梁俊歡，董 巒，孫宗玖，馬海燕，艾尼玩·艾買(mǎi)爾，阿 仁，魏 鵬，田 聰，阿斯婭·曼力克，鄭逢令*

（1.新疆農(nóng)業(yè)大學(xué)草業(yè)學(xué)院，烏魯木齊 830052；2.新疆畜牧科學(xué)院草業(yè)研究所，烏魯木齊 830057；3.新疆畜牧科學(xué)院天山北坡草地生態(tài)環(huán)境野外定位觀測(cè)研究站，烏魯木齊 830057；4.新疆農(nóng)業(yè)大學(xué)計(jì)算機(jī)與信息工程學(xué)院，烏魯木齊 830052）

草原是我國(guó)重要的戰(zhàn)略資源之一，近幾年由于載畜量不斷增加，草地植被遭受一定影響，毒害草肆意蔓延。毒害草不僅破壞生態(tài)系統(tǒng)的平衡，而且也制約了畜牧業(yè)的發(fā)展[1]。目前，新疆的毒害草危害面積居全國(guó)首位，草地資源受到破壞，加之過(guò)度放牧和生態(tài)平衡破壞，毒害草如毒瘤般危害草原生長(zhǎng)環(huán)境，因此，毒害草防除檢測(cè)工作刻不容緩[2]。白喉烏頭（Aconitum leucostomum）是伊犁的主要毒害草之一，其中伊犁州東部地區(qū)白喉烏頭分布面積達(dá)到了1 192.47 km2[3]。快速有效的監(jiān)測(cè)白喉烏頭分布和長(zhǎng)勢(shì)對(duì)防治白喉烏頭尤為重要。

傳統(tǒng)的毒害草調(diào)查耗時(shí)費(fèi)力，只能獲取點(diǎn)狀數(shù)據(jù)，應(yīng)用衛(wèi)星遙感技術(shù)，可在大范圍內(nèi)監(jiān)測(cè)草原，但分辨率差、易受天氣影像而且時(shí)效性不高[4]。近幾年，隨著無(wú)人機(jī)技術(shù)的不斷發(fā)展，基于無(wú)人機(jī)搭載傳感器的低空遙感技術(shù)在精度、尺度和靈活等方面優(yōu)勢(shì)明顯，擁有廣泛的應(yīng)用前景[5，6]。韓蕊等[7]利用無(wú)人機(jī)影像結(jié)合深度學(xué)習(xí)的方法準(zhǔn)確獲取柑橘樹(shù)冠范圍，在調(diào)查精度和調(diào)查效率上兩者兼得。張瑞杰等[8]利用無(wú)人機(jī)影像和深度學(xué)習(xí)技術(shù)幫助農(nóng)業(yè)管理人員有效的完成大范圍油菜作物的長(zhǎng)勢(shì)情況監(jiān)測(cè)。

無(wú)人機(jī)影像數(shù)據(jù)空間分辨率較高，結(jié)合深度學(xué)習(xí)提取無(wú)人機(jī)影像的目標(biāo)特征進(jìn)行識(shí)別，可以獲得草原毒害草分布情況[9]。近年來(lái)，隨著深度學(xué)習(xí)[10]不斷發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)廣泛運(yùn)用于目標(biāo)檢測(cè)領(lǐng)域[11]。目前，目標(biāo)檢測(cè)算法有兩類，分別是One-stage目標(biāo)檢測(cè)算法和Two-stage目標(biāo)檢測(cè)算法兩類代表算法。第一類目標(biāo)檢測(cè)算法，采用端到端的檢測(cè)方法，速度快，但是精度不高，代表算法有YOLO（you only look once）[12]、SSD[13]；第二類目標(biāo)檢測(cè)算法相對(duì)于第一類，能實(shí)現(xiàn)更高的檢測(cè)精度[14]，滿足對(duì)不同環(huán)境下精度較高的要求，代表算法有Fast R-CNN[15]、Faster R-CNN[16]以及本文所采用的方法Mask-RCNN[17]基于卷積神經(jīng)網(wǎng)絡(luò)和RPN網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法。Mask-RCNN在Faster R-CNN基礎(chǔ)上增加了語(yǔ)義分割的分支，不僅能實(shí)現(xiàn)目標(biāo)的具體類別和物體框，而且能對(duì)目標(biāo)實(shí)例分割。鐘偉鎮(zhèn)等[18]開(kāi)展了基于Mask-RCNN深度學(xué)習(xí)分割和識(shí)別植物葉片相關(guān)研究，且識(shí)別效果良好，表明該算法具有強(qiáng)大的遷移能力。喬虹等[19]利用Mask-RCNN算法對(duì)不同天氣下正常的葡萄葉片、病害葉片以及不同品種的葡萄葉片圖像進(jìn)行分割，證明該方法在不同天氣及復(fù)雜背景下的實(shí)例分割魯棒性較強(qiáng)。

