检索结果-内蒙古大学图书馆

南京林业大学学报(自然科学版) 2025年第2期49卷 175-184页

作者：孔得伦邢艳秋东北林业大学森林作业与环境研究中心东北林业大学机电工程学院

【目的】全球生态系统动力学调查（GEDI）多波束激光雷达与冰、云和陆地高程卫星二代（ICESat-2）光子云使用不同激光雷达技术，导致两个任务之间的树高提取值存在差异。比较两种星载激光雷达数据在不同情况下有效反演树高的能力，为空... 详细信息

【目的】全球生态系统动力学调查（GEDI）多波束激光雷达与冰、云和陆地高程卫星二代（ICESat-2）光子云使用不同激光雷达技术，导致两个任务之间的树高提取值存在差异。比较两种星载激光雷达数据在不同情况下有效反演树高的能力，为空间连续大区域高分辨率森林树高制图提供理论基础。【方法】通过对GEDI L2A字段信息进行定位和筛选，并进行地形高程精度验证，对比6种算法组反演树高；对ICESat-2数据去噪并提出基于坡度变化的光子云分类算法，建立地面光子线和冠层顶线反演树高，利用实测数据和机载激光雷达数据，验证并比较GEDI和ICESat-2在研究区内反演树高的精度。最后，定量分析GEDI和ICESat-2数据在不同地形坡度、植被覆盖度和森林类型情况下反演树高的差异。【结果】针对GEDI L2A产品数据，通过比较6组GEDI L2A算法中最优算法的反演精度为：R2=0.94,均方根误差（RMSE）为2.31 m,绝对平均误差（MAE）为1.27 m。针对ICESat-2数据，通过使用50 m窗口计算，基于坡度变化的光子云分类算法提取树高与机载树高的R2=0.81,RMSE为3.68 m, MAE为2.45 m。植被覆盖度相对于地形坡度和森林类型对两种星载激光雷达反演树高产生更大的影响。【结论】对于较为平缓且森林类型以针叶林为主的较密集区域，其GEDI数据相比于ICESat-2数据表现出更优的评价精度。

关键词：全球生态系统动力学调查(GEDI) 冰、云和陆地高程卫星二代(ICESat-2) 反演树高地形坡度植被覆盖度森林类型星载激光雷达

来源：评论

学校读者我要写书评

暂无评论

基于独立成分分析-递归图和改进的高效能网络的脑电情绪识别研究

引用

生物医学工程学杂志 2024年第6期41卷 1103-1109页

作者：冯国红郑潇张彬王宏恩东北林业大学机电工程学院哈尔滨150040

为精准捕获并有效融合脑电信号中的时空特征以提高脑电情绪识别精度,本文提出一种基于独立成分分析—递归图和改进的第2代高效能网络(EfficientNetV2)相结合的新方法。首先,采用独立成分分析从脑电信号的关键通道中提取包含空间信息的... 详细信息

为精准捕获并有效融合脑电信号中的时空特征以提高脑电情绪识别精度,本文提出一种基于独立成分分析—递归图和改进的第2代高效能网络(EfficientNetV2)相结合的新方法。首先,采用独立成分分析从脑电信号的关键通道中提取包含空间信息的独立成分;然后,由递归图转换为二维图像以更好地提取时间信息中的情感特征;最后,将二维图像输入到引入全局注意力机制和三重注意力机制的EfficientNetV2中,由全连接层输出情感分类。为验证所提方法的有效性,本研究基于上海交通大学情绪脑电数据集(SEED)进行对比实验、通道选择实验和消融实验。研究结果显示,本文所提方法平均识别准确率为96.77%,显著优于现有其他方法,为脑电情绪识别研究提供了新的思路。

关键词：脑电情绪识别独立成分分析递归图高效能网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

改进YOLOv8的轻量化无人机目标检测算法

引用

计算机工程与应用 2024年第8期60卷 182-191页

作者：胡峻峰李柏聪朱昊黄晓文东北林业大学计算机与控制工程学院哈尔滨150036

针对无人机目标检测算法计算复杂难以部署,且长尾分布的无人机数据导致检测精度较低的问题,提出了基于改进YOLOv8的轻量化无人机目标检测算法(PC-YOLOv8-n),可均衡网络检测精度与计算量,并对长尾分布数据有一定泛化能力。使用部分卷积层... 详细信息

