深度语义分割的无人机图像植被识别

• 作者: 丁启禄 刘金福 林志玮 涂伟豪 黄嘉航
• 来源期刊: 山地学报
• 学科: 农学
• 关键词: 语义分割 全卷积网络 无人机影像 植被识别
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 山地技术
• 页码范围: 953-963
• 页数: 11页
• 分类号: S719
• 字数: 9283字
• 语种: 中文
• DOI: 10.16089/j.cnki.1008-2786.000390

摘要

为有效实施植被信息获取及监测,亟需分类准确及易于推广的植被信息识别技术.本文利用无人机航拍获取植被光学影像,利用深度语义分割技术建构植被种类识别模型,为植被变化动态监测提供准确的植被类别信息.首先,基于安溪县龙门镇崩岗区的采样点,获取20 m航拍高度的无人机影像,构建FCN-VGG19植被识别模型,探讨不同特征融合结构对FCN-VGG19识别性能的影响,测算出各植被的覆盖面积;其次,取安溪县另一取样点的无人机影像作为验证集,分析FCN-VGG19的迁移学习能力,验证模型稳健性.结果表明:(1)基于20 m高度的无人机影像建立的FCN-VGG19-8s模型识别正确率最高,为86.30％;(2)FCN-VGG19-8s识别精度高于FCN-VGG19-32s;并从测试集中随机抽取一张图,测算该测试图的马尾松覆盖面积为78.38 m2,芒萁覆盖面积为12.77 m2,柠檬桉覆盖面积为0.89 m2;(3)在模型的迁移学习能力试验分析中,当A数据集占训练集的比例下降时,对模型识别B数据集的影响不大;当B数据集的数据量减少时,其识别精度稍有下降,仍有84.5％.本文基于无人机光学影像,结合深度语义分割模型进行植被识别,以福建安溪县为例验证模型稳健性,分析模型在测算植被覆盖面积的适用性,旨在为植被识别研究提供新思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘金福	福建农林大学计算机与信息学院	134	1564	22.0	33.0
5	涂伟豪	福建农林大学计算机与信息学院	7	9	2.0	2.0
6	黄嘉航	福建农林大学林学院	4	2	1.0	1.0
7	丁启禄	福建农林大学计算机与信息学院	6	7	1.0	2.0