本研究通過(guò)無(wú)人機(jī)正射影像得到白喉烏頭的影像數(shù)據(jù)集，通過(guò)對(duì)數(shù)據(jù)集裁剪、標(biāo)注一系列處理，采用Mask-RCNN目標(biāo)檢測(cè)算法，對(duì)比研究ResNet50和ResNet101兩種主干網(wǎng)絡(luò)的優(yōu)缺點(diǎn)，篩選出檢測(cè)精度高的模型應(yīng)用于白喉烏頭自動(dòng)檢測(cè)，為毒害草監(jiān)測(cè)防治毒害草工作提供數(shù)據(jù)支撐和技術(shù)參考。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于新疆伊寧縣托乎拉蘇牧場(chǎng)，環(huán)境為山地，地勢(shì)崎嶇，海拔高度約在900～1 700 m，平均氣溫10℃左右，氣候類型是溫帶大陸性氣候，光照充足、熱量充沛、晝夜溫差大、降水充沛。

1.2 數(shù)據(jù)獲取與處理

研究區(qū)域?yàn)樯降?，地?shì)崎嶇。無(wú)人機(jī)采用的是極俠無(wú)人機(jī)（Xmission），攜帶正射相機(jī)，于2021年6月25日，天氣晴朗無(wú)風(fēng)的環(huán)境下航拍白喉烏頭。獲取地面分辨率為3 cm的正射影像，飛行高度150 m，航拍航向重復(fù)50%。無(wú)人機(jī)數(shù)據(jù)覆蓋區(qū)域設(shè)定為2 km×2 km，影像為T(mén)IFF圖片格式。該研究區(qū)白喉烏頭均勻分布，株高50 cm左右，白喉烏頭跟草原背景的顏色相似、但株型較大。

1.2.1 數(shù)據(jù)集制作

獲取正射影像經(jīng)初步篩選后，使用Photoshop 2020把影像裁剪為512×512像素大小的樣本200張作為Faster-RCNN的數(shù)據(jù)集，單株白喉烏頭總計(jì)5 600株。采用LabelIme軟件標(biāo)注數(shù)據(jù)集，然后將標(biāo)注好的數(shù)據(jù)集轉(zhuǎn)換成網(wǎng)絡(luò)訓(xùn)練所用的COCO數(shù)據(jù)集格式，最后按照8∶2隨機(jī)劃分訓(xùn)練集和測(cè)試集。

1.3 運(yùn)行環(huán)境

計(jì)算機(jī)的顯存和內(nèi)存要滿足各個(gè)算法的需要，本實(shí)驗(yàn)處理器Intel(R)Core(TM)i7-6700KCPU@4.00GHz，GPU是NVIDIA GeForce GTX 2080Ti，顯存為11G。下載Anaconda3，在此基礎(chǔ)上搭建Pytorch深度學(xué)習(xí)框架，并用Python語(yǔ)言編程，完成模型的訓(xùn)練和測(cè)試工作。

1.4 方法

1.4.1 Mask-RCNN算法

如圖1所示，白喉烏頭數(shù)據(jù)集圖像經(jīng)過(guò)一系列預(yù)處理后輸入到網(wǎng)絡(luò)CNN中，首先利用預(yù)訓(xùn)練的模型特征提取網(wǎng)絡(luò)ResNet50+FPN或者ResNet101+FPN提取相應(yīng)的特征信息；其次輸入到區(qū)域建議網(wǎng)絡(luò)RPN生成多個(gè)對(duì)應(yīng)白喉烏頭圖像候選區(qū)ROI，特征圖feature map和ROI區(qū)域，此時(shí)ROI區(qū)域已經(jīng)將一些多余的信息過(guò)濾，這些信息特征共同進(jìn)入感興趣區(qū)域（Region of Interest Align）RoIAlign層，得到將特征圖和原始圖像像素完全對(duì)應(yīng)，生成像素信息，最后在輸入到全連接層（FCLayers）和全卷積網(wǎng)絡(luò)(FCN)對(duì)白喉烏頭進(jìn)行目標(biāo)分類和實(shí)例分割，實(shí)現(xiàn)對(duì)目標(biāo)類別、邊界框和掩碼mask。

