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) 2023年第3期47卷 37-44页

作者：黄靖舒高心丹景维鹏东北林业大学信息与计算机工程学院林学院

【目的】研究城市土地类型的变化，分析城市进化过程对环境气候、城市发展以及政府决策产生的影响。【方法】以15～30 m分辨率的NWPU-RESISC45标准数据集和哈尔滨城区Landsat 8遥感影像为实验数据，制作了包含城市建筑及道路、水体、植... 详细信息

【目的】研究城市土地类型的变化，分析城市进化过程对环境气候、城市发展以及政府决策产生的影响。【方法】以15～30 m分辨率的NWPU-RESISC45标准数据集和哈尔滨城区Landsat 8遥感影像为实验数据，制作了包含城市建筑及道路、水体、植被、裸地4种土地类型的遥感影像数据集。在实验数据中加入纹理信息，提取SIFT(scale-invariant feature transform, SIFT)特征点。通过K-means聚类算法获取包含大量语义信息的视觉词典，从而构造视觉词袋模型(bag of visual words, BOVW)。然后将BOVW提取的特征点与支持向量机(support vector machine, SVM)分类器结合，对制作的数据集进行分类。最后，利用2013年、2019年同一季节Landsat 8影像，以哈尔滨市松北区为例计算各土地类型的位置及面积变化信息。【结果】基于BOVW和SVM的分类结果与5种单一分类模型和3种“特征提取+分类器”模型对比，发现使用尺寸为550个词汇的视觉词典时，本研究模型的分类与变化监测精确度分别为79.40%、79.29%。结合哈尔滨城市具体数据的监测结果表明，在2013—2019年间，哈尔滨市松北区城市建筑及道路与植被类型的覆盖面积减少明显，水体与裸地类型的覆盖面积增加，这一变化情况符合近年来哈尔滨市政府陆续推出的环境保护五年规划，以及其总体规划中合理控制城市规模的相关政策要求。【结论】对于时间跨度长、分辨率不高的Landsat遥感影像，BOVW和SVM的变化监测模型在土地类型变化监测方面效果良好，在一定程度上可提高分类与变化监测的精度，为土地类型变化监测提供借鉴。

关键词：土地类型监测视觉词袋模型(BOVW) 支持向量机(SVM) 城市变化监测分类后比较法哈尔滨市

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv7-Tiny算法的无人机实时跟踪野生动物方法

引用

野生动物学报 2024年第2期45卷 251-261页

作者：阎婧宇谢永华东北林业大学计算机与控制工程学院哈尔滨150040

借助无人机边缘计算技术监测野生动物的运动状态和种群发展变化已成为科研工作者广泛使用的技术手段。传统跟踪算法算力高,机载边缘设备硬件资源算力不足,在户外复杂的自然环境下难以实现实时跟踪。为解决野外环境中无人机跟踪野生动物... 详细信息

借助无人机边缘计算技术监测野生动物的运动状态和种群发展变化已成为科研工作者广泛使用的技术手段。传统跟踪算法算力高,机载边缘设备硬件资源算力不足,在户外复杂的自然环境下难以实现实时跟踪。为解决野外环境中无人机跟踪野生动物时遇到树木遮挡和背景干扰导致无法准确实时跟踪的问题,选取东北地区东北虎(Panthera tigris altaica)、狍(Capreolus pygargus mantschuricus)和驯鹿(Rangifer tarandus phylarchus)为研究对象,以YOLOv7-Tiny+Bot-SORT作为检测跟踪的基础框架,提出了一种轻量化的无人机跟踪算法。首先,采用FasterNet网络减少模型冗余计算,增强特征图中目标区域关注度;其次,采用高效通道注意力机制实现局部跨通道交流,降低复杂环境对检测网络的影响,提升网络检测能力;最后,为降低计算成本,替换重识别网络,提高无人机跟踪速度。结果显示:提出的实时跟踪方法准确度(MOTA)和精确度(MOTP)分别达到79.93%和73.48%,跟踪速度从3.4帧/s提升到43.4帧/s。研究表明,提出的算法不仅在提升跟踪精度和速度方面表现出色,而且更适用于算力有限的边缘设备,为保护野生动物的多样性和群体行为研究提供了强大的技术支持。

