[发明专利]一种基于单张照片的阔叶林树种识别方法

说明书

本发明公开了一种基于单张照片的阔叶林树种识别方法，包括以下步骤：S1收集不同种类树木的图像，建立树种图像数据集，并将数据集划分为训练集、验证集以及测试集；S2调整图像大小：将树种图像数据集中的每张图片都调整为尺寸相同的图像；S3设计一个卷积神经网络，用上述训练集图像进行网络的训练，并用测试集图像测试网络的准确率；S4选出准确率最高卷积神经网络模型构建一个阔叶林树种识别系统，通过输入一张树种图像进行识别，从而获得识别的结果。本发明的方法利用深度卷积神经网络可以自主学习树种特征，减少人工的干预，识别准确率更高；能够通过一张任意角度的阔叶林树种图像进行识别，简单灵活且实用。

技术领域

本发明涉及一种阔叶林树种识别方法，具体是涉及一种基于单张照片的阔叶林树种识别方法。

背景技术

阔叶林是我国经济林最大的组成部分，组成的树种种类繁多，其树种除了可生产木材外，还可用于生产油料、干果鲜品、工业原料、药材及其他副特产品等，在一定程度上驱动了中国经济的发展。所以加深对阔叶林树种的认识是很有必要的。但是，面对种类如此繁多的阔叶林树种，有经验的人尚不能做到准确的识别，更别说大部分人是没有这方面经验的。这时，基于单张照片的阔叶林树种识别方法的提出，在一定程度上减少了人工的参与，识别更加的方便快捷。

到目前为止，也有不少基于图像的树种识别方法被提出来。其中大多需要通过人工去筛选特征，然后再进行分类器的训练。这是一个十分费时费力的过程，不仅需要研究人员具备相当的经验，还需要进行大量的实验去验证。

现有技术中也有一些在树种特征选择上不需要人工干预，直接利用深度神经网络自主学习特征从而更新分类器。但其只能根据树种叶片图像进行识别，方法灵活性不高且实验样本获取不易。

郑一力，钟刚亮等人在《基于多特征降维的植物叶片识别方法》中提供了一种植物识别方法，该方法利用Hu不变矩、灰度共生矩阵、局部二值模式、Gabor滤波器等技术分别手动的提取植物叶片的形状、纹理特征，获得高维的特征参数，然后采用现有的降维技术对特征进行降维，最后再使用传统的机器学习分类方法对降维后的数据进行训练。这种方法是基于植物的叶片进行树种的识别，没法通过植物整体的图片进行识别，并且实现效率低，对特征进行提取和筛选还需要研究人员具备相当的经验。现有技术还提供了一种基于木材近红外光谱数据的树种识别方法，通过传统的机器学习算法对这些数据进行分类。但也存在不同树种近红外光谱数据难以获得和成本较高等弊端。

公布号为CN107239514A的发明专利提供了一种基于卷积神经网络的植物识别方法及系统，其中方法包括如下步骤：采集的植物图像，将植物图像中同类的植物进行分类并标记，得到植物数据库；将植物数据库中植物图像输入至卷积神经网络，对卷积神经网络进行训练得到特征匹配模型；接收待识别图像，利用特征匹配模型提取待识别图像的图像特征值，并计算图像特征值与植物数据库中植物的相似度，根据相似度判断待识别图像所属植物的分类。该方法中的卷积神经网络依次包括输入层、卷积操作层和输出层。该方法不用定义任何边缘或者轮廓；利用卷积神经网络避免了显式的特征取样，隐式地从训练数据中进行学习。这使得卷积神经网络明显有别于其他基于神经网络的分类器，通过结构重组和减少权值将特征提取功能融合进多层感知器。它可以直接处理灰度图片，能够直接用于处理基于图像的分类。但仍存在一定的缺陷，该方法网络层过少，模型不能学习到更抽象的包含更多语义信息的高层特征，且该方法只包含一层全连接层，只适于处理小规模数据集，植物数据一旦增多，模型容易出现欠拟合导致准确率下降。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种基于单张照片的阔叶林树种识别方法。该方法通过一张任意角度的阔叶林树种图像进行识别，简单灵活且实用；用于实验的图像数据集也比较容易获取；同时，大大提高了识别率。

技术方案：为实现上述目的，本发明的一种基于单张照片的阔叶林树种识别方法，包括以下步骤：