论文部分内容阅读
林业是经济社会可持续发展的根基,红脂大小蠹(Dendroctonus valens Le Conte)(鞘翅目,小蠹科)作为我国重大林业入侵性害虫,隐蔽性强、繁殖迅猛、迫害树种多、致死速度快,严重危害到我国的林业生态安全,制约林区经济发展,揭示其生物学特性是开展科学防控的必要条件,动态监测红脂大小蠹数量和种群是揭示其生物学特性的重要环节。以往获取虫情数据多采取人工伐段、解剖或饲育的方法,存在采样密度低、数据成本高和人为干扰因素多的问题。亟需一种不影响研究对象自然活动的连续无损采样方法,为明确红脂大小蠹种群在树干内部繁育和活动全过程进而为科学防控病虫害爆发提供技术支持。如何实现复杂背景介质下小目标弱散射体快速精准地无损检测是本文研究的关键。本文检测对象为油松(Pinus tabuliformis Carr)树干内部的红脂大小蠹,通过明确树干及红脂大小蠹电磁参数,建立树干-红脂大小蠹数学模型,进而优化电磁逆散射技术的模型驱动成像算法,明确优化的子空间算法(Subspace-based Optimization Method,SOM)模型参数。针对散射场信息中虚部数据无法直接输入到U型卷积神经网络(U-shaped Convolutional Neural Network,Unet)中进行训练的问题,推导复数化Unet网络。分析模型驱动算法和数据驱动算法成像结果,提出SOM融合CUnet算法,以非均匀分布背景介质中小目标弱散射体的树干-红脂大小蠹模型为对象,分别采用模型驱动算法、数据驱动算法和融合算法进行对比仿真实验,验证融合算法成像的精度和速度,实现树干内部红脂大小蠹虫体和蛀道的成像。以采伐下的油松树段作为树干样本,使用GSSI公司的树木雷达系统SIR系列设备获取散射场数据,对散射场数据进行扩充后,分别使用SOM、CUnet和SOM融合CUnet算法进行对比成像试验。本文主要研究成果如下:(1)对比分析树干-红脂大小蠹模型下基于时域散射场数据进行成像的全聚焦法(Total Focusing Method,TFM)在成像速度与精度方面均不及基于频域散射场数据进行成像的SOM算法,且都无法满足小目标弱散射体的成像要求。提出基于频域散射场数据改进的SOM算法,通过构造新的感应电流基,控制其收敛速度,实现对小目标成像,为红脂大小蠹目标检测奠定了基础。(2)为解决Unet网络模型输入时,需要对复值散射场数据取模或只取实部数据导致散射场虚部数据中成像信息缺失的问题,提出CUnet网络结构。对Unet进行复数化推导,使复值散射场数据可以直接输入到CUnet中进行训练与成像,并增加了复值初始化和复值批量归一化函数层以提高成像质量。为进一步提升网络性能,降低噪声和小目标弱散射体模型导致的非线性系统复杂度,提出基于核递归二阶正弦自适应算法(Kernel Recursive Second-ordered Sine Adaptive,KRSOSA)通过指数加权方法构造二阶正弦自适应函数,降低求解非线性系统复杂度,解决了红脂大小蠹散射场信号弱导致非线性系统求解困难问题。(3)针对模型驱动算法和数据驱动算法对于非均匀分布的背景介质中小目标弱散射体成像精度均无法满足检测要求的问题,提出SOM融合CUnet算法,将改进的SOM算法成像结果作为先验信息,同散射场数据共同输入到CUnet网络模型中,以原始介电常数分布图像作为标签进行训练并成像。采用本文提出的模型驱动算法、数据驱动算法和融合算法分别对不同电磁参数的树干-红脂大小蠹模型做对比仿真成像。使用树木雷达系统设备对油松树干样本采集散射场数据,通过SOM融合CUnet算法验证算法准确性。本文所提出的SOM融合CUnet算法,可以在不影响红脂大小蠹生活习性的前提下,实现红脂大小蠹及其坑道的无损检测,代替目前使用的解剖观测法,为研究红脂大小蠹成灾规律和前哨预警提供依据,拓展了森林病虫害的监测手段。研究成果也可应用于原木或木材等材料的无损检测领域和海关进出口木制产品内部不可见病虫害的检疫。