基于深度学习的林业资源调查方法

被引：3

作者：

罗巍 ^{[1
]}

王东亮 ^{[2
]}

夏列钢 ^{[3
]}

陈曙东 ^{[1
,4
]}

机构：

[1] 中国科学院微电子研究所智能制造电子研发中心

[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

[3] 浙江工业大学计算机科学与技术学院

[4] 中国科学院大学微电子学院

来源：

林业科技通讯 | 2020年 / 08期

基金：

国家重点研发计划;

关键词：

林业调查; 杨梅; 深度学习; 无人机; 遥感;

D O I：

10.13456/j.cnki.lykt.2019.07.03.0005

中图分类号：

S757.2 [森林资源调查];

学科分类号：

090704 ;

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。

引用

页码：17 / 22

页数：6

共 13 条

[1] 隆林县森林资源规划设计调查工作的创新与实践 [J].

杨明 .

绿色科技, 2018, (07) :135-136

[2]

基于视觉的行人检测技术研究[D]. 王浩.辽宁工业大学 2018

[3] 杉木人工林冠层高度无人机遥感估测 [J].

谢巧雅 ;

余坤勇 ;

邓洋波 ;

刘健 ;

范华栋 ;

林同舟 .

浙江农林大学学报, 2019, 36 (02) :335-342

[4]

YOLO9000:Better Faster Stronger. REDOM,FARHADI A. . 2016

[5]

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. 罗巍. 中国科学院地理科学与资源研究所 . 2017

[6] 结合全卷积神经网络的室内场景分割 [J].

黄龙 ;

杨媛 ;

王庆军 ;

郭飞 ;

高勇 .

中国图象图形学报, 2019, 24 (01) :64-72

[7]

SSD:Single shot multibox detector. Liu W,Anguelov D,Erhan D,et al. European Conference on Computer Vision . 2016

[8]

Automatically identifying counting and describing wild animals in camera-trap images with deep learning. NOROUZZADEH M S,NGUYEN A,KOSMALA M,et al. Proceedings of the National Academy of Sciences of the United States of America . 2018

[9]

You Only Look Once:Unified,Real-Time Object Detection. REDMON J,DIVVALA S,GIRSHICK R,et al. IEEE Conference on Computer Vision&Pattern Recognition 2016 . 2016

[10] 基于深度学习的无人机遥感影像船只检测方法 [J].

罗巍 ;

陈曙东 ;

龚立晨 ;

李伟炜 .

船舶物资与市场, 2019, (04) :25-28

← 1 2 →