林业科学

作者：常乐1,杜晓晨1,2,冯海林1,2,3,*,李颜娥1,黄坚钦3

单位：1. 浙江农林大学数学与计算机科学学院　杭州 3113002. 林业感知技术与智能装备国家林业和草原局重点实验室　杭州 3113003. 省部共建亚热带森林培育国家重点实验室　杭州 311300

关键词：GC-U-Net,树干分割,胸径测量,智能手机

基金：国家自然科学基金项目(32471860)；浙江省“尖兵”“领雁”研发攻关计划项目(2022C02009)。

目的: 针对传统测量立木胸径过程中费时耗力、易受人为因素影响、设备价格昂贵等问题，提出一种基于智能手机和深度学习的立木胸径自动测量方法。方法: 首先，为达到低成本的立木胸径自动测量需求，采用智能手机获取立木单目RGB图像；然后，为精准提取立木轮廓，提出一种基于GC-U-Net模型的立木图像分割算法，在传统U-Net分割模型基础上，集成VGG16和CBAM增强模型对立木树干特征的识别能力；最后，基于摄影测量原理，构建立木胸径测量模型，利用分割后的树干图像快速准确地计算出立木胸径。结果: 相较传统U-Net模型，GC-U-Net模型的平均交并比（mIoU）提升4.38%，平均像素准确率（mPA）提升6.08%，召回率（Recall）提升4.85%；相比Deeplabv3+、PSPNet、SegNet分割模型，GC-U-Net模型可取得更好的树干分割结果，mIoU分别提升6.04%、6.52%、11.0%，mPA分别提升7.93%、7.36%、12.31%，Recall分别提升6.88%、7.83%、11.08%；树干直径测量平均相对误差仅2.37%，拟合度达0.91。结论: 与传统立木胸径测量方法相比，本研究方法仅通过智能手机获取立木单目图像即可自动获取胸径，全程无需昂贵的专业设备；图像采集过程中也不需要参照物，简化了现场测量的复杂性，提高了测量效率；同时，GC-U-Net模型还可确保立木胸径测量的准确度。

来源：2025年第4期

《林业科学》期刊编辑部

查看林业科学杂志2025年第4期