公开(公告)号：CN110263735A

公开(公告)日：2019-09-20

申请号：CN201910553718.6

申请日：2019-06-25

Applicant: 北京林业大学

Inventor： 张晓丽 ,  赵霖 ,  张斌 ,  曹凯利 ,  吴艳双

IPC: G06K9/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开一种使用三维卷积神经网络对人工林高光谱数据进行树种分类的方法，适用于人工林树种分布信息的获取，属于机器学习在林业应用技术领域范畴，关键技术要点包括：1.取试验区影像数据，根据地面调查点完成样本数据集的构建；2.构建三维卷积神经网络，完成模型的训练；3.利用训练好的模型对影像进行预测，完成树种分布制图及精度评价。解决的关键性问题包括：1.少量样本即可完成模型训练，降低地面调查工作量；2.与传统高光谱分类方法相比，无需事先进行特征的提取、筛选，分类精度更高。该发明适用于高光谱数据树种分类，是首次将三维卷积神经网络应用于人工林树种分类的方法，成果可为森林资源调查及树种分布信息获取提供基础性数据依据。

公开(公告)号：CN112819066A

公开(公告)日：2021-05-18

申请号：CN202110120005.8

申请日：2021-01-28

Applicant: 北京林业大学

Inventor： 张晓丽 ,  曹凯利 ,  张斌

IPC: G06K9/62 ,  G06N20/00

Abstract: 本发明公开一种Res‑UNet单木树种分类技术，发明基于高空间分辨率CCD和LiDAR数据，采用改进的Rse‑UNet深度学习网络进行人工林单木树种分类，实现了复杂林分下的单木树种高精度高效分类，为森林资源调查及树种分布信息获取提供了新路径，适用于人工林单木树种分布信息的获取，属于机器学习在林业应用技术领域范畴，关键技术要点包括：1.构建改进的Rse‑UNet深度学习网络，结合实地调查和CCD影像构建分类样本数据集进行模型训练，并对影像进行预测，完成树种分布制图；2.使用机载LiDAR点云数据完成基于距离判别聚类算法单木树冠分割；3.将树种分类结果和单木树冠分割结果叠加，实现单木树种分类。