罗仙仙，许松芽，严洪，肖美龙，陈正超

(1.泉州师范学院 数学与计算机科学学院，福建 泉州 362000；2.福建省大数据管理新技术与知识工程重点实验室，福建 泉州 362000；3.泉州师范学院教育科学学院，福建 泉州 362000；4.福建省林业调查规划院，福建 福州 350000；5.泉州市林业局森林资源管理站，福建 泉州 362000；6.中国科学院空天信息创新研究院，北京 100094)

随着“数字林业”不断推进，遥感用于森林资源调查与监测取得丰硕成果.航空遥感和卫星遥感运行高度高，云雾天气影响树种识别的遥感数据获取与识别精度.因此，提高树种识别精度是国际性关注的学术问题.解决这一问题突破口在于[1-2]：一是获取好的遥感数据源，二是采取好的数据处理方法，包括遥感图像预处理与选择合适的分类方法.

无人机(unmanned aerial vehicle，UAV)作为一种低空遥感工具，具有全天候、高分辨率、实时性、操作灵活、拍摄时间自由、飞行成本低等优点[3-4]，与传统遥感相比，无人机低空航拍受天气影响小，作业方式灵活；平台建设与后期维护成本低；飞行高度较低，获取的影像比例尺大、精度高、重叠率高，提高了后期处理影像的可靠性，这为林业遥感研究提供了新的技术手段.然而，传统人工目视解译方法和遥感图像处理方法，并不能地对无人机遥感图像进行自动识别，而且精度难以保证.深度学习是人工智能研究的一个重要分支，于2006年由多伦多大学Hinton教授提出[5]，是一种有效的特征提取及分类方法.其在计算机视觉领域快速发展，并……