日前，由理学院生物信息检测研究团队完成的“Multi-Species Individual Tree Segmentation and Identification Based on Improved Mask R-CNN and UAV Imagery in Mixed Forests”学术论文在《Remote Sensing》期刊（中科院期刊分区工程技术大类二区TOP期刊，影响因子为4.492）发表。生物物理学科研究生张冲为论文第一作者，物理电子系张立副教授为通讯作者。

　　论文基于Mask R-CNN网络模型，修改其特征融合方式和损失函数，提出一种新的实例分割网络Improved Mask R-CNN，并应用于北京市昌平区京悦生态林场的单木冠幅分割与识别。Improved Mask R-CNN将特征金字塔网的融合类型由上至下改为由下至上，缩短了不同层次间的特征获取路径，并在交叉熵损失函数Lmask中引入边界加权损失模块以细化目标损失。同时利用边缘分割算法从掩模mask中提取树冠轮廓、面积、重心等几何参数。整个研究区域树木株数预测值为50041棵，总体误差为5.11%。

　　基于无人机图像的多物种单树分割算法，利用改进的Mask R-CNN，在模型的修改中，优化后的FPN网络通过增强特征金字塔结构来存储准确的信号，缩短了训练时间，实现了更高效的多目标分割，可以准确地检测和提取各物种的轮廓、重心、冠层面积和数量。

　　研究团队的下一步计划是将该算法进一步压缩优化，将其算法验证后转为硬件设计语言并移植至FPGA电路系统中，最终实现对无人机林木遥感图像相关数据进行实时快速检测，从而将深度学习真正应用于林木资源大规模检测。

　　该项研究得到中央高校基本科研业务费专项资金、国家林业和草原局重大项目的资助。

　　研究论文链接：https://www.mdpi.com/2072-4292/14/4/874