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、操作復雜而且對經驗要求極高的問題。本文提出以卷積神經網絡為核心的方法,通過優(yōu)化的卷積神經網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個深層卷積神經網絡,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張樹皮紋理圖像數據集,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)淺層神經網絡主要由兩個卷積、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,采用了經典ResNet50網絡模型,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)在經典ResNet50網絡的基礎上,針對網絡輸入圖像尺寸的大小、樹皮紋理特征和卷積神經網絡提取特征的特點,...

【文章頁數】：54 頁

【學位級別】：碩士

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

圖２－１卷積祌經網絡結構圖??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