编号
lyqk009050
中文标题
基于深度学习的林业资源调查方法
作者单位
1. 中国科学院微电子研究所智能制造电子研发中心, 北京 100029;
2. 中国科学院地理科学与资源研究所陆地表层格局与模拟院重点实验室, 北京 100101;
3. 浙江工业大学计算机科学与技术学院, 杭州 310014;
4. 中国科学院大学微电子学院, 北京 100049
期刊名称
林业科技通讯
年份
2020
卷号
0
期号
8
栏目名称
学术研究
中文摘要
以浙江温州大洋山森林公园的杨梅树作为调查对象,给出了一种基于深度学习的林业资源调查方法。先通过无人机航拍获取大量研究区高清正射遥感影像,然后对影像中的杨梅树进行标注并构建测试集,利用TensorFlow+MASK RCNN深度学习框架对杨梅树进行检测和定位,并同时输出树冠掩膜图像和树冠像素个数,最后分别借助基于像素统计的和基于掩膜矢量估算并统计树冠的实际面积。这种方法不仅节省了人工分析航空遥感影像的时间、提高了工作效率,还可以通过将获取到的树冠轮廓矢量叠加到地学分析软件ArcGIS当中,直观地显示杨梅树的分布范围和具体数量。
基金项目
国家重点研发计划(2017YFC0506501);国家自然科学基金项目(41571504)。
起始页码
17
截止页码
22
分类号
S758.8
DOI
10.13456/j.cnki.lykt.2019.07.03.0005
参考文献
[1] 杨明.隆林县森林资源规划设计调查工作的创新与实践[J].绿色科技, 2018(7):135-136.
[2] 谢巧雅, 余坤勇, 邓洋波, 等.杉木人工林冠层高度无人机遥感估测[J].浙江农林大学学报, 2019, 36(2):335-342.
[3] LIU W, ANGUELOV D, ERHAN D, et al. SSD:Single Shot Multibox Detector[C]//European Conference on Computer Vision:Springer International Publishing, 2016:21-37.
[4] REDOM J, DIVVALA S, GIRSHICK R, et al. You Only Look Once:Unified Real Object Detection[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition:IEEE, 2016:779-788.
[5] REDOM, FARHADI A. YOLO9000:Better, Faster, Stronger[J/OL].ArXiv PrePrint, 2016.
[6] Benjamin Kellenberger, Diego Marcos, Devis Tuia.Detecting mammals in uav images:best practices to address a substantially imbalanced dataset with deep learning[J].Remote Sensing of Environment, 2018, 216:139-153.
[7] Simon Madec, Xiuliang Jin, Hao Lu, et al.Ear density estimation from high resolution rgb imagery using deep learning technique[J].Agricultural and Forest Meteorology, 2019, 264:225-234.
[8] NOROUZZADEH M S, NGUYEN A, KOSMALA M, et al.Automatically identifying, counting, and describing wild animals in camera-trap images with deep learning[J].Proc Natl Acad Sci USA, 2018.
[9] 黄龙, 杨媛, 王庆军, 等.结合全卷积神经网络的室内场景分割[J].中国图象图形学报, 2019, 24(1):64-72.
[10] 罗巍, 陈曙东, 龚立晨, 等.基于深度学习的无人机遥感影像船只检测方法[J].船舶物资与市场, 2019(4):25-28.
[11] 杨雯杰.基于皮肤镜图像的皮损区域识别研究[D].成都:电子科技大学, 2018.
[12] 王浩.基于视觉的行人检测技术研究[D].锦州:辽宁工业大学, 2018.
[13] 罗巍.基于无人机遥感影像的大型食草动物信息自动提取方法研究-以青海省玛多县为例博士后出站报告[D].北京:中国科学院地理科学与资源研究所, 2017.
PDF全文
浏览全文