888am电子游戏集团|官方网站(welcome)

888am电子游戏集团
  您现在的位置>> 新闻首页>> 教学科研

理学院生物信息检测研究团队发表基于无人机图像和深度学习技术的林木冠幅分割及识别研究成果

  日前,由理学院生物信息检测研究团队完成的“Multi-Species Individual Tree Segmentation and Identification Based on Improved Mask R-CNN and UAV Imagery in Mixed Forests”学术论文在《Remote Sensing》期刊(中科院期刊分区工程技术大类二区TOP期刊,影响因子为4.492)发表。生物物理学科研究生张冲为论文第一作者,物理电子系张立副教授为通讯作者。

 

  

  论文基于Mask R-CNN网络模型,修改其特征融合方式和损失函数,提出一种新的实例分割网络Improved Mask R-CNN,并应用于北京市昌平区京悦生态林场的单木冠幅分割与识别。Improved Mask R-CNN将特征金字塔网的融合类型由上至下改为由下至上,缩短了不同层次间的特征获取路径,并在交叉熵损失函数Lmask中引入边界加权损失模块以细化目标损失。同时利用边缘分割算法从掩模mask中提取树冠轮廓、面积、重心等几何参数。整个研究区域树木株数预测值为50041棵,总体误差为5.11%。

  

  基于无人机图像的多物种单树分割算法,利用改进的Mask R-CNN,在模型的修改中,优化后的FPN网络通过增强特征金字塔结构来存储准确的信号,缩短了训练时间,实现了更高效的多目标分割,可以准确地检测和提取各物种的轮廓、重心、冠层面积和数量。

  

  研究团队的下一步计划是将该算法进一步压缩优化,将其算法验证后转为硬件设计语言并移植至FPGA电路系统中,最终实现对无人机林木遥感图像相关数据进行实时快速检测,从而将深度学习真正应用于林木资源大规模检测。

  

  该项研究得到中央高校基本科研业务费专项资金、国家林业和草原局重大项目的资助。

  

  研究论文链接:https://www.mdpi.com/2072-4292/14/4/874

 

作者:张冲、张立;审稿:田阳      |     编辑:孙震; 审核:杨金融