2024/8/13 ，由挪威生物经济研究所、森林和森林资源部门、国家森林清查 联合发布 基于FOR-species20K数据集，基于近感激光扫描数据对树种分类的深度学习模型进行基准测试。
一、目前遇到困难与挑战
描述：挑战包括缺乏大型、多样化、公开可用的单棵树点云标注数据集，以用于训练深度学习模型，这影响了分类模型的鲁棒性，并阻碍了树种分类最佳实践的建立。
1、没有额外地面数据的情况下，自动识别种树仍然是一个挑战。
2、由于缺乏大规模、多样化、公开可用的单棵树点云标注数据集，深度学习模型的稳健性受到影响。
3、由于数据集的限制，很难建立有效的树种分类标准 和实践。
FOR-species20k 基准数据集： 是使用近距离感应激光扫描数据进行DL模型开发和基准测试的重要资产，用于单树种分类，它为使用激光扫描技术在各种尺度上准确分类和绘制树种的未来努力提供了关键基础。
数据集地址：FOR-species20K|森林监测数据集|深度学习数据集
二、让我们来看一下这个数据集：
FOR-species20K数据集：
包括在欧洲主要森林收集的数据，涵盖地中海、温带和北极生物地理区域，并包括来自其他大陆的零散树木数据，总共超过20,000棵树，涵盖33个物种，覆盖了广泛的树大小和形态范围。
这些数据通过多个扫描技术采集：
地面激光扫描(TLS)、移动激光扫描(MLS) 和无人机激光扫描(ULS)在多个欧洲森林中采集，增加了数据的多样性和覆盖范围。
对七个领先的DL模型进行了单树种分类的基准测试：
测试的模型 - 基于点云的方法
PointNet++, MinkNet, MLP-Mixer, DGCNNs
测试模型-基于多视图图像的方法
SimpleView, DetailView, YOLOv5
三、让我们一起展望数据集的应用场景
场景一：我是国家森林管理员
就说咱们森林里那片橡树林吧。以前要是橡树生病了，咱们可能得等叶子掉得差不多了才发现。
现在呢，通过FOR-species20K数据集训练的智能系统，系统一分析，直接告诉我们哪些橡树不对劲，咱们立马就能去处理。这样一来，不仅橡树保住了，森林的生态也得到了保护，咱们的工作也变得轻松多了。这就是科技的力量，让咱们的工作更智能，更有效率。
场景二：我是城市的规划师
我手里有个大项目--要升级改造市中心的一个老旧公园。
你看那个老公园，树木多的跟迷宫似的，我要先知道它们都是啥品种，健康状况怎么样，要不然我怎么设计呢。
现在我们通过FOR-species20K数据集训练的智能系统，无人机一飞，什么信息都有了。这样一来，设计起来有的放矢 。 这个系统还能持续监控，保证公园的绿化一直都是棒棒的。
