芬兰地理空间研究所——基于无人机图像的深度神经网络在树皮甲虫诱导云杉损伤分类中的比较 | MDPI Remote Sensing

本文由芬兰地理空间研究所的Eija Honkavaara教授及其团队发表于Remote Sensing期刊，研究了基于无人机系统（UAS）获取的RGB、多光谱（MS）和高光谱（HS）图像，通过深度神经网络（DNNs）对受树皮甲虫侵害的云杉树进行健康状态分类。研究结果表明，MS和HS图像在树木健康分类任务中的表现优于RGB图像，特别是2D-3D-CNN模型在HS图像上的表现最佳，F1分数达到0.742。数据增强技术显著提升了模型性能，尤其在处理复杂网络时。此外，集成YOLO目标检测器的分类器进一步提高了检测和分类的准确性。该研究为森林健康管理提供了新思路，有助于开发对抗树皮甲虫疫情的新策略。