- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于卷积神经网络的无人机影像柑橘树识别
摘要： 遥感技术对精准农业至关重要，无人机（UAV）提供的空间分辨率正在革新精准农业的工作流程，用于监测作物生长季的健康状况与产量、识别和监控杂草等应用。针对单株果树的生长、果实产量及病虫害发生情况的监测仍是重点研究方向，采用自动化手段（而非人工勾绘）划定每棵树的范围，将有助于长期农场管理。本文利用简单的卷积神经网络（CNN）算法从无人机影像中检测柑橘及其他作物果树，随后通过简单线性迭代聚类（SLIC）算法生成的超像素进行分类优化。该工作流在相对复杂的农业环境（多目标、不同树龄与大小的果树等）中表现良好，取得了高精度（总体精度=96.24%，精确率（阳性预测值）=94.59%，召回率（灵敏度）=97.94%）。据我们所知，这是首次将CNN与无人机多光谱影像结合应用于柑橘树检测。需要更多此类个案研究，以开发标准化的自动化工作流，帮助农业管理者更好地将海量高分辨率无人机影像融入农业生产管理。
关键词： 无人机系统、树木识别、柑橘、精准农业、卷积神经网络、特征提取、深度学习、超像素
更新于2025-09-23 15:21:01
-
从道路场景的移动激光扫描数据中识别树木及其树干
摘要： 道路沿线的树木是重要的资产，需要持续评估和维护。移动激光扫描（MLS）已成为获取道路沿线三维数据的主流测绘技术。本研究开发了一种从MLS数据中自动识别树木及其树干的方法：首先对归一化MLS数据进行分区形成圆柱体，采用两阶段自底向上的搜索策略——先基于靠近圆柱体基座中心的物体群簇下部区域的线性特征和数据分布均匀性识别树干，再通过冠层截面的紧密度指数及其相对于树干轴的轴向对称性检索对应树干的树冠，最终将包含树干与树冠的物体群簇判定为树木。 该方法在两种不同点间距采集的测试路段MLS数据上进行了验证，结果显示两个站点的平均完整性、正确率和F1值分别达到94.4%、100%和97.1%。其中正确率在两站点均保持100%稳定，表明未出现非树木对象被误判的情况，且树木识别正确率不受测试场地复杂度影响。该方法能有效应对因遮挡导致三维数据中树木形态畸变、物体间存在部分重叠等复杂路况下的树木识别，具有广泛应用潜力。此外，基于图形处理器并行计算框架的实现使两个测试站点的MLS数据集处理时间显著缩短。
关键词： 树木识别、树干检测、树冠提取、道路场景、并行计算、移动激光扫描
更新于2025-09-12 10:27:22