张宇棠，谢晓春

（赣南师范大学物理与电子信息学院，江西赣州 341000）

0 引言

江西省赣南地区是全国最大的脐橙主产区，种植面积世界第一。在实际的果林监管规划工作中仍停留在传统的人工实地统计，其过程费时、耗力、周期长、成本高，果林智能产业化信息化建设明显滞后，严重阻滞了果林业的快速发展。遥感数据具有范围广、成本低、可满足实时监测果林分布等优点，对果林的单木检测能够高效统计种植面积，定位每一株单木在谷歌地图上的实际地理坐标，帮助政府及农场主更加精细化的管理果林种植，为管理者提供有效的决策依据。在果林目标检测过程中存在的难点主要包括目标之间的遮挡与覆盖问题，不同自然条件下的成像光谱问题等。

Shafri等[1]提出通过光谱分析、纹理分析、边缘增强、图像分割、形态分析等多个环节，对油棕榈树提取计数，这种模板匹配的方法不适用于果园树种中存在多个树冠重叠密集的情况。林怡等[2]通过对林场的LiDAR点云数据进行分析处理，结合K近邻算法、圆回归、聚类等进行单木提取。Puliti等[3]使用机器学习的方法搭载无人机直接检测树桩并通过图像分割检测出树桩是否腐烂；李东洋等[4]通过激光点云数据获取地面树木分布情况，结合形态学冠层控制的分水岭方法进行单木提取，最终结果一般。甄贞等[5]通过标记控制区域生长法对LiDAR数据进行单木树冠提取，LiDAR对树木的垂直结构有很强的获取能力，针对垂直高度差异大、树种间差异明显的森林树种有较好的检测效果，但不同果园的管理需求不同，对树木的裁剪情况不同，导致树高的不确定性，很难通过这种方法获得一个良好的检测效果。……