关键词：多目标跟踪 YOLOv7-Tiny算法野生动物无人机轻量化

来源：评论

学校读者我要写书评

暂无评论

改进蚁群算法的森林防火移动机器人路径规划

引用

森林工程 2024年第1期40卷 152-159页

作者：杨松洪涛朱良宽东北林业大学计算机与控制工程学院哈尔滨150040

为解决森林防火移动机器人在森林地形条件的最优路径规划问题,提出一种基于拓展邻域的改进蚁群算法。首先引入定向邻域拓展策略,并将搜索邻域从8个拓展至10个拓展,以求扩大搜索效率与范围;然后综合考虑影响移动机器人的多种因素,利用路... 详细信息

为解决森林防火移动机器人在森林地形条件的最优路径规划问题,提出一种基于拓展邻域的改进蚁群算法。首先引入定向邻域拓展策略,并将搜索邻域从8个拓展至10个拓展,以求扩大搜索效率与范围;然后综合考虑影响移动机器人的多种因素,利用路径长度和能耗改进启发函数;接着通过位置信息改进初始信息素;最后结合最大-最小蚂蚁系统(MMAS)和精英蚂蚁等算法模型的优点,改进信息素更新规则。结果表明,所提出的改进蚁群算法与传统蚁群算法、基于多启发因素的改进蚁群算法相比,路径长度分别缩短7.66%、6.53%,能耗指标分别下降62.2%、49.3%,综合指标分别下降32.6%、23.1%。研究显示所提出的改进蚁群算法具有更强的全局搜索能力和较好的应用价值。

关键词：拓展邻域路径规划蚁群算法移动机器人森林防火

来源：评论

学校读者我要写书评

暂无评论

多尺度卷积神经网络融合Transformer的竹材缺陷识别方法

引用

林业工程学报 2024年第5期9卷 126-133页

作者：杨松张锐朱良宽东北林业大学计算机与控制工程学院哈尔滨150040

在竹材缺陷识别的研究中,竹片形状、缺陷部位颜色深浅及裂纹大小差异都是制约模型识别准确率的关键。针对上述问题,提出一种适用于中小数据集的多尺度卷积神经网络融合Transformer的竹材缺陷识别方法,以更好地提高竹材缺陷识别的准确率... 详细信息

在竹材缺陷识别的研究中,竹片形状、缺陷部位颜色深浅及裂纹大小差异都是制约模型识别准确率的关键。针对上述问题,提出一种适用于中小数据集的多尺度卷积神经网络融合Transformer的竹材缺陷识别方法,以更好地提高竹材缺陷识别的准确率。该方法在卷积神经网络的主干上进行改进,从获取不同尺度语义信息的角度出发,首先利用卷积神经网络在不同尺度的特征图上捕捉图像局部语义信息,然后将不同尺度的语义特征映射为特征符号,同时引入Sinkhorn分词器对不同阶段的卷积神经网络特征符号化以减少特征冗余,再通过Transformer对特征符号之间的关系进行建模以学习图像全局语义信息。试验结果表明,与VGG16、ResNet50、DenseNet121、ViT这4种深度学习模型相比,基于多尺度卷积神经网络融合Transformer的方法能够更高效地提高竹材缺陷识别模型的性能,在竹材缺陷图像数据集上的平均识别准确率达到了99.13%。该方法识别速度更快、精度更高,且具有良好的鲁棒性,为竹材缺陷的实时自动识别提供了新思路,同时也验证了所提出方法的有效性。

关键词：竹材缺陷识别多尺度卷积神经网络 Transformer Sinkhorn分词器

来源：评论

学校读者我要写书评

暂无评论

双编码端高分辨率遥感影像语义分割算法

引用

计算机科学与探索 2025年第1期19卷 187-195页

作者：吴梦可高心丹东北林业大学计算机与控制工程学院哈尔滨150000

遥感影像具有多尺度对象、复杂背景、不均衡类别等特点。基于卷积神经网络(CNN)的语义分割算法难以捕捉到影像的全局特征,导致分割效果不佳。针对以上问题,利用Swin Transformer的全局特征提取能力,提出了双编码端高分辨率遥感影像语义... 详细信息

遥感影像具有多尺度对象、复杂背景、不均衡类别等特点。基于卷积神经网络(CNN)的语义分割算法难以捕捉到影像的全局特征,导致分割效果不佳。针对以上问题,利用Swin Transformer的全局特征提取能力,提出了双编码端高分辨率遥感影像语义分割算法DEGFNet。设计特征融合模块(FFB)将Swin Transformer捕获的全局特征引入编码端,应对多尺度对象带来的挑战。在Swin Transformer中设计空间交互模块(SIB),降低复杂背景样本带来的负面影响;在解码端引入全局-局部注意力模块(GLTB)和特征细化模块(FRB),来更好地利用编码端提取的信息,提高语义分割的精确性;采用交叉熵损失和Dice Loss组成的混合损失函数训练模型,减轻样本类别不均衡带来的消极影响。在Vaihingen数据集上,宏观平均F1值(mF1)、平均交并比(mIoU)和整体准确率(OA)指标分别达到91.9%、84.8%和92.4%;在LoveDA数据集上,mIoU指标达到55.0%,均展现出了更好的语义分割效果和良好的泛化性。

