林业工程学报，２０２３，８（４）：１５９－１６６ＪｏｕｒｎａｌｏｆＦｏｒｅｓｔｒｙＥｎｇｉｎｅｅｒｉｎｇＤＯＩ：１０．１３３６０／ｊ．ｉｓｓｎ．２０９６－１３５９．２０２２１００１７收稿日期：２０２２－１０－１６修回日期：２０２３－０３－０５基金项目：浙江省自然科学基金联合基金（ＬＱＹ１８Ｃ１６０００２）；浙江省自然科学基金（ＬＱ２０Ｆ０２０００５）；浙江省“尖兵”计划择优委托项目（２０２２Ｃ０２００９）；国家自然科学基金（３２２７１８６９）。作者简介：郭阳光，男，研究方向为林业信息化。通信作者：夏凯，男，副教授。Ｅ⁃ｍａｉｌ：ｘｉａｋａｉ＠ｚａｆｕ．ｅｄｕ．ｃｎ基于无人机影像的山核桃单木检测及冠幅与树高的提取郭阳光，夏凯∗，杨垠辉，冯海林（浙江农林大学数学与计算机科学学院，浙江省林业智能监测与信息技术研究重点实验室，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３１１３００）摘要：针对经济林中树木的生长状况进行调查，有助于农户制定针对性的经营策略，提高经营效率。然而，由于山核桃树通常生长在山地环境下，使用传统的林业调查方法获取树木参数需要的人力资源和时间成本较高，而且在陡峭的山地环境中容易受到地形、植被和气象等因素的干扰。为了解决这一问题，提出了一种新的自动化方法———检测框投影法。该方法基于深度学习的目标检测算法对遥感图像中的树冠进行检测并生成检测框，再依据所得到的检测框获取树木位置和数量，并进一步提取单木的冠幅与树高等参数。在不同环境的山核桃种植林场进行的树冠检测实验结果表明，该方法使用的目标检测算法对山核桃树冠检测的总体平均精度和Ｆ１⁃ｓｃｏｒｅ分别达到了８５．５％与０．８４；参数提取方面，在两处不同的山核桃种植林场选取了３处研究样地，并在每处样地选取并实地测量了５０棵样本树木的冠幅和树高以验证参数提取精度，结果表明，使用检测框投影法预测冠幅与实测值的均方根误差、平均绝对误差和平均相对误差分别为０．４６９ｍ、０．３１３ｍ和５．７％，预测树高与实测值的均方根误差、平均绝对误差和平均相对误差分别为０．４２７ｍ、０．３３１ｍ和６．０％。提出的检测框投影法在山核桃林地环境下可以获得较为准确的树冠检测与参数提取结果，帮助农户制定更加合理和科学的经营策略，提高经营效率，同时也为林业生产的可持续发展提供了参考。关键词：山核桃；无人机影像；ＹＯＬＯｖ５；树冠检测...
