基于深度学习的树种识别系统设计与试验

作者：李冲; 王光辉; 陆志恒; 王德成; 郭子文; 蔡晨; 林静

来源：森林工程, 2022, 38(06): 88-95.

DOI：10.3969/j.issn.1006-8023.2022.06.012

• 树种识别
• 深度学习
• HALCON
• 目标检测
• 特征提取网络

为解决目前树种识别任务中存在的准确率低、工作强度大、成本高和效率低的问题，基于深度学习方法，利用机器视觉软件HALCON,结合Arduino程序开发技术，设计并开发林木树种识别系统。通过搭建林木树种识别系统主体硬件设备，自动采集6种林木的3 000张图像，并按7∶1.5∶1.5的比例随机划分为训练集、验证集和测试集；基于HALCON目标检测框架，比较分析3种SqueezeNet、Inception-V3和ResNet-50目标检测特征提取网络的训练结果和评估结果，选择性能表现最好的SqueezeNet网络模型，试验分析不同环境和生长状况的树种对其影响，构建并设计林木树种识别系统。系统识别试验结果表明，模型的平均精度达0.735,在测试集上识别准确率和召回率均高于99.5%;可在不同光照条件下准确识别不同直立程度、胸径大小的林木，具有较强的泛化性能；田间试验随机测试结果表明，网络模型准确率均高于93%,同时系统具有良好的稳定性和实用性，可满足作业实际工况的要求。该研究为林木资源智能化管理提供技术支撑。

• 单位
  中国农业大学