基于DenseNet的无人机光学图像树种分类研究

编号 zgly0001683710

文献类型 期刊论文

文献题名 基于DenseNet的无人机光学图像树种分类研究

作者 林志玮  丁启禄  黄嘉航  涂伟豪  胡典  刘金福 

作者单位 福建农林大学计算机与信息学院  福建农林大学林学院  福建农林大学林学博士后流动站  福建省高校生态与资源统计重点实验室 

母体文献 遥感技术与应用 

年卷期 2019年04期

年份 2019 

分类号 TP751  S718 

关键词 无人机  深度学习  树种识别  光学影像 

文摘内容 利用无人机航拍获得光学影像数据,结合深度学习理论,建立树种识别模型,以期为大规模树种识别提供一种新的方式。首先以福建安溪县为例,采用无人机获取20 m及40 m高度的航拍影像。其次,以树种为对象,对航拍影像进行分割,获得12种树种影像。最后,结合深度学习理论,采用DenseNet卷积神经网络建立树种识别模型,探讨不同航拍高度以及不同网络深度对树种识别的影响。结果表明:不同航拍高度的树种识别模型,其分类精度均达80%以上,最高精度为87.54%。从航拍影像解析度分析,随着航拍影像解析度的下降,模型识别精度呈现下降趋势,以20 m航拍影像数据建构的树种识别模型,其分类精度高于40 m模型;从模型网络深度分析,随着模型网络层数的增加,模型分类精度出现下降现象,DenseNet121模型分类精度高于DenseNet169模型分类精度。综上所述,基于无人机航拍影像,结合深度卷积神经网络,提出了新的树种识别方式,并以安溪县森林树种识别为例证明了该分类框架的有效性。