文章摘要:为研究激光雷达单木分割辅助条件下无人机可见光图像树种识别应用潜力，提出联合卷积神经网络和集成学习的树种识别方法。首先利用同期无人机激光雷达数据和可见光影像数据进行单木树冠探测并制作单木树冠影像数据集，其次引入ResNet50网络并结合引入有效通道注意力机制、替换膨胀卷积、调整卷积模块层数搭建出4个卷积神经网络，使用ImageNet大型数据集进行模型预训练，加载预训练参数进行模型初始化并利用制作的单木树冠影像数据集训练出5个不同的分类模型，最后通过相对多数投票法建立集成模型。实验结果表明，单木探测总体精度达到83.80%，集成学习的训练精度、验证精度、独立测试精度分别达到了99.15%、98.34%和90.15%，较ResNet50网络提高了4.23%、3.04%和9.09%，独立测试精度较随机森林分类最优结果仍高32.31%。激光雷达单木分割辅助条件下利用卷积神经网络和集成学习策略能够充分提取无人机图像特征用于树种识别。

文章关键词:

论文分类号:S771.8

上一篇：农业基础科学论文_基于U-Net的葡萄种植区遥感
下一篇：没有了