近日，信息學院（人工智能學院）許福教授團隊在樹木年輪智能測量方面取得進展，研究成果“A Framework for Measuring Tree Rings Based on Panchromatic Images and Deep Learning”在植物領域的中國科學院一區TOP期刊《Plant, Cell & Environment》上發表。
樹木年輪分析是指通過研究木質部橫截面上的同心圓結構來重建歷史氣候變化和生態系統演變過程的方法，對于理解長期環境變化和生態系統動態具有重要意義。隨著氣候變化研究的深入，獲取長時間序列的氣候代用資料變得越來越重要，而樹木年輪作為一種天然的記錄器，能夠提供高分辨率的歷史氣候信息。然而，由于樹木年輪形態、結構和顏色的多樣性及復雜性，傳統的手工分析方法往往耗時費力且容易受到主觀因素的影響。因此，開發自動化的樹木年輪智能識別和測量技術，以提高分析的效率和準確性，成為了這一領域具有挑戰性的研究問題。
傳統的樹木年輪測量方法主要依賴于機械輔助、光學和微電子技術，通過直接測量年輪邊界間距離來計數和分析年輪。這些方法包括利用劃線裝置和測量尺的機械輔助測量、基于顯微鏡和數碼相機的光學測量，以及利用掃描儀和計算機軟件的微電子測量。然而，由于樹木年輪形態、結構和顏色的多樣性及復雜性，這些方法往往耗時費力且容易受到主觀因素影響。X射線計算機斷層掃描技術雖然能夠實現樹木年輪結構信息的精確建模，但其資源密集型特性限制了廣泛應用。隨著機器學習技術的發展，基于深度學習的樹木年輪分析方法逐漸興起。這些方法通過學習和解釋復雜的年輪模式，克服了傳統方法的局限性。例如，利用Mask-RCNN架構檢測年輪和計算生長率，以及應用U-Net卷積網絡自動檢測年輪邊界，都顯著提高了分析效率和準確性。然而，僅依靠算法無法完全解決樹木年輪分析中的所有挑戰，還需要硬件技術的支持。
針對上述問題，許福教授團隊結合了深度學習算法和改進后的圖像采集技術，設計了包含軟硬一體化的新型樹木年輪自動測量框架。通過使用全色傳感器獲取高分辨率、高動態范圍的年輪圖像，并應用多層卷積神經網絡進行圖像增強和分割，這種方法能夠適應復雜的年輪圖像特征，實現高效準確的自動化分析，不僅提高了測量的效率和準確性，還為野外調查提供了經濟實用的解決方案。
圖 1 樹木年輪自動測量框架工作流程圖
北京林業大學信息學院（人工智能學院）的2022級博士生王升和2023級碩士生趙超越為論文共同第一作者，通訊作者為許福教授和牟超老師，該研究受到國家重點研發計劃項目（2022YFF1302700）、國家林草局揭榜掛帥項目（202303）、中央高校優秀青年團隊項目（QNTD202308）的資助。
論文鏈接：https://onlinelibrary.wiley.com/doi/10.1111/pce.15091