针对无人机目标检测算法计算复杂难以部署,且长尾分布的无人机数据导致检测精度较低的问题,提出了基于改进YOLOv8的轻量化无人机目标检测算法(PC-YOLOv8-n),可均衡网络检测精度与计算量,并对长尾分布数据有一定泛化能力。使用部分卷积层(PConv)替换YOLOv8中的3×3卷积层,对网络进行轻量化处理,解决网络冗余和计算量复杂的问题;融合双通道特征金字塔,增加自上而下的路径,将深层信息与浅层信息进行融合,同层引入轻量化注意力机制,提升网络的特征提取能力;采用均衡焦点损失(EFL)作为类别损失函数,通过均衡尾部类别在网络训练时的梯度权重,增加网络的类别检测能力。实验结果表明,PC-YOLOv8-n在VisDrone2019数据集中具有良好的表现,在mAP50精度上比原始YOLOv8-n算法提高了1.6个百分点,同时模型的参数和计算量分别降低为2.6×10^(6)和7.6 GFLOPs,检测速度达到77.2 FPS。

关键词：无人机 YOLOv8 长尾分布目标检测部分卷积

来源：评论

学校读者我要写书评

暂无评论

融合多粒度语义信息和知识图谱的中文医疗问答匹配模型

引用

计算机工程与应用 2024年第14期60卷 152-161页

作者：管立本李实东北林业大学计算机与控制工程学院哈尔滨150040

中文医疗领域问答容易受到医疗特定词汇的噪声影响,相对于开放领域问答其更具有挑战性。以往的中文医疗问答研究主要依赖于字符级别的细粒度信息,忽略了携带更多语义信息的单词级别的粗粒度信息。此外,引入外部医学知识图谱可以进一步... 详细信息

中文医疗领域问答容易受到医疗特定词汇的噪声影响,相对于开放领域问答其更具有挑战性。以往的中文医疗问答研究主要依赖于字符级别的细粒度信息,忽略了携带更多语义信息的单词级别的粗粒度信息。此外,引入外部医学知识图谱可以进一步丰富问答句子中的细粒度信息,然而目前大多数研究通常只采用句子和外部知识共同表示的简单方式。由此提出一种融合多粒度语义信息和知识图谱的中文医疗问答匹配模型(CMQA-MGSI)。该模型引入Lattice网络,结合Word2Vec和BERT设计了两种特征向量提取模型来选择问答句子中最相关的字符序列和单词序列以获得更丰富的多粒度语义信息;为了更好地融合外部领域知识,设计双通道注意力模块提取问答句子和知识图谱中实体嵌入以及关系嵌入之间多个角度的知识表征信息。该模型在数据集cMedQA1.0和cMedQA2.0上的实验表明,效果优于现有的问答匹配模型。

关键词：中文医疗问答多粒度信息知识图谱 Lattice网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

联合地基激光雷达与无人机影像的树种识别

引用

南京林业大学学报(自然科学版) 2024年第4期48卷 104-112页

作者：钟浩王楚虹林文树东北林业大学机电工程学院

【目的】应用遥感技术进行树种识别已成为森林调查的重要手段之一，但利用近地面遥感手段进行树种识别时存在地基激光雷达(LiDAR)点云数据树冠上层信息不足和无人机影像树冠下层的信息缺失的问题，联合多源遥感数据快速准确识别树种，... 详细信息

【目的】应用遥感技术进行树种识别已成为森林调查的重要手段之一，但利用近地面遥感手段进行树种识别时存在地基激光雷达(LiDAR)点云数据树冠上层信息不足和无人机影像树冠下层的信息缺失的问题，联合多源遥感数据快速准确识别树种，对研究和保护森林资源具有重要意义。【方法】以哈尔滨市东北林业大学城市林业示范基地中樟子松(Pinus ***)、黑皮油松(*** ***)、水曲柳(Fraxinus mandshurica)、胡桃楸(Juglans mandshurica)为研究对象进行树种识别研究，获取地基LiDAR与无人机影像数据，通过对高重叠度无人机影像进行处理得到无人机影像点云，将无人机影像点云与地基LiDAR点云数据进行配准融合，对融合后数据进行单木分割得到单木点云，基于单木点云提取形状特征、结构特征、树干颜色特征和树冠颜色特征，借助支持向量机分类算法进行树种识别并结合随机森林算法对不同特征的识别能力进行了分析。【结果】利用所有特征进行树种识别取得试验最优结果，其总精度和Kappa系数分别为93.48%和0.91。相较于其他对比方案，其总精度和Kappa系数分别提升4.35～16.31个百分点和0.06～0.22。【结论】提出了一种地基LiDAR数据与无人机影像点云数据进行融合的树种识别方法，该方法能够在一定程度上弥补树种识别中特征提取时地基LiDAR点云数据树冠上层信息不足，以及无人机影像树冠下层信息缺失等问题。充分利用多源数据所包含的丰富信息进行树种识别，可有效提高树种识别精度。

