基于深度学习的树种识别系统设计与试验

作     者：李冲 王光辉 陆志恒 王德成 郭子文 蔡晨 林静 LI Chong;WANG Guanghui;LU Zhiheng;WANG Decheng;GUO Ziwen;CAI Chen;LIN Jing

作者机构：中国农业大学工学院北京100083 

出 版 物：《森林工程》 (Forest Engineering)

年 卷 期：2022年第38卷第6期

页      面：88-95页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置] 0713[理学-生态学] 

基　　金：国家重点研发计划(2021YFD1300302) 

主　　题：树种识别 深度学习 HALCON 目标检测 特征提取网络 

摘      要：为解决目前树种识别任务中存在的准确率低、工作强度大、成本高和效率低的问题,基于深度学习方法,利用机器视觉软件HALCON,结合Arduino程序开发技术,设计并开发林木树种识别系统。通过搭建林木树种识别系统主体硬件设备,自动采集6种林木的3 000张图像,并按7∶1.5∶1.5的比例随机划分为训练集、验证集和测试集;基于HALCON目标检测框架,比较分析3种SqueezeNet、Inception-V3和ResNet-50目标检测特征提取网络的训练结果和评估结果,选择性能表现最好的SqueezeNet网络模型,试验分析不同环境和生长状况的树种对其影响,构建并设计林木树种识别系统。系统识别试验结果表明,模型的平均精度达0.735,在测试集上识别准确率和召回率均高于99.5%;可在不同光照条件下准确识别不同直立程度、胸径大小的林木,具有较强的泛化性能;田间试验随机测试结果表明,网络模型准确率均高于93%,同时系统具有良好的稳定性和实用性,可满足作业实际工况的要求。该研究为林木资源智能化管理提供技术支撑。