關(guān)鍵詞：無人機(jī) 深度學(xué)習(xí) 樹種識(shí)別 光學(xué)影像 

摘要：利用無人機(jī)航拍獲得光學(xué)影像數(shù)據(jù),結(jié)合深度學(xué)習(xí)理論,建立樹種識(shí)別模型,以期為大規(guī)模樹種識(shí)別提供一種新的方式。首先以福建安溪縣為例,采用無人機(jī)獲取20 m及40 m高度的航拍影像。其次,以樹種為對象,對航拍影像進(jìn)行分割,獲得12種樹種影像。最后,結(jié)合深度學(xué)習(xí)理論,采用DenseNet卷積神經(jīng)網(wǎng)絡(luò)建立樹種識(shí)別模型,探討不同航拍高度以及不同網(wǎng)絡(luò)深度對樹種識(shí)別的影響。結(jié)果表明:不同航拍高度的樹種識(shí)別模型,其分類精度均達(dá)80%以上,最高精度為87.54%。從航拍影像解析度分析,隨著航拍影像解析度的下降,模型識(shí)別精度呈現(xiàn)下降趨勢,以20 m航拍影像數(shù)據(jù)建構(gòu)的樹種識(shí)別模型,其分類精度高于40 m模型;從模型網(wǎng)絡(luò)深度分析,隨著模型網(wǎng)絡(luò)層數(shù)的增加,模型分類精度出現(xiàn)下降現(xiàn)象,DenseNet121模型分類精度高于DenseNet169模型分類精度。綜上所述,基于無人機(jī)航拍影像,結(jié)合深度卷積神經(jīng)網(wǎng)絡(luò),提出了新的樹種識(shí)別方式,并以安溪縣森林樹種識(shí)別為例證明了該分類框架的有效性。

遙感技術(shù)與應(yīng)用雜志要求:

{1}來稿如獲得某種研究基金或課題資助，請?jiān)谡撐氖醉撟笙陆亲⒚髡n題的名稱和編號。

{2}本刊堅(jiān)決反對任何形式的論文署名“搭便車”現(xiàn)象，對多作者署名的文章將進(jìn)行更為嚴(yán)格的審核。

{3}文題應(yīng)以新穎獨(dú)特的邏輯文字組合準(zhǔn)確地反映研究工作的內(nèi)容實(shí)質(zhì)和特點(diǎn),文題要求簡潔而信息量豐富。

{4}來稿在正文之外，請?zhí)峁╊}名、內(nèi)容摘要  (300-500字)、關(guān)鍵詞  (3-5條)及其英譯

{5}文稿首頁頁腳處注明投稿日期和通信作者簡介（包括姓名、出生年、性別、職稱、學(xué)位、研究方向、E-mail）。

注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社