發(fā)布時間：2024-01-24 17:38

　　森林資源是地球陸地生態(tài)圈的主體,在維護生態(tài)平衡的過程中發(fā)揮關鍵作用。缺林少綠仍是我國面臨的問題,準確識別林木種類信息則是保護森林資源的前提,針對人眼和傳統(tǒng)固定閾值提取特征對樹種進行識別的方法不僅效率不高、識別率低、操作復雜而且對經(jīng)驗要求極高的問題。本文提出以卷積神經(jīng)網(wǎng)絡為核心的方法,通過優(yōu)化的卷積神經(jīng)網(wǎng)絡模型對不同樹皮紋理圖像進行自動樹種識別�；诖藛栴},本文研究內容如下:針對傳統(tǒng)樹種識別方法的不足,本文應用1個淺層和2個深層卷積神經(jīng)網(wǎng)絡,分別對東北地區(qū)常見的水曲柳、家榆、白樺、紅皮云杉、蒙古櫟5種共計12800張樹皮紋理圖像數(shù)據(jù)集,將訓練集和測試集按照7:3的比例劃分,進行樹種的自動識別分類。其中:(1)淺層神經(jīng)網(wǎng)絡主要由兩個卷積、最大池化層和輸出層構成,測試集的識別率為 84.51%。(2)針對淺層CNN提取特征能力有限的問題,采用了經(jīng)典ResNet50網(wǎng)絡模型,該模型較淺層CNN識別精度有所提升,測試集識別率為89.1%,但不完全適用于本研究針對樹皮紋理特征的樹種識別。(3)在經(jīng)典ResNet50網(wǎng)絡的基礎上,針對網(wǎng)絡輸入圖像尺寸的大小、樹皮紋理特征和卷積神經(jīng)網(wǎng)絡提取特征的特點,...

【文章頁數(shù)】：54 頁

【學位級別】：碩士

圖１－１樹種識別流程圖??首先是輸入圖像數(shù)據(jù)的預處理環(huán)節(jié)，然后進行數(shù)據(jù)增強操作，按照一定比例設置為??

圖２－１卷積祌經(jīng)網(wǎng)絡結構圖??２＿１．１卷積層??

圖２－２卷積層??圖２－２中左邊為原始圖像的像素點，中間為卷積核，卷積核中每個作用點的數(shù)值代??表對應的權重，卷積核上的所有作用點，依次與原始圖像像素點進行卷積運算，即卷積??－７－??

圖２－３最大池化層??平均池化操作的過程同最大池化，只是保留的是過濾器范圍內的平均值

本文編號：3884186