期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习的精细化树木识别探测—以四川夹江县巨桉为例
1
作者
孙芙蕊
顾驰元
白旭阳
《甘肃林业科技》
2025年第1期21-31,共11页
本文以四川省夹江县10 a生巨桉人工林为例,探索深度学习模型的精细化树木识别能力,为精细化识别巨桉人工林提供了新路径。研究发现:1)相较传统斑点检测(Python scikitimage库Blob Detection)识别方法,MMDetection框架下Cascade R-CNN算...
本文以四川省夹江县10 a生巨桉人工林为例,探索深度学习模型的精细化树木识别能力,为精细化识别巨桉人工林提供了新路径。研究发现:1)相较传统斑点检测(Python scikitimage库Blob Detection)识别方法,MMDetection框架下Cascade R-CNN算法模型比较适用于巨桉人工林,在A、B和C测试区的平均识别精度为80.00%、65.74%和88.26%。2)Cascade R-CNN算法模型识别精度显著高于DETReg算法模型。在A、B和C测试区相较于DETReg算法模型的平均识别精度7.29%、9.30%和31.16%,Cascade R-CNN算法相应值提高了72.71%、56.44%和57.1%。3)在Cascade R-CNN算法模型中增加波段和因子信息可以提高识别精度。在巨桉人工林A、B和C测试区的可见光模型识别精度均值为73.95%,增加近红外波段相应值提高了5.13%,增加近红外波段+3个植被指数(NDVI+NDRE+OSAVI)相应值提高了8.05%。4)Cascade R-CNN算法模型及DETReg算法模型的训练精度和识别精度在不同测试区差异均为极显著,因此模型平均训练精度的高低并不能代表探测识别精度高低。此外,就训练精度而言,3波段模型在Cascade R-CNN算法和DETReg算法间差异不显著,Cascade R-CNN算法模型在不同波段间差异不显著;就识别精度而言,DETReg算法模型在不同测试区间差异不显著,而Cascade R-CNN算法模型差异极显著。本研究通过探索深度学习算法对桉树精准林业识别探测的能力,为今后巨桉经济林种植监测工作提供了技术支撑。
展开更多
关键词
斑点检测识别方法
Cascade
r-cnn算法模型
DETReg
算法
模型
识别精度
巨桉人工林
四川夹江
在线阅读
下载PDF
职称材料
题名
基于深度学习的精细化树木识别探测—以四川夹江县巨桉为例
1
作者
孙芙蕊
顾驰元
白旭阳
机构
易智瑞信息技术有限公司
中国联通智网创新中心
出处
《甘肃林业科技》
2025年第1期21-31,共11页
基金
国家重点研发计划课题(2016YFC0502605)。
文摘
本文以四川省夹江县10 a生巨桉人工林为例,探索深度学习模型的精细化树木识别能力,为精细化识别巨桉人工林提供了新路径。研究发现:1)相较传统斑点检测(Python scikitimage库Blob Detection)识别方法,MMDetection框架下Cascade R-CNN算法模型比较适用于巨桉人工林,在A、B和C测试区的平均识别精度为80.00%、65.74%和88.26%。2)Cascade R-CNN算法模型识别精度显著高于DETReg算法模型。在A、B和C测试区相较于DETReg算法模型的平均识别精度7.29%、9.30%和31.16%,Cascade R-CNN算法相应值提高了72.71%、56.44%和57.1%。3)在Cascade R-CNN算法模型中增加波段和因子信息可以提高识别精度。在巨桉人工林A、B和C测试区的可见光模型识别精度均值为73.95%,增加近红外波段相应值提高了5.13%,增加近红外波段+3个植被指数(NDVI+NDRE+OSAVI)相应值提高了8.05%。4)Cascade R-CNN算法模型及DETReg算法模型的训练精度和识别精度在不同测试区差异均为极显著,因此模型平均训练精度的高低并不能代表探测识别精度高低。此外,就训练精度而言,3波段模型在Cascade R-CNN算法和DETReg算法间差异不显著,Cascade R-CNN算法模型在不同波段间差异不显著;就识别精度而言,DETReg算法模型在不同测试区间差异不显著,而Cascade R-CNN算法模型差异极显著。本研究通过探索深度学习算法对桉树精准林业识别探测的能力,为今后巨桉经济林种植监测工作提供了技术支撑。
关键词
斑点检测识别方法
Cascade
r-cnn算法模型
DETReg
算法
模型
识别精度
巨桉人工林
四川夹江
Keywords
Blob Detection and recognition method
Cascade
r-cnn
algorithm model
DETReg algorithm model
recognition accuracy
Eucalyptus grandis plantations
Jiajiang county of Sichuan province.
分类号
S781.5 [农业科学—木材科学与技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习的精细化树木识别探测—以四川夹江县巨桉为例
孙芙蕊
顾驰元
白旭阳
《甘肃林业科技》
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
