长光禹辰公司自主研发的多光谱数据行业应用软件Yusense Map Plus行业应用软件，在12月推出新版本V1.4.1。
一、产品升级
在本次软件更新迭代中，我们着重对精准林业模块下的“松材变色立木识别”功能进行了全面优化与革新，将深度学习与传统遥感算法相结合，显著增强了模型对松材变色立木的辨识精度，极大提升了该模块在林业资源管理、病虫害监测与防控领域的实用效能与准确性。
图1 软件松材变色立木识别模块界面
在遥感四个分辨率（空间、时间、光谱及辐射）的共同作用下，地表特征展现出高度的复杂性和混合性。这种特性给传统的光谱算法带来了挑战，特别是混合像元问题，它可能导致目标地物的光谱特征被非目标地物（其光谱特征与正目标相似）所干扰，从而引发误识别。
图2 变色立木和负样本光谱曲线对比
本次更新中引入的Faster RCNN目标检测模型发挥了关键作用。该模型能够有效筛除由混合像元引起的干扰，显著提升识别精度。具体采取了以下策略：
（1）特征指数构建：针对Plus误提（即错误的将裸土、岩石、落地松针等非目标地物识别为目标地物）和漏提（即未能识别出目标地物）的问题，我们构建了特定的特征指数用于模型训练，为网络模型提供更高对比度的源数据。
（2）深度学习模型优化：根据松材数据特征构建深度学习网络模型，并对模型的数据输入、多层特征提取以及分类和边框回归处理等多处结构改进优化。对整个网络结构针对松材变色立木特征进行了精细化设计，以捕捉光谱特征中的颜色差异和纹理信息。
（3）融合模型构建：将传统的多层目标分离算法的高计算效率与高稳定性特性与深度学习模型的特征提取及迁移学习能力有机融合，旨在结合两种方法的优势，提升模型整体性能，从而提高对复杂地表环境的适应能力。
图3 可见光影像和特征指数
本模块通过在密林地、疏林地等场景中密集测试验证，结果如下:
（1）北方疏林地
在北方疏林地场景中，松材变色立木可能更加分散且易受环境光照、落地松针及岩石等干扰地物类型较多等因素的影响。通过引入优化深度学习模型的源数据类型、注意力机制等结构，融合模型能够更有效地捕捉和利用光谱、纹理等特征信息，从而将场景中的岩石、裸土等负样本有效剔除，提升松材变色立木识别精度。
图4 北方疏林地场景新旧提取结果对比
（2）南方密林地
在密林地场景中，由于树木密集、阴影遮挡等，传统的提取方法难以准确识别松材变色立木，但同时土壤干扰也相对降低。融合模型的优势再次体现，将松材变色立木从密林中有效地提取出来，大大避免了正目标的漏提。
图5 南方密林场景新旧提取结果对比
因南北方在气候、地形地貌、植被类型、土壤条件以及林业工作重点等方面存在较大差异，尤其是南方土壤多为红壤、砖红壤等酸性或微酸性土壤，特殊条件下林间土壤混杂落地松针等可能造成与正目标极为相近的特征，对深度学习模型造成较大干扰，松材变色立木识别精度存在小幅度下降。因此，在南方疏林、裸土较多等场景下建议用户使用原模块（取消AI模型勾选）以保证识别精度。
二、软件更新
本次更新已在长光禹辰官网上线，用户朋友们可至“长光禹辰官网（www.yusense.com.cn)-软件产品-Yusense Map Plus页面”下载最新版软件安装包，软件购买及授权事宜可联系禹辰市场人员了解。
图6 禹辰官网页面截图
下载页面链接：
https://www.yusense.com.cn/soft.php?cid=24&id=188title=
注：使用AI算法，对运行设备具体配置要求如下：
1）计算机配置NVIDIA独立显卡，建议显存4G及以上。若无独立显卡或独立显卡非NVIDIA，则AI算法不可选；
2）计算机显卡驱动程序版本在522.06及以上，若驱动版本低于522.06，需要将驱动程序升级；
3）需自行安装配置CUDA11.8和cudnn8.9，或联系技术支持协助安装。