目录
1 问题背景 3
2 问题分析 3
3 数据集获取及标注 4
4 特征工程 5
5 模型选取与训练 8
6 模型拟合 9
7 下一步工作 9
8 实验总结 10
1 问题背景
当前国内的林业保护工作，主要以人工进行为主。通过森林巡护监察人员对林区树木进行肉眼观察等传统的检查，来登记可疑病死木、枯死木。检查周期长且耗费人力物力。急需一种智能化的检测手段来降低这种人力物力的损耗。
同时，由于对树木的检查主要是以肉眼观察为主，有一些树木生长过程中的病症难以在初期得到很好地排查（例如维束管病症，患病树木往往只有部分枝条枯萎而其他枝条发育正常），为树木之后的健康生长埋下了隐患。需要智能化自动化程度高的病症检测方案来降低人工病症检测的失误率提高准确率。为林业健康发展保驾护航。
国内目前针对树叶枯竭量化的研究尚少，针对本课题的研究可以为推动相关工作的发展。
2 问题分析
2.1 原理介绍
机器学习模型是图像识别分类的主要研究方法之一，本文将其应用于树叶枯竭情况的量化研究。所使用方法主要包括图像预处理、RGB特征提取、决策树回归等。
2.2 图像预处理
为了去除原始数据集中的图像中的无用噪声等信息，增加感兴趣区域的信息密度，提高特征提取的质量，我们需要对原始图像库进行预处理。本方法做的工作主要有最大轮廓矩阵获取、超绿色法处理与OTSU二值化。具体效果如图1所示。
2.3 特征选取
根据对题目的研判，考虑到常绿落叶阔叶林树木的枯竭程度应主要从两个方面进行判断，一是树木的颜色，二是树木枝干是否茂密。因此树木枯竭程度的主要特征为树叶新鲜程度和树叶稀疏程度。