关键词：树种识别多源遥感激光雷达无人机影像

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制融合多特征的东北虎个体自动跟踪方法

引用

生物多样性 2024年第3期32卷 137-150页

作者：许群谢永华东北林业大学计算机与控制工程学院哈尔滨150040

跟踪野生动物可以了解它们的生态习性和种群动态。自动化的、高效准确的目标跟踪算法对于野生动物保护具有重要意义。由于东北虎(Panthera tigris altaica)生存环境复杂,行动方式隐蔽且具有快速运动的特点,拍摄到的图像可能存在运动模... 详细信息

跟踪野生动物可以了解它们的生态习性和种群动态。自动化的、高效准确的目标跟踪算法对于野生动物保护具有重要意义。由于东北虎(Panthera tigris altaica)生存环境复杂,行动方式隐蔽且具有快速运动的特点,拍摄到的图像可能存在运动模糊问题,难以捕获清晰稳定的画面。因此,监测东北虎种群的难点在于实现自动准确地跟踪东北虎个体。在实际环境中,由于光照变化、遮挡、相似性干扰等问题的存在,导致错误跟踪东北虎个体。针对这些问题,本文提出了一种基于注意力特征融合的孪生网络跟踪框架,旨在实现对实际复杂场景中东北虎个体的准确跟踪。基于孪生网络的视觉目标跟踪框架将目标跟踪视为相似性学习问题,本文对传统基于孪生网络的跟踪架构进行改进,将注意力特征融合嵌入主干网络ResNet50中进行特征提取。为了增强模型对跟踪场景中发生极端尺度变化的东北虎个体的关注度,本文在注意力特征融合模块中引入了多尺度通道注意力机制,以适应不同的东北虎个体状态和环境变化。实验结果表明,本文的方法与当前的先进跟踪器相比取得了更优的跟踪性能,跟踪成功率和精确度分别达到了72.5%和93.9%,相比基准跟踪算法分别提高了4.1%和2.3%,证明本文的跟踪方法可以在复杂的实际场景下为自动高效地监测东北虎提供一种有效的方案。

关键词：东北虎单目标跟踪孪生网络特征融合注意力机制

来源：评论

学校读者我要写书评

暂无评论

改进残差网络甜瓜叶片病害的识别研究

引用

计算机工程与应用 2024年第15期60卷 189-197页

作者：黄英来姜忠良东北林业大学计算机与控制工程学院哈尔滨150040

针对甜瓜叶片不同程度的病害识别研究较少,人工检测实时性差且存在识别准确率较低等问题,提出了一种基于改进残差网络模型的甜瓜叶片病害识别方法。将传统的ResNet50模型作为骨干网络,将ReLU激活函数替换为ELU激活函数;将ResNet50的模... 详细信息

针对甜瓜叶片不同程度的病害识别研究较少,人工检测实时性差且存在识别准确率较低等问题,提出了一种基于改进残差网络模型的甜瓜叶片病害识别方法。将传统的ResNet50模型作为骨干网络,将ReLU激活函数替换为ELU激活函数;将ResNet50的模型的第一层卷积中的7×7卷积核替换成Incption结构,在全连接层之后加入Dropout层,增强模型的表达能力并缓解过拟合问题;引入多头自注意力机制(MHSA),提高模型的泛化能力。进行数据预处理,将训练集与测试集的比例划分为7∶3,采用数据增强的方式对小样本数据集进行扩充。实验结果表明:改进的残差网络模型准确率与原模型相比提高了1.03个百分点,识别准确率达到98.72%且模型参数量为19.3MB。与其他网络模型相比准确率大幅提升,可以为甜瓜叶片病害的高效识别和及时预防治理提供参考。

关键词：甜瓜叶片病害图像识别残差网络多头自注意力机制深度学习

来源：评论

学校读者我要写书评

暂无评论

改进YOLOv8n的花生品质检测方法

引用

计算机工程与应用 2024年第23期60卷 257-267页

作者：黄英来牛达伟侯畅杨柳松东北林业大学计算机与控制工程学院哈尔滨150040

花生品质筛选在农业生产和食品安全中具有重要意义。针对传统花生品质筛选方法效率低的问题,提出改进YOLOv8n算法的轻量化花生品质检测模型LE-YOLO(lightweight and efficient)。提出一种分组重序颈部模块(grouped shuffling bottleneck... 详细信息

花生品质筛选在农业生产和食品安全中具有重要意义。针对传统花生品质筛选方法效率低的问题,提出改进YOLOv8n算法的轻量化花生品质检测模型LE-YOLO(lightweight and efficient)。提出一种分组重序颈部模块(grouped shuffling bottleneck,GSBottleneck),增加了模型非线性拟合能力,减少了模型推理时间;设计了残差分组重序模块(residual group shuffling block,ResGSBlock),并结合GSConv(grouped shuffle convolution)构建轻量颈部网络(lightweight neck,LW-Neck),减少了模型计算成本,提升了模型推理速度;提出自适应特征优化模块(adaptive feature optimization block,AFOB),增强了通道间信息交互和模型表征能力。在DW花生数据集上进行实验验证,相较于YOLOv8n算法,LE-YOLO的计算量减少了1 GFlops,FPS提升了25%,平均精度均值mAP@0.5达到了98%,验证了该算法在检测精度和速度上的良好性能,为花生品质筛选提供了一种有效的方法。

