王月，金映谷，李阳，杨亚宁

（1.大连民族大学信息与通信工程学院，大连116605；2.大连民族大学机电工程学院，大连116605）

0 引言

森林资源匮乏日趋严重，对树木进行准确分类识别是保护树木资源及研究树种多样性的基础，在加强生态文明建设方面具有重要意义。但是在识别树木种类过程中由于不同树种的特征信息较多，通过人工提取特征信息的方式效率低且很难提取关键信息。识别的树木在不同季节也会呈现差异性，增大树种识别难度，影响树种识别准确性。

随着图像处理技术的快速发展，国内外科研工作者在识别树种问题上已进行了许多研究。例如，李可心等人［1］通过使用灰度共生矩阵提取树皮纹理特征，利用数据特征统计分析进一步选取特征值，应用SOM神经网络对树皮图像进行特征参数识别，识别精度83.33%。扈华等人［2］首先利用SAS方法得到描述木片和树皮纹理的最佳参数，随后将最优参数计算获得的数据用作样本数据，调用SAS中LOGISTIC过程得出预测方程，再将该方程用于逻辑回归模型，最后利用该模型实现木片和树皮的图像识别，正确率达到97.4%。Carpentier等人［3］公开了一组数据集，并使用ResNet网络对其进行树种识别，单科植物识别准确率达93.88%；结合多数投票法，单科植物识别准确率可达97.81%。M.Robert等人［4］提出了DeepBark和SqueezeBark局部描述符结合神经网络来识别树木表面，其中DeepBark方法具有明显优势可达87.2%的mAP。以上研究取得了较好的分类识别成果，但在检测准确度方面仍有待提高。

为进一步提高树皮图像识别的准确度，本文提出基于GoogLeNet的树皮识别方法，在对数据集进行预处理后，设置树皮图像识别模型各参数，训练树皮模型分类器，通过训练结果完成对树皮种类的识别并标注树木类型。……