基于可见光图像与深度学习的毛竹年龄精准鉴别方法：一种光照鲁棒的表型分析新策略

本文提出了一种融合图像增强（如CLAHE）与深度学习模型（YOLO、SAM、ResNet-101）的可见光图像分析方法，通过校正自然光照波动对毛竹表型特征（竹秆颜色、箨环纹理）的影响，显著提升年龄鉴别准确率至88.6%（较基线提升10.5%），为竹资源智能化管理提供了关键技术支撑。

　　

亮点

基于表型特征的毛竹年龄识别原理

毛竹竹秆颜色和节间纹理受表面纤维素含量影响并随年龄变化。随着毛竹老化，其含水量逐渐下降，导致表面颜色变深，同时节间纹理变化更加明显。在实际生产管理中，普遍应用"留三砍四不留七"的原则。

研究区域概况

研究区域位于中国福建省永安市上坪乡毛竹森林管理区。该地区地理坐标为东经116°56′～117°47′，北纬25°33′～26°12′。该区域属亚热带季风气候，季节分明，雨量充沛。研究区竹材覆盖度高，生物量大，现有竹林面积7733.3公顷（hm²），如图7所示。

数据收集方案设计

为分析不同图像亮度的影响

毛竹图像亮度分析结果

如图10所示，数据集服从正态分布，最小亮度值为11，最大为167，均值为88.62，标准差为27.58。数据集被划分为三个区间：低亮度、正常亮度和高亮度，每个区间跨度两个标准差。区间端点经四舍五入；因此范围[11, 66)代表低亮度，[66, 121)代表正常亮度，[121, 167]代表高亮度。

如图11所示，

讨论

本研究证明，可见光成像结合深度卷积神经网络（CNN）和自适应图像增强，为毛竹年龄鉴别提供了一种有效且可扩展的方法。所提出的框架通过系统分析亮度波动对竹子表型的影响，并通过分层图像增强来缓解该影响，实现了高识别精度和在变化光照条件下的强鲁棒性。

激光方法（Cai

结论

基于不同年龄毛竹在可见光图像中的表型差异以及自然环境条件引起的亮度波动影响，本研究开发了一种融合图像增强、目标检测和深度学习分类的光照鲁棒年龄鉴别框架。主要结论如下：

• (1) 毛竹的表型特征，如竹秆颜色和箨环形态，表现出明显且可测量的