基于深度学习的树种图像自动识别

• 作者: 刘嘉政 王甜 王雪峰
• 来源期刊: 南京林业大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度学习方法 树种图像 卷积神经网络 自动识别
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 138-144
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2006.201809004

摘要

[目的]为了探究深度学习方法用于林业树种图像智能识别的可行性,提出一种基于深度学习方法的自动识别树种新方法.在TensorFlow框架下,对卷积神经网络(CNN)模型进行改进,对7类树种图像进行自动识别研究.[方法]首先,在图像库建立时,为增加特征选择多样性,选择树木的树皮和树叶图像,保留自然背景;另外,考虑到同一树种在不同树龄条件下树皮图像存在差异,因此加入不同树龄的树皮图像,并用胸径指标来表示树龄大小.其次,对每类树种图像随机挑选100张作为测试集,剩余数据集全部作为训练集.通过反复试验比较不同CNN结构设置、卷积层数量、全连接层层数、学习率等对结果的影响.采用Adam算法代替传统的随机梯度下降(SGD)算法,对模型进行优化,用指数衰减法对学习率进行调节,在交叉熵函数中加入L2正则项对权重进行惩罚,并采用Dropout策略和ReLU激励函数,以避免训练过程中过拟合现象.最后,确定适合试验要求的13层CNN结构,同时比较深度学习方法和传统人工特征识别方法的差异,与已有的树种图像识别方法做对比.[结果]提出的13层树种图像识别模型,对训练集和测试集取得了理想的识别效果,识别率分别为96.78％、91.89％,在未参与训练的验证集上取得了96％的平均准确率.相对于已有的人工特征识别方法,所提出的方法识别效率和准确度更高.[结论]基于改进的卷积神经网络树种识别模型识别效果明显高于传统方法,说明所提出的方法能够应用于树种识别,可为林业树种图像自动识别提供一条新思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王雪峰	中国林业科学研究院资源信息研究所	50	264	10.0	13.0
2	刘嘉政	中国林业科学研究院资源信息研究所	6	3	1.0	1.0
3	王甜	中国林业科学研究院资源信息研究所	6	14	3.0	3.0