第二届中国林草计算机应用大会分会场四：“人工智能技术”采用线上方式召开，来自全国各单位的670余人观看交流。分会场由东北林业大学景维鹏教授、南京林业大学业巧林教授主持，包括6个特邀报告和4个专题报告。经大会评选，中南林业科技大学马开森、南京林业大学沈婉莹的报告被评选为优秀报告。
会议详细梳理了人工智能技术在林草各个领域的应用场景和研究现状，包括深度学习技术在飞行器遥感图像中检测与识别应用、多源空-谱图像融合最新应用、森林火焰的识别所面临的困难和提高森林火焰的识别精度的方法、基于深度学习的种植区分割与变化检测、利用边缘计算设备进行提取纹理并将纹理作为唯一的识别码完成追溯等，既有深度学习的模型理论和方法深度分析，又有面向遥感技术的人工智能模型挑战，在森林火灾、区块链溯源、单木分割等方面的应用为人工智能技术进一步落地提供很好的解决思路。会议认为随着人工智能理论的不断发展，深度学习模型将进一步应用在林草信息化的各个领域，成为林业智慧化重要组成部分。
特邀报告
《深度学习与遥感图像智能分析应用》国防科技大学窦勇教授介绍了深度学习技术的相关原理与方法，结合遥感图像分析的具体应用介绍深度学习技术在飞行器遥感图像中检测与识别应用、大尺度河流检测与定位应用，总结了智能技术发展的脉络和未来发展。
《智能学习与优化及其交叉应用》中南大学王勇教授提出了实际工程领域中的很多问题可以建模为优化问题，介绍了进化算法这一著名智能优化算法求解单目标约束优化问题、多目标约束优化问题方面的研究成果。
《多源空-谱遥感融合：变分到深度学习》南京理工大学肖亮教授介绍了多源空谱遥感融合需求，从反问题建模与重建机理出发，阐述了双路数据保真约束的变分正则化融合方法，分析了物理驱动优化模型的核心是有效挖掘异源遥感数据中的互补信息，提高了目标探测与识别能力。同时，对深度先验证则的多源空谱图像融合的实验结果进行了展示分析。
《基于深度学习的林火图像识别及其检测系统研发》南京林业大学刘云飞教授分析了现阶段森林火焰的识别所面临的困难和存在的两个主要问题漏检与误检，将两个弱监督模型Yolov5和EfficientDet集成起来，形成全面的强监督模型，有效改善漏检问题，借助无人机搭载该系统，定期在林区巡检，并将检测结果实时发送回终端。
《基于深度学习的种植区分割与变化检测》西北农林科技大学张宏鸣教授介绍了目标分割和变化检测的重要性，利用深度学习能够自动提取图像特征的优势，根据遥感影像特点改进语义分割模型U-Net的结构，融合空洞卷积，减少下采样次数，扩大卷积核感受野，提高对边缘和不同尺寸地物的识别能力。融入注意力机制，提高了模型提取影像纹理特征的能力，让模型更好的适应分割任务，获得良好的分割结果，并完成变化检测。
《基于区块链+人工智能的可信普洱茶溯源》西南林业大学梁志宏研究员利用普洱茶的压茶纹理特征，采用纹理识别技术，通过自主研发的边缘计算设备进行提取纹理并将纹理作为唯一的识别码，运行区块链技术，将普洱茶从生产到销售的各个环节链起来进行信息溯源。
专题报告
《3D法向量与深度学习结合的地面激光雷达单木分割方法研究》中南林业科技大学马开森博士提出基于3D法向量和深度学习技术的激光雷达单木分割技术，对树木进行点云简化与空间分割，使用最小点间距法进行3D法向量特征提取，建立深度学习模型，最后进行凸包组合进行结果分析。
《基于深度学习的茶树叶枯病图像检测方法》南京林业大学沈婉莹硕士介绍了基于深度学习的茶树叶枯病的图像检测步骤，使用无人机进行图像采集，对采集到的图形进行预处理，建立的模型进行训练，经过多次的堆叠卷积操作，进行模型的评价。
《基于深度学习的油茶树叶种类识别》中南林业科技大学尹显明硕士分享了基于深度学习的油茶树叶种类识别的实现过程，对图片信息进行预处理之后，对数据集进行划分、训练、验证，模型进行检验判断是否可行，方法具有较好应用前景。
《基于非成像高光谱的松材线虫病特征选择方法研究》中南林业科技大学刘昊硕士利用线性插值、sg滤波、建立微分方程进行数据计算，将结果进行数据变换并使用相应的排序策略进行排序，使用SPA和MLP交叉验证进行序列特征选择，进行特征波段子集汇总与结果分析。