La distinción efectiva entre la estructura de la madera y las partes foliares de los árboles es una base importante para estimar con precisión sus parámetros estructurales clave y para la inversión precisa de la biomasa. El LiDAR proporciona un nuevo soporte técnico para la estimación no destructiva de los parámetros estructurales del árbol y la biomasa aérea. Sin embargo, los algoritmos actuales de segmentación de componentes individuales de árboles tienen una capacidad limitada de generalización para diferentes especies y una capacidad insuficiente para segmentar ramas pequeñas. Por lo tanto, este artículo construyó un conjunto de datos de segmentación de componentes individuales a gran escala que contiene 713 árboles con una gran diversidad de especies, e introdujo la red de aprendizaje profundo de alto rendimiento Point Transformer-V3 para obtener resultados de segmentación confiables. Además, mediante la construcción de características geométricas a priori de los nubes de puntos individuales del árbol (indicadores de diferencia significativa, indicadores de componentes principales e indicadores de verticalidad), se optimizó el rendimiento de segmentación de la red profunda en los nubes de puntos individuales y se comparó con varios algoritmos de aprendizaje profundo actuales. Los resultados del estudio muestran que la red Point Transformer-V3 que incorpora las características geométricas a priori logró OA, mAcc y mIoU de 0.946, 0.872 y 0.806 respectivamente en la segmentación de componentes individuales de múltiples especies; incluso las ramas finas dentro de la corona también lograron cierta extracción, y mostró alta aplicabilidad en diferentes especies con grandes diferencias en la estructura geométrica. Finalmente, los experimentos de ablación verificaron que la introducción de las características geométricas a priori durante el entrenamiento puede promover bien el efecto de segmentación de la red. Por lo tanto, el método construido en este documento puede promover aún más la aplicación del aprendizaje profundo en la segmentación de componentes individuales de árboles y proporcionar soporte técnico para la estimación precisa de parámetros estructurales de los árboles.

Componentes individuales de árboles;Nube de puntos LiDAR;Segmentación semántica;Características geométricas a priori;Aprendizaje profundo;Separación de madera y hojas;Extracción de ramas;Mecanismo de atención secuencial