近年来,随着计算机视觉技术的飞速发展,深度学习使得许多领域都产生了巨大的变革,它在语音识别,自然语言处理,计算机视觉,图像和视频分析,多媒体等领域的应用都取得了巨大的成功。深度学习在基于图像的基础上,通过树木图像识别在树种鉴定,保护树种多样性,加强农林信息化管理等方面有着重要的意义。对不同设备在自然光照下拍摄的树干图像进行处理分析,成为了树木识别的主要研究课题之一,这也是本文研究的主要内容。为实现算法对不同来源树干图像识别的准确性和鲁棒性,本文分别使用多种智能移动设备采集树干图像,完成数据集的构建,并对树干图像进行必要的预处理操作,包括颜色校正和树干图像分割,最后对预处理后的树干图像进行分类识别及树干直径计算。本文主要研究工作如下:树干图像分割:分为颜色校正和树干图像提取两部分。首先分析了现有的几种颜色校正方法,针对树干图像的颜色分布情况,选取了一种基于RGB色彩空间的树干图像校正方法。其次根据树干图像的特点,在使用深度学习算法的基础上,通过全卷积神经网络算法用于树干分割,并设计一种基于形态学的优化算法对分割结果做进一步处理,致力于实现鲁棒的树干分割。树干图像识别:首先对树干图像进行分析,分析树干图像的分类问题,针对该问题引入卷积神经网络进行特征分类,并以深度学习为主要思路对网络进行设计,在此基础上,为了进一部提高系统的性能,在网络的训练过程中调整了一些参数。实验基于深度学习的树干图像识别表明,损失函数联合训练的方法在保证算法预测时间不变的同时,可以进一步提高识别精度。树径计算:将分割后的树干图像利用边缘检测算子得到树干的轮廓,再根据比例因子和小孔成像原理,结合传感器测量的相关参数计算树干直径。通过树干直径可以分析林木的大概树龄。在完成颜色校正、树干提取、树径计算、树干识别的基础上,本文基于web端开发图像检测平台,基于轻量级的识别模型进行系统设计和实现,采用前后端分离的方式设计网页端的图像分割、识别及测径系统。