典型文献
LiDAR单木分割辅助的无人机影像CNN+EL树种识别
文献摘要：
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(CNN)和集成学习(EL)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、9.09个百分点,独立测试精度较随机森林分类最优结果高32.31个百分点.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.
文献关键词：
树种识别;无人机影像;无人机激光雷达;卷积神经网络;集成学习
中图分类号：
作者姓名：
徐志扬;陈巧;陈永富
作者机构：
中国林业科学研究院资源信息研究所,北京100091;国家林业和草原局华东调查规划院,杭州310019;国家林业和草原局林业遥感与信息技术重点实验室,北京100091
文献出处：
引用格式：
[1]徐志扬;陈巧;陈永富-.LiDAR单木分割辅助的无人机影像CNN+EL树种识别)[J].农业机械学报,2022(03):197-205
A类：
CNN+EL
B类：
LiDAR,单木分割,无人机影像,树种识别,可见光图像,集成学习,无人机激光雷达,雷达数据,可见光影像,影像数据,树冠,ResNet50,有效通道注意力机制,膨胀卷积,整卷,卷积模块,层数,ImageNet,预训练,初始化,集训,练出,分类模型,相对多数投票,投票法,集成模型,总体精度,测试精度,百分点,随机森林分类,下利,学习策略,分提,无人机图像,图像特征,征用
AB值：
0.293827
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
