一种基于DASA-Net深度学习网络的点云树种识别方法

本发明提供一种基于DASA‑Net深度学习网络的点云树种识别方法，属于林业遥感监测技术领域。该方法提出基于差分注意力采样深度学习网络DASA‑Net，通过多层次特征优化突破现有技术局限：在采样阶段引入几何差异驱动的动态特征保留机制，解决密度不均导致的关键信息丢失问题；在特征提取阶段设计密度自适应的卷积模块，增强对枝干曲率、冠层凹凸结构等局部差异特征的建模能力；在特征聚合阶段开发分层特征回收策略，提升模型对树木整体形态与多尺度空间关系的全局表达能力。本发明方法在保持高召回率的同时实现更高的分类准确率，为智慧城市生态监测与绿化资源数字化管理提供可靠技术支撑。