我校信息与电气工程学院许杰教授指导的2020级硕士研究生苏彤以第一作者，许杰教授为通讯作者拟于2023年5月在林业学科排名第一的期刊——《林业科学》（EI检索）发表题为“基于生成对抗网络的树种识别方法研究”的研究论文。
树种识别作为数字林业的一项重要研究内容，在传统图像识别中，图像分割、特征提取等预处理操作受主观因素影响较大；而在利用卷积神经网络模型进行图像自动识别时，往往因数据样本过少而产生过拟合现象，因此本文提出了一种将生成对抗网络与卷积神经网络联合的树种识别方法。选取10种常见树种叶片图像作为研究对象，首先，采用均值滤波去噪和尺寸归一化对图像做预处理操作；其次，利用生成对抗网络特性，建立残差条件深度卷积生成对抗网络模型对叶片图像数据集进行扩充（11320幅）；然后，与真实图像（1680幅）输入至卷积神经网络中进行训练，使用真实图像（500幅）对模型进行测试。最终，使用RestNet30模型对10种树叶图像的平均识别准确率达到了97.20%；相较于传统图像扩充方法，精确度提升了2.25%；在相同数据集下，AlexNet、VGG、RestNet18模型的识别准确率均低于本文识别模型。验证了利用生成对抗网络扩充图像的方法对提高树种识别模型能力的可行性和有效性，可为目前农业领域图像数据不足的现状提供借鉴意义。
混淆矩阵
本研究得到了国家自然科学基金（31170518）、黑龙江省科技攻关项目（GC01KC156）、黑龙江省教育规划课题（GJC1319071）的资助。