关键词：高分辨率遥感影像语义分割卷积神经网络 Swin Transformer

来源：评论

学校读者我要写书评

暂无评论

基于激光点云数据的单木骨架三维重构

引用

森林工程 2024年第1期40卷 128-134页

作者：赵永辉刘雪妍吕勇万晓玉窦胡元刘淑玉东北林业大学计算机与控制工程学院哈尔滨150040

针对树木三维重构过程中面临的处理速度慢、重构精度低等问题,提出一种采用激光点云数据的单木骨架三维重构方法。首先,根据点云数据类型确定组合滤波方式,以去除离群点和地面点;其次,采用一种基于内部形态描述子(ISS)和相干点漂移算法(... 详细信息

针对树木三维重构过程中面临的处理速度慢、重构精度低等问题,提出一种采用激光点云数据的单木骨架三维重构方法。首先,根据点云数据类型确定组合滤波方式,以去除离群点和地面点;其次,采用一种基于内部形态描述子(ISS)和相干点漂移算法(CPD)的混合配准算法(Intrinsic Shape-Coherent Point Drift,IS-CPD),以获取单棵树木的完整点云数据;最后,采用Laplace收缩点集和拓扑细化相结合的方法提取骨架,并通过柱体构建枝干模型,实现骨架三维重构。试验结果表明,相比传统CPD算法,研究设计的配准方案精度和执行速度分别提高50%和95.8%,最终重构误差不超过2.48%。研究结果证明可有效地重构单棵树木的三维骨架,效果接近树木原型,为构建林木数字孪生环境和林业资源管理提供参考。

关键词：激光雷达树木点云关键点提取树木骨架几何模型

来源：评论

学校读者我要写书评

暂无评论

基于无监督聚类分析的激进换道行为识别方法

引用

交通运输系统工程与信息 2024年第2期24卷 166-178页

作者：王婉琦程国柱徐亮东北林业大学土木与交通学院哈尔滨150040 长春工程学院土木学院长春130012

为有效指导驾驶人采取更安全的换道行为,本文提出基于改进的自组织映射神经网络(SOM-Kmeans)聚类分析的激进换道行为识别方法。通过模拟驾驶设备和眼动仪获取驾驶数据和眼动状态,运用变点检测算法结合方向盘转角和横向注视位置从多模态... 详细信息

为有效指导驾驶人采取更安全的换道行为,本文提出基于改进的自组织映射神经网络(SOM-Kmeans)聚类分析的激进换道行为识别方法。通过模拟驾驶设备和眼动仪获取驾驶数据和眼动状态,运用变点检测算法结合方向盘转角和横向注视位置从多模态数据集中提取换道行为事件数据,进而提取驾驶人换道行为关键特征参数,运用SOM-Kmeans聚类分析识别激进换道行为。将SOM-Kmeans聚类方法分别与基于密度的聚类算法(DBSCAN)及模糊C均值聚类算法(FCM)比较,分析激进换道行为的识别效果。研究结果表明:SOM-Kmeans能够将激进换道行为划分为紧急换道和挤车换道两种类型,并建立相应的行为指标和阈值,当换道过程中加速度波动大于8.22 m·s^(-3)且方向盘转角大于0.83 (°)·s^(-1),识别此次换道为激进换道行为;在激进换道行为的基础上,当换道间隙小于7.5 m且换道持续时间大于10.3 s时,识别此次换道为挤车换道,否则,为紧急换道行为。挤车换道行为多出现在拥堵较严重的强制换道中,紧急换道行为多出现在交通流环境较好的自由换道中。本文提出的识别方法的准确率为92.5%,与传统聚类分析相比,本文提出的激进换道行为识别方法能够更加细致地识别激进换道行为的种类,研究结果可作为评估驾驶人是否存在危险换道行为和衡量驾驶人换道习惯的参考标准,同时,该两次聚类结果可作为激进型换道行为的参考标准。

