本发明涉及数据处理，尤其涉及一种行道树安全风险特征的检测方法、系统、设备及存储介质。
背景技术：
1、行道树是城市绿化的重要组成部分，在减少温室气体排放、净化空气、改善心理健康等方面起到关键作用。行道树病虫害会降低树木活力，并可能导致广泛的树木死亡，降低城市景观品质和城市空气质量，增加城市管理成本，影响生态系统稳定和健康水平，对城市生态环境和市民生活造成了多方面的危害。据调查，目前上海市行道树的安全风险主要来源于病虫害，其中，在树干处常见的病虫害主要包括树洞、机械损伤、白蚁、腐败、天牛和真菌等。这些病虫害不仅单独存在，还会相互影响，加重树木损伤。近年来，对行道树的养护工作一直是上海市城市建设的重要任务，对上海市未来发展具有重要意义。
2、传统的实地测量方法是量化虫害的最准确的方法，通过派遣调查员进行现场采样，观察记录或捕获研究区域行道树上主要危害害虫，基于人眼目视判别，根据树木的外部症状、植物特征，考虑病原体的生命周期和传播方式来判断病害类型。传统的人工排查的方式，虽然在识别行道树树干病虫害时具有较高的精确度，但是其成本高、容易遗漏，且对排查人员有较高的专业知识的要求，使得大范围的监测和识别上存在一定的局限性，难以全面掌握城市行道树病虫害情况。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种行道树安全风险特征的检测方法、系统、设备及存储介质，用于解决现有技术中由于人工排查的方式虽然在识别行道树树干病虫害时具有较高的精确度，但是其成本高、容易遗漏，且对排查人员有较高的专业知识的要求，使得大范围的监测和识别上存在一定的局限性，难以全面掌握城市行道树病虫害情况的问题。
2、第一方面，本申请提供了一种行道树安全风险特征的检测方法，包括：
3、获取行道树上树干的病变区域的图像信息；
4、对所述图像信息进行预处理，得到训练样本；
5、基于所述训练样本，对改进后的yolov8网络模型进行训练，得到训练好的病虫害识别模型；其中，改进后的yolov8网络模型包括选择性多尺度卷积核注意力机制模块和平均池化模块；
6、采用所述病虫害识别模型，对待识别的树干图像进行检测，得到检测结果。
7、在其中一个实施例中，所述对所述图像信息进行预处理，包括：
8、对所述图像信息进行数据清洗和数据增强操作。
9、在其中一个实施例中，所述数据增强操作包括：随机旋转操作、亮度变换操作、增加噪声操作、随机裁剪操作、图像翻转操作、图像平移操作中的任意一个或多个。
10、在其中一个实施例中，所述对所述图像信息进行预处理，还包括：
11、对所述图像信息进行标注；
12、统计所述图像信息的类别，针对样本量少于预设数量的类别，进行补充标注。
13、在其中一个实施例中，所述对所述图像信息进行预处理，还包括：
14、在所述图像信息中加入负样本图像信息，所述图像信息和所述负样本图像信息构成所述训练样本。
15、在其中一个实施例中，改进后的yolov8网络模型包括检测头，所述检测头包括大目标预测模块和中目标预测模块，所述选择性多尺度卷积核注意力机制模块设置于所述大目标预测模块和所述中目标预测模块之前。
16、在其中一个实施例中，改进后的yolov8网络模型还包括特征融合网络，所述平均池化模块设置于所述特征融合网络中。
17、第二方面，本申请提供了一种行道树安全风险特征的检测系统，包括：
18、获取模块，用于获取行道树上病变区域的图像信息；
19、处理模块，用于对所述图像信息进行预处理，得到训练样本；
20、训练模块，用于基于所述训练样本，对改进后的yolov8网络模型进行训练，得到训练好的病虫害识别模型；其中，改进后的yolov8网络模型包括选择性多尺度卷积核注意力机制模块和平均池化模块；
21、检测模块，用于采用所述病虫害识别模型，对待识别的树干图像进行检测，得到检测结果。
22、第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面中任一项所述的方法步骤。
23、第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中任一项所述的方法步骤。
24、上述一种行道树安全风险特征的检测方法、系统、设备及存储介质，至少具有以下优点：
25、本申请获取行道树上病变区域的图像信息，对图像信息进行预处理，得到大量且多样化的训练样本，提高了病虫害识别模型的鲁棒性；包括选择性多尺度卷积核注意力机制模块的改进后的yolov8网络模型，可使模型更加自适应地选择合适的感受野，捕获多尺度的病虫害特征信息，提高了检测能力；包括平均池化模块的改进后的yolov8网络模型，可以使模型结合网络深层的高级语义信息做相应决策，获取到全局上下文信息；此外，它还能降低计算复杂度，提高模型效率。采用上述训练样本和改进后的yolov8网络模型训练得到的病虫害识别模型，可对大批量、多种类型的树干病虫害图像进行识别，并快速提供高精度的识别结果，节省了识别时间、降低了排查成本，为城市绿化管理和决策提供了更全面的参考依据。
1.一种行道树安全风险特征的检测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述对所述图像信息进行预处理，包括：
3.如权利要求2所述的方法，其特征在于，所述数据增强操作包括：随机旋转操作、亮度变换操作、增加噪声操作、随机裁剪操作、图像翻转操作、图像平移操作中的任意一个或多个。
4.如权利要求2所述的方法，其特征在于，所述对所述图像信息进行预处理，还包括：
5.如权利要求4所述的方法，其特征在于，所述对所述图像信息进行预处理，还包括：
6.如权利要求1所述的方法，其特征在于：改进后的yolov8网络模型包括检测头，所述检测头包括大目标预测模块和中目标预测模块，所述选择性多尺度卷积核注意力机制模块设置于所述大目标预测模块和所述中目标预测模块之前。
7.如权利要求6所述的方法，其特征在于：改进后的yolov8网络模型还包括特征融合网络，所述平均池化模块设置于所述特征融合网络中。
8.一种行道树安全风险特征的检测系统，其特征在于，包括：
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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权利要求1-7中任意一项所述的方法。
10.一种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权利要求1-7中任意一项所述的方法。
