基于改进的Faster R-CNN模型的树冠提取研究

编号 zgly0001726241

文献类型 期刊论文

文献题名 基于改进的Faster R-CNN模型的树冠提取研究

作者 黄彦晓  方陆明  黄思琪  高海力  杨来邦  楼雄伟 

作者单位 浙江农林大学信息工程学院  林业感知技术与智能装备国家林业和草原局重点实验  浙江省林业智能监测与信息技术研究重点实验室  浙江农林大学暨阳学院  浙江农林大学林业与生物技术学院 

母体文献 林业资源管理 

年卷期 2021,(1)

页码 173-179

年份 2021 

分类号 S758  TP751 

关键词 无人机影像  树冠识别  冠幅测量  目标检测  Faster R-CNN 

文摘内容 树冠信息是森林资源调查中的重要内容。传统的树冠冠幅测量方法为实地调查,该方法测量结果在特定的地形和森林环境中误差较大,且人力消耗大、操作繁琐、耗时长。无人机影像技术和深度学习的发展为树冠测量提供了新的方法和实现思路。利用无人机获取了临安东部青山湖绿道两块纯水杉林样地的正射影像图,通过改进目前先进的目标检测方法Faster R-CNN进行树冠的识别和冠幅的提取。基于改进的Faster R-CNN模型准确率和决定系数达到了92.92%和0.84,分别比改进前的模型提高了5.31%和0.12。这说明了无人机和目标检测技术识别树冠的可行性,这一方法和传统的调查方法相比,具有高效、便捷和低成本的优势。