圖1 Mask-RCNN模型示意圖

1.5 評(píng)價(jià)指標(biāo)

由于需要對(duì)白喉烏頭的識(shí)別結(jié)果評(píng)價(jià)，所以評(píng)價(jià)指標(biāo)需要同時(shí)考慮準(zhǔn)確率和召回率AP（Average Precision）值來(lái)衡量，AP可以測(cè)試當(dāng)前訓(xùn)練模型類別的好壞。AP是由準(zhǔn)確率（Precision）和召回率（Recall）組成的，其中準(zhǔn)確率代表預(yù)測(cè)結(jié)果有多少是正確的，而召回率表示正確的結(jié)果有多少被找到了，AP的值越高，那么模型的識(shí)別準(zhǔn)確率就越好。

P表示為準(zhǔn)確率，R表示為召回率。TP表示為實(shí)際為白喉烏頭且被模型預(yù)測(cè)為白喉烏頭的個(gè)數(shù)，即正樣本被檢測(cè)為正樣本；FP為實(shí)際為背景卻被模型預(yù)測(cè)為白喉烏頭的個(gè)數(shù)，即負(fù)樣本被檢測(cè)出為正樣本；FN為實(shí)際為白喉烏頭但沒(méi)有被識(shí)別為白喉烏頭的個(gè)數(shù)，即正樣本未被檢測(cè)出為正樣本。

2 結(jié)果與分析

2.1 訓(xùn)練誤差和精度分析

采用ResNet50和ResNet101預(yù)訓(xùn)練模型進(jìn)行模型訓(xùn)練，對(duì)預(yù)先處理好白喉烏頭的數(shù)據(jù)集，以單分類進(jìn)行訓(xùn)練識(shí)別。訓(xùn)練過(guò)程利用Tensorboard繪制兩個(gè)訓(xùn)練的loss曲線圖，通過(guò)曲線可以看出訓(xùn)練模型的損失值是否收斂，模型訓(xùn)練的好壞和收斂速度的快慢。

2.1.1 訓(xùn)練誤差

如圖2所示是ResNet50和ResNet101識(shí)別白喉烏頭的總體損失值，通過(guò)對(duì)比可以看到，ResNet50相比ResNet101損失值下降明顯，在迭代36 000次時(shí)兩個(gè)最終loss值分別為0.245和0.268，兩個(gè)loss都小于0.3，兩者之間沒(méi)有很大的區(qū)別，在迭代25 000之前訓(xùn)練平滑且訓(xùn)練正常，迭代25 000次之后仍能平滑下降，直到下降到0.3以下。模型訓(xùn)練迭代30 000次時(shí)擬合，繼續(xù)訓(xùn)練會(huì)導(dǎo)致過(guò)擬合，魯棒性較差。ResNet50相比ResNet101主干網(wǎng)絡(luò)更容易收斂。

圖2 ResNet50和ResNet101的訓(xùn)練損失值

如圖3所示，ResNet50和ResNet101識(shí)別白喉烏頭的訓(xùn)練精度，通過(guò)對(duì)比，訓(xùn)練精度在迭代36 000次時(shí)精度分別是94.79%和93.88%，隨著迭代次數(shù)的不斷增加其精度也在不斷上升，迭代次數(shù)在25 000次之前訓(xùn)練精度在顯著性增加，直到迭代25 000次后精度增加緩慢，當(dāng)?shù)_(dá)到一定值精度時(shí)不再增加，從整體而言，ResNet50的訓(xùn)練精度要高于ResNet101。

圖3 ResNet50和ResNet101的訓(xùn)練精度

2.1.2 訓(xùn)練精度

2.2 訓(xùn)練模型在測(cè)試集上精度對(duì)比分析

如表1所示，模型訓(xùn)練之后通過(guò)測(cè)試得到ResNet50和ResNet101的結(jié)果分別是66.0%和65.3%，ResNet50主干網(wǎng)絡(luò)比ResNet101的mAP值高0.7%。特征提取網(wǎng)絡(luò)的深度越深時(shí)，對(duì)于一些少量數(shù)據(jù)集在深度較深的網(wǎng)絡(luò)中并沒(méi)有明顯的提升。實(shí)驗(yàn)證明：少量數(shù)據(jù)集不適宜深度較深的網(wǎng)絡(luò)，數(shù)據(jù)集較少時(shí)訓(xùn)練采用較深的網(wǎng)絡(luò)識(shí)別性能并不能得到滿意的結(jié)果[20]。

