大量文献与历史记录显示，在进行树种鉴定时，传统杨树种识别方法成本高，操作繁琐，偶然性错误率较高。基于数据库与深度学习算法，利用百度EasydlAI开发平台，旨在建成针对杨树不同性状的图片进行识别北京林业大学校内杨树种的高准确率在线辅助识别系统。
团队全体成员学习树木学知识，采集图像，并由信息学院成员开展服务器搭建，Easydl图像识别模型构建学习，SQL数据库学习，navicat数据表呈现与Web前端界面设计。
在项目中期，团队成员会在指导下进行下第二轮图像补充采集，进行数据对接，算法训练，初代系统开发与测试，前端界面优化，撰写模型训练评估报告并开始进行服务器搭建。其中，模型训练主要经历图像预处理，EasyData数据库录入，数据库图像标注和调用数据库进行模型训练。
为避免传统图像识别精度差，泛化能力弱，区分相似度极高的同属杨树效果较差的缺陷，团队采取精度高、泛化能力比较强的深度学习模型做识别，尽可能提高数据量并且运用云服务器进行训练，可以避开深度学习成本高，数据要求严格的缺点，大幅度提高识别效果。
结项阶段，团队组织进行最后一次数据补充，用加强后的图像数据进行二次算法模型的构建以提高识别准确率，进行服务器测试，完善界面设计，撰写项目报告书。
团队目前已经得到了杨树种性状图像的初期模型。Easydl评估结果显示，初期模型的识别准确率已经达到了79.16%.团队开始进行性状图像的三次分类与数据录入工作。
以基于深度学习的图像识别技术，结合杨树性状图像，这个项目本身能够很好地突出林业信息化主题。虽然项目本身难度大，可供参考的相似项目很少，开发难度极大，但是小组成员配合默契，积极反思，各项工作都得以顺利开展。我们将不断深入到实践中，检验自己的知识，提高自己的能力，为今后更好地服务于社会和科研工作打好基础，展现北林信息人的风采。
http://www.dxsbao.com/shijian/410289.html 点此复制本页地址