关键词： YOLOv8n GSConv GSBottleneck 花生品质筛选轻量化模型

来源：评论

学校读者我要写书评

暂无评论

基于近红外光谱-光纤液滴分析法检测蓝莓综合品质

引用

食品科学 2024年第18期45卷 216-224页

作者：冯国红周金东朱玉杰王甜甜东北林业大学机电工程学院黑龙江哈尔滨150040

基于近红外光谱融合液滴分析技术进行蓝莓的二维相关分析,以实现蓝莓综合贮藏品质的检测。本研究采集8个贮藏时间‘绿宝石’蓝莓的近红外光谱图和液滴指纹图,综合分析硬度、花青素、VC、固酸比等15个理化指标,发现各指标之间有着密切的... 详细信息

基于近红外光谱融合液滴分析技术进行蓝莓的二维相关分析,以实现蓝莓综合贮藏品质的检测。本研究采集8个贮藏时间‘绿宝石’蓝莓的近红外光谱图和液滴指纹图,综合分析硬度、花青素、VC、固酸比等15个理化指标,发现各指标之间有着密切的相关性,因此对15个理化指标进行隶属函数联合主成分分析计算蓝莓的综合得分,以此划分综合贮藏品质的等级。对光谱数据进行Savitzky-Golay(SG)卷积平滑、标准正态变换、多元散射矫正和迭代自适应加权惩罚最小二乘预处理,经对比分析,SG卷积平滑预处理后所建立的模型预测精度最高,预测结果为82.67%。对液滴数据取平均进行数据降维后进行移动平均平滑、SG卷积平滑、高斯滤波和中值滤波预处理,经过对比分析,经SG卷积平滑预处理后所建立的模型预测精度最高,预测结果为86.67%。以蓝莓的综合得分作为外扰,对光谱数据和液滴数据分别进行二维相关分析,分别优选出879、1019、1220、1636 nm波长和789、1653、2386、2703 ms自相关峰所对应的位置作为特征变量,以光谱和液滴特征数据融合后作为输入建立支持向量机(support vector machine,SVM)和随机森林模型,模型预测准确率分别为100.00%和98.33%,均高于以单个特征作为输入的预测准确率,且SVM模型预测效果更优,之后用‘蓝宝石’‘莱克西’和‘蓝丰’等9个蓝莓品种进行验证,采用相同的方法进行一系列数据处理建立SVM模型,结果表明模型对于不同品种蓝莓均表现出良好的预测效果。综上,利用可见-近红外光谱融合液滴分析技术可以实现蓝莓综合贮藏品质的预测,为蓝莓的品质检测提供新的方法。

关键词：蓝莓可见-近红外光谱液滴分析二维相关光谱主成分分析

来源：评论

学校读者我要写书评

暂无评论

基于线性自抗扰控制的统一潮流控制器次同步振荡抑制策略

引用

电力建设 2025年第2期46卷 151-159页

作者：刘一琦黄旭王天昊郑钧元东北林业大学计算机与控制工程学院哈尔滨市150040

大规模双馈风电场经串补线路并网容易引发次同步振荡(sub-synchronous oscillation,SSO),造成风机脱网,严重威胁电力系统的安全稳定运行。因此,提出一种应用统一潮流控制器(unified power flow controller,UPFC)附加阻尼控制抑制SSO的... 详细信息

大规模双馈风电场经串补线路并网容易引发次同步振荡(sub-synchronous oscillation,SSO),造成风机脱网,严重威胁电力系统的安全稳定运行。因此,提出一种应用统一潮流控制器(unified power flow controller,UPFC)附加阻尼控制抑制SSO的控制方法。该方法设计了一种解耦型线性自抗扰控制器(linear active disturbance rejection control,LADRC),通过线性状态观测器实时估计系统中的次同步扰动,并引入延时补偿环节,消除信号传输中的通信延时。基于改进型LADRC设计了UPFC的附加阻尼控制器,使得UPFC在系统中呈正阻尼状态,抑制次同步振荡,并且提高系统的抗干扰能力和鲁棒性。最后,在MATLAB/Simulink仿真软件中搭建双馈风电场经串补线路并网仿真模型,仿真结果表明,所提方法能够在不同串补度、风速、并网风机数目下有效抑制次同步振荡,可为研究我国双馈风电场远距离并网类似问题提供参考。

关键词：双馈风电场串补线路次同步振荡(SSO) 线性自抗扰控制(LADRC)

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：