Klasifikace dřevin pomocí metod strojového a hlubokého učení v obrazových datech pořízených bezpilotním leteckým systémem

Bc. Petr Strejček

Master's thesis

Classification of tree species using machine and deep learning methods in image data acquired by an unmanned aerial system

Abstract:

Tato diplomová práce se zabývá klasifikací dřevin s využitím moderních metod strojového a hlubokého učení aplikovaných na obrazová data získaná pomocí bezpilotních leteckých systémů (dronů). Cílem práce je demonstrace schopnosti těchto metod přesně identifikovat a klasifikovat různé druhy stromů, jako jsou borovice, smrky, duby, buky, suché dřevo a modříny, což představuje významný přínos pro oblast lesního hospodářství a monitorování životního prostředí. Práce se zaměřuje na využití algoritmů DeepForest a Detectree2 pro delineaci korun stromů, které umožňují efektivní segmentaci a detekci stromů v komplexních leteckých snímcích. Následně je prováděna klasifikace získaných dat s využitím algoritmu Deep Forest v prostředí ArcGIS Pro, což umožňuje detailní prostorovou analýzu a vizualizaci rozložení jednotlivých druhů dřevin. V poslední části je představena práce s algoritmem YOLO (You Only Look Once), jehož účelem je trénování modelu pro specifickou detekci a klasifikaci vybraných druhů stromů z obrazových dat. Výsledky práce ukazují přesnost a efektivitu navrhovaných metodických postupů a přispívají k lepšímu porozumění možnostem automatizované klasifikace dřevin v digitálních leteckých snímcích. Tato studie tak otevírá dveře pro další výzkum v oblasti automatizace inventarizace lesa a poskytuje pevný základ pro využití strojového a hlubokého učení v praktických aplikacích v lesnictví.

Abstract:

This thesis deals with the classification of tree species using modern methods of maunmannchine and deep learning applied to image data obtained using ed aerial systems (drones). The aim of the thesis is to demonstrate the ability of these methods to accurately identify and classify different tree species such as pine, spruce, oak, beech, dry wood and larch, which represents a significant contribution to the field of forest management and environmental monitoring. The thesis focuses on the use of DeepForest and Detectree2 algorithms for tree crown delineation, which allow efficient segmentation and detection of trees in complex aerial images. Subsequently, the classification of the obtained data is performed using Deep Forest algorithm in the ArcGIS Pro environment, which allows detailed spatial analysis and visualization of the distribution of individual tree species. In the last part, the work with YOLO (You Only Look Once) algorithm is presented, the purpose of which is to train a model for specific detection and classification of selected tree species from image data. The results of the work show the accuracy and effectiveness of the proposed methodological procedures and contribute to a better understanding of the possibilities of automated classification of tree species in digital aerial images. This study thus opens the door for further research in the field of automation of forest inventory and provides a solid basis for the use of machine and deep learning in practical applications in forestry

Keywords

Třída, ArcGIS, Random Forest, YOLO, DeepForest, Detectree2

Keywords

Class, YOLO, Detectree2, Random Forest, ArcGIS, DeepForest

Language used: Czech

Date on which the thesis was submitted / produced: 17. 4. 2024

Thesis defence

• Date of defence: 4. 6. 2024
• Supervisor: Ing. Zdeněk Patočka, Ph.D.
• Reader: Peter Surový, externi

Mendel University in Brno

Faculty of Forestry and Wood Technology

Master programme / specializace:
Forest Engineering / Forest Engineering