14、基于无人机与CNN技术的森林研究：原木识别与冠层空隙分析

基于无人机与CNN技术的森林研究：原木识别与冠层空隙分析

基于CNN的原木识别研究

近年来，基于单根原木追踪圆木的方法备受关注。此前的研究提出了一种基于原木端面图像的物理自由方法，借鉴了指纹和虹膜识别的技术，在使用真实分割数据时取得了不错的效果。但在实际应用中，需要一个完全自动化的系统。

为了填补这一空白，研究采用了基于卷积神经网络（CNN）的分割方法与原木识别方法相结合的方式，并与传统原木识别方法在自动分割图像上的结果进行了比较。
- 实验结果分析
- EER数据对比 ：从各数据集的等错误率（EER）来看，基于CNN的方法明显优于传统方法。例如在表1的数据中，SqNet+的表现略好于SqNet，这表明额外的训练数据有助于提升结果，即便这些额外数据来自不同图像采集条件和不同相机的数据库。
- 不同数据集表现 ：不同HLDB数据集的CNN结果较为相似。像HLDBS数据集的图像能清晰看到年轮模式，图像的比例和视角恒定；而在森林中采集的HLDBF H和HLDBF L数据集，由于锯痕模式，年轮模式可见度差，图像的比例和视角也不同。但森林数据集的CNN结果略好于HLDBS，HLDBR（原始横截面）的结果也略好于HLDBS（打磨横截面），这表明锯痕模式对于CNN可能比年轮模式更重要，而且CNN似乎不受图像视角和比例变化的影响。

方法	CSLD	HLDBF H	HLDBF L	HLDBS