首页|基于深度卷积神经网络的树轮宽度测量算法

基于深度卷积神经网络的树轮宽度测量算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
数字图像处理技术已被广泛用于树轮宽度测量,但大多集中在边界清晰可见的针叶树种,对于木材解剖结构复杂、树轮边界清晰度较差的阔叶树种,传统的图像处理技术表现不佳.为了改善阔叶树种的树轮边界识别精度,本文提出了一种基于U-Net卷积神经网络模型的树轮宽度测量算法.以鱼鳞云杉(Picea jezoensis var.komarovii)、臭冷杉(Abies nephrolepis)、红松(Pinus koraiensis)、白桦(Betula platyphylla)、枫桦(Betula costata)、榆树(Ulmus pumila)的树芯为对象,提出了 一种基于U-Net的树轮边界检测模型.采用3种评价指标比较了 U-Net方法与手工标注方法的差异,并与WinDENDRO测量得到的树轮宽度进行了精度对比.结果显示,U-Net识别到的树轮边界与实际边界精确匹配,尤其是对阔叶树种树轮边界的检测精度相比传统的数字图像处理方法有显著提高,通过3种评价指标证明所得到的树轮边界精确可靠,在树轮分析中具有较高的实用价值.
A tree ring width measurement algorithm method based on a deep convolutional neural network

李爽、李俊杰、杨鹏、史景宁、唐丁洁、向玮

展开 >

北京林业大学森林资源和环境管理国家林草局重点实验室,北京100083

广西林业勘测设计院,南宁530011

新疆农业大学林学与风景园林学院,乌鲁木齐830052

U-Net 深度学习 树轮宽度 图像分割

北京林业大学大学生科研训练计划新疆自治区财政林业科技项目国家自然科学基金

S202110022015新林规字[2022]9号32160366

2023

10.13292/j.1000-4890.202304.026

生态学杂志
中国生态学学会

生态学杂志

CSTPCDCSCD北大核心
影响因子：1.439
ISSN：1000-4890
年,卷(期)：2023.42(4)
  • 10