周 焱 刘文萍 骆有庆 宗世祥

1. 北京林业大学信息学院 北京 100083； 2. 北京林业大学林学院 北京 100083)

森林作为陆地生态系统的主体，其覆盖面积、植被种类和数量以及健康程度的变化对环境和生态具有巨大影响。我国林业有害生物种类有8 000多种，经常造成危害的有200多种，林业有害生物不仅影响着森林的生态恢复和环境建设，还对森林的可持续性发展带来严重威胁，是危害森林健康的重要因素。实现对林业有害生物灾害区域的快速、准确检测及监测，在林业有害生物防治和灾害损失评估中具有重要意义。

无人机具有时效性强、机动性好、方便灵活、巡查范围广等优点，能快速获取小范围林区的高分辨率图像(Gambellaetal.， 2016)，将无人机应用于森林病虫害监测，是有效提高林业有害生物防治工作效率的途径之一。随着计算机技术不断发展，无人机森林图像结合图像分析、机器学习、模式识别等算法实现植被分类和树木检测，被广泛应用于森林防护、林业资产评估、精细分类树种识别等领域。但相比地面拍摄图像，无人机图像因受灾树木尺度小、树木分布密集而难以识别，且无人机图像一般分辨率较高，批处理需要大量时间。因此如何精确、快速地识别定位无人机图像中小目标受灾树木是亟待解决的问题。

目前，应用于无人机森林图像树木检测的计算机方法主要建立在图像分析算法及人工设计特征和分类器的基础上(Koc-Sanetal.， 2018； Maleketal.， 2014； Zhongetal.， 2017； 费运巧等， 2017a； 林志玮等， 2018)，现有计算机识别病虫害算法存在以下问题：1)无人机采集图像后，需在第二现场使用工作站进行算法设计和分析，导致监测流程和检测周期较长，无人机机组针对性较差，监测成本较高；……