苗木库存统计作为苗木生产中重要的一部分,为苗木生产计划提供决策数据。目前苗木库存统计主要依靠人力完成,存在效率低和精度不稳定的问题,急需研发自动精确统计苗木库存的系统。本文以云杉作为研究对象,分别从云杉图像的获取、拼接、分割和计数这四个方面说明基于云杉可见光图像的计数方法,主要工作如下:1)选出并标注了470幅云杉航拍图像并利用SIFT算法实现了云杉图像拼接。本文分析了无人机的飞行高度与图像清晰度的关系,并据此制定了无人机飞行计划。采集了大量苗圃图像,制作了包含470个航拍图像的云杉语义分割标注和34484个切片计数标注,并用数据增强算法将训练集集扩充了4倍。为了解决无人机镜头视野范围有限的问题,通过提取云杉图像的SIFT特征,匹配特征点和融合图像实现了云杉图像的拼接。2)设计并实现基于Kmeans、SVM和FCN的三种云杉图像分割算法。本文提取了苗圃图像的RGB,HSV颜色特征以及三种LBP纹理特征,并据此分别实现了基于Kmeans和SVM的苗圃图像分割算法。通过分析和比较各种特征组合对算法的影响,选取出其中性能最好的分割模型。为了获得更高精度的分割模型,根据FCN的设计理念设计了三种FCN模型,其特征提取层分别构建于Alex Net,VGG16和VGG19。在特征提取层后继续搭建上采样和特征融合以获得完整的分割模型。最终VGG19-FCN模型在云杉语义分割测试中取得了0.75均交并比,远超基于SVM和Kmeans的分割模型。3)提出基于Hough圆检测、切片计数CNN和Mask RCNN的三种云杉计数算法。为了降低处理难度,对分割结果使用中值滤波、开运算和孔洞填充以增强图像。本文先利用Canny边缘检测和Hough变换实现了基于Hough圆检测的云杉计数算法,再利用连通区域提取和CNN实现了三种基于切片计数CNN的云杉计数算法。其中切片计数CNN的特征提取层分别构建于Alex Net,VGG16和VGG19。网络全连接层后的Softmax分类器被去除以适应计数任务。实验结果表明,Hough圆检测计数算法对于包含植株数量少的云杉图像计数精度较高,而在处理包含云杉数量较多的图片时效果较差。用VGG19构建的切片计数CNN在VGG19-FCN模型的分割结果基础上,可以实现比前者更高精度的云杉数量统计。为了实现更高精度的端到端计数模型,本文构建了以Res Net101-FPN为特征提取层的Mask RCNN云杉实例分割模型。通过搭建特征提取、区域候选、边框回归、分类和分割等网络结构实现了完整的实例分割模型,并用云杉数据集进行训练。在进行计数时,通过统计测试图片中的云杉实例数量获得计数结果。实验结果表明,该算法具有最高的计数精度,准确率为95%。经过本文研究可得VGG19-FCN分割模型具有较高的云杉图像分割精度,且对于户外条件下产生的干扰具有较强的鲁棒性;基于Mask RCNN的云杉计数算法在计数任务中具有极高的计数精度,且对于稠密云杉图像也能有效的识别,为苗木的数量统计问题提供了一种较为有效的解决方案。