基于多尺度空间注意力机制与高斯核函数软标注的华山松大小蠹受害木遥感识别方法

来源：湖北农业科学杂志2026年第1期北京时间：

作者：黄光体1, 林浩然2a, 佃袁勇2a,2b, 韩泽民2a, 彭寿连2a, 刘晓阳1, 肖箫1

单位：1.湖北省林业调查规划院,武汉 430079; 2.华中农业大学,a.园艺林学学院;b.湖北林业信息工程技术研究中心,武汉 430070

摘要：针对传统树冠边界标注耗时费力,且现有深度学习模型在复杂森林环境中易因下采样丢失空间细节而导致检测精度下降的问题,提出一种融合多尺度空间注意力机制卷积网络（MSSCN）与高斯核函数软标注的单木定位方法。以神农架林区2 000、2 200、2 400 m 3个海拔梯度的高分辨率航空遥感影像为数据源,仅标注华山松大小蠹（Dendroctonus armandi）受害木树冠中心点,并采用二维高斯核函数置信图生成标签和制作训练数据集,将区域分割任务转化为单木定位问题。通过调整多尺度特征卷积模块的位置,构建MSSCN1模型、MSSCN2模型、MSSCN3模型,并与U-Net模型、FCN模型和DeepLabV3+模型进行对比。结果表明,高斯核函数软标注方法降低了人工标注成本,同时支持受害木的精确定位。MSSCN3模型在训练100 Epoch时即达到最优性能,测试区精确率、召回率和F1得分的平均值分别为91.97%、93.68%和0.93,优于其他对比模型。MSSCN3模型在神农架林区高海拔区域整体表现出更优的检测性能,且在高暴发密度区的检测精度普遍高于低暴发密度区,然而,在海拔2 400 m的高暴发密度区,模型精度出现轻微下降,表明地形与生态因子可能对检测稳定性产生交互影响。MSSCN3模型能够准确识别神农架林区的华山松大小蠹受害木,为虫害防治提供了一种高效且鲁棒的技术路径。

关键词：多尺度空间注意力机制,高斯核函数软标注,华山松大小蠹（Dendroctonusarmandi）,受害木,遥感识别

基金资助：国家自然科学基金项目（32371873）