基于叶片综合特征的阔叶树机器识别研究的中期报告.docx

基于叶片综合特征的阔叶树机器识别研究的中期报告
近年来，随着阔叶树种资源的逐渐减少和国家森林资源保护政策的出台，在林业管理领域中对阔叶树机器识别技术的研究受到了普遍的重视。本项目旨在基于叶片综合特征进行阔叶树种机器识别研究。
本阶段主要完成了数据集的收集和预处理、特征提取与选择、分类模型的构建和优化等工作。
首先，我们收集了包括杉木、柚木、樟子松等22种主要阔叶树种的叶片数据集。对于每个阔叶树种，我们采集了至少100张叶片图像，并通过图像分割、形态学操作等预处理方法对图像进行了处理，使得叶片轮廓可以比较准确地提取出来。
接着，我们选择了8种常用的叶片特征进行提取，分别为：条纹均匀性、叶片长度、叶片宽度、比例矩、中心矩、离心率、对称性、纹理特征。通过对不同阔叶树种叶片图像的处理和特征提取，建立了约2,000个样本的特征数据库。
然后，我们采用了多分类器模型来进行分类。具体地，我们采用了随机森林、支持向量机和深度神经网络等三种模型进行分类，最后通过模型融合的方法得到最终分类结果。在分类结果中，我们使用了三种评价指标：准确率、召回率和F1值。
最后，通过对分类模型的优化和调整，我们获得了比较理想的分类结果。其中随机森林模型的准确率最高，达到了97.3%。接下来，我们将进一步构建更加精确、高效的阔叶树机器识别模型，并将其应用到实际生产环境中。