原 始土壤数据； 生态评估模块， 用于基于所述原始植物数据、 所述原始土壤数据和所述影像识别结果， 得到目标红树林区域的生态健康评估结果。 8.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至6任一项所 述基于无 人机高光谱的红树林生态健康评估系统的步骤。 9.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机 程序被处理器执行时实现如权利要求1至6任一项所述基于无人机高光谱的红树林生态健 康评估系统的步骤。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 所述计算机程序被处理器执 行时实现如权利要求1至6任一项所述基于无人机高光谱的红树林生态健康评估系统的步 骤。权　利　要　求　书 2/2 页 3 CN 115311581 A 3