表1 模型性能評(píng)價(jià)結(jié)果

2.3 識(shí)別效果對(duì)比

圖4、圖5、圖6、圖7分別為ResNet50和ResNet101不同像素的識(shí)別結(jié)果，從整體上看兩種不同ResNet網(wǎng)絡(luò)不同像素之間識(shí)別效果相比，兩者之間差異不明顯。圖4和圖6分別是1024×1024像素的圖像測(cè)試識(shí)別且識(shí)別效果很好，雖然有蓋度較小的白喉烏頭沒(méi)有識(shí)別出來(lái)，但總體識(shí)別效果很好；圖5和圖7分別是512×512像素的圖像識(shí)別效果，基本上可以實(shí)現(xiàn)對(duì)白喉烏頭的精準(zhǔn)識(shí)別。模型訓(xùn)練和測(cè)試時(shí)用512×512像素的圖像進(jìn)行測(cè)試識(shí)別效果表現(xiàn)好。

圖4 基于主干網(wǎng)絡(luò)ResNet50識(shí)別效果（1024×1024像素）

圖5 基于主干網(wǎng)絡(luò)ResNet50識(shí)別效果（512×512像素）

圖6 基于主干網(wǎng)絡(luò)ResNet101識(shí)別效果（1024×1024像素）

圖7 基于主干網(wǎng)絡(luò)ResNet101識(shí)別效果（512×512像素）

3 討 論

應(yīng)用基于ResNet50和ResNet101主干網(wǎng)絡(luò)的Mask-RCNN算法進(jìn)行白喉烏頭的實(shí)例分割，識(shí)別單株白喉烏頭并得到目標(biāo)的具體位置，模型在測(cè)試集上的識(shí)別精度ResNet50和ResNet101分別是66.0%和65.3%，基本上能精準(zhǔn)識(shí)別白喉烏頭。張磊[21]同樣通過(guò)Mask-RCNN算法使用ResNet50作為提取青椒目標(biāo)檢測(cè)模型，訓(xùn)練識(shí)別后mAP值為92.7%，能夠滿足機(jī)器人對(duì)果實(shí)目標(biāo)實(shí)時(shí)識(shí)別的要求，其mAP值與本文相差較大，主要是因?yàn)榘缀頌躅^在無(wú)人機(jī)正射影像中的像素大小基本上在20左右，小目標(biāo)造成識(shí)別較困難；成偉[22]在復(fù)雜背景下對(duì)番茄植株莖稈進(jìn)行識(shí)別，類別為兩類，分別是主莖和分叉莖，以Mask-RCNN算法和主干網(wǎng)絡(luò)ResNet50訓(xùn)練識(shí)別后番茄的莖稈的mAP值68%，識(shí)別效果與本實(shí)驗(yàn)相差不大；于晨[23]基于Mask-RCNN實(shí)例分割的方法同樣利用ResNet殘差網(wǎng)絡(luò)對(duì)礦山環(huán)境遙感地物識(shí)別，基本實(shí)現(xiàn)了礦山地物的目標(biāo)識(shí)別和分割。李大軍等[24]也是采用無(wú)人機(jī)影像獲取建筑物的遙感影像，在Mask-RCNN算法中以ResNet101主干網(wǎng)絡(luò)進(jìn)行識(shí)別，實(shí)驗(yàn)結(jié)果滿足對(duì)建筑物的識(shí)別。

4 結(jié) 論

本文應(yīng)用實(shí)例分割算法Mask-RCNN以ResNet50和ResNet101主干網(wǎng)絡(luò)進(jìn)行特征提取，在白喉烏頭正射影像數(shù)據(jù)集上訓(xùn)練深度學(xué)習(xí)模型。以mAP為評(píng)價(jià)指標(biāo)，ResNet50的識(shí)別精度高于ResNet101；從識(shí)別效果看，基于兩個(gè)主干網(wǎng)絡(luò)的Mask-RCNN算法識(shí)別模型能夠?qū)崿F(xiàn)無(wú)人機(jī)影像中單株白喉烏頭較為準(zhǔn)確的實(shí)例分割，基本能勝任自動(dòng)識(shí)別和快速監(jiān)測(cè)毒害草白喉烏頭的任務(wù)。