关键词：智能交通激进换道行为识别 SOM-Kmeans聚类算法城市道路模拟驾驶

来源：评论

学校读者我要写书评

暂无评论

基于CP-DeepLabv3+的玉米根系图像分割

引用

中国农业科技导报 2024年第3期26卷 110-116页

作者：赵亚凤王孟雪王德帅王冬冬李园胡峻峰东北林业大学信息与计算机工程学院哈尔滨150000 东北林业大学机电工程学院哈尔滨150000

利用微根管技术可以直接监测植物根系动态生长,并获取清晰根系图像,但土壤环境复杂、颗粒不均匀、细根数量多,图像分割时容易造成根系不连续,将土壤背景误认为根系。针对以上问题,提出了CP-DeepLabv3+算法进行图像分割。该算法引入坐标... 详细信息

利用微根管技术可以直接监测植物根系动态生长,并获取清晰根系图像,但土壤环境复杂、颗粒不均匀、细根数量多,图像分割时容易造成根系不连续,将土壤背景误认为根系。针对以上问题,提出了CP-DeepLabv3+算法进行图像分割。该算法引入坐标注意力机制(coordinate attention, CA),更精确地获得分割目标信息,使得分割目标边缘更加连续;在ASPP特征提取模块加入条纹池化(strip pooling,SP)分支,避免在相距较远的位置之间建立不必要的连接,提高图像分割精度。利用CP-DeepLabv3+算法对玉米根系数据集进行测试,结果显示,平均交并比(mean intersection over union,MIoU)值为82.95%,平均像素精确度(mean pixel accuracy,MPA)值为92.47%,相比于原始DeepLabv3+模型分别提高了3.69%、4.44%,表明该算法可有效分割玉米根系,对图像特征提取具有实际意义。

关键词：玉米根系微根管法原位监测 CP-DeepLabv3+

来源：评论

学校读者我要写书评

暂无评论

未知有界扰动切换系统的PID控制:区间观测器方法

引用

小型微型计算机系统 2025年第2期46卷 493-503页

作者：李新洪琦格程凯杰朱良宽东北林业大学计算机与控制工程学院哈尔滨150040 东北林业大学机电工程学院哈尔滨150040

本文研究了一类具有未知有界扰动的离散时间非线性切换系统的基于区间观测器的PID控制问题.基于正系统理论为这类切换系统设计了一种区间观测器用于估计系统状态的上下界,并根据估计的系统状态边界设计了离散时间PID控制律.随后,利用增... 详细信息

本文研究了一类具有未知有界扰动的离散时间非线性切换系统的基于区间观测器的PID控制问题.基于正系统理论为这类切换系统设计了一种区间观测器用于估计系统状态的上下界,并根据估计的系统状态边界设计了离散时间PID控制律.随后,利用增广技术以及多Lyapunov稳定性分析方法,以线性矩阵不等式的形式给出了保证估计误差系统和闭环系统全局一致渐近稳定的充分条件.此外,通过求解线性矩阵不等式,得到了区间观测器增益和PID控制器增益,进一步保证了闭环系统的H∞性能.最后,通过一个数值仿真验证了所提方法的正确性和有效性.

关键词：区间观测器切换系统 PID控制有界扰动

来源：评论

学校读者我要写书评

暂无评论

驾驶情绪对交通安全的影响及其识别与调节策略综述

引用

安全与环境学报 2024年第10期24卷 3909-3923页

作者：李博孙莉辰东北林业大学家居与艺术设计学院哈尔滨150040 东北林业大学机电工程学院哈尔滨150040

不良情绪可能会导致驾驶人注意力分散、反应迟缓和决策失误,增加交通安全隐患。为降低由负面驾驶情绪造成的交通安全影响,系统梳理和分析了情绪对驾驶行为的影响与诱发机制、驾驶情绪识别方法相关的理论基础,并聚焦驾驶情绪调节策略,探... 详细信息

不良情绪可能会导致驾驶人注意力分散、反应迟缓和决策失误,增加交通安全隐患。为降低由负面驾驶情绪造成的交通安全影响,系统梳理和分析了情绪对驾驶行为的影响与诱发机制、驾驶情绪识别方法相关的理论基础,并聚焦驾驶情绪调节策略,探讨各方向的研究热点和未来发展趋势。结果表明:现有研究大多是分析某个特定离散情绪对驾驶行为的影响,复合情绪对驾驶行为影响的研究较少;性格特征、天气影响及多种因素协同作用对驾驶情绪的诱发机制尚未完全阐明;驾驶情绪的识别主要基于面部表情、语音文本、驾驶行为和生理信号,由于单一特征的情绪识别结果鲁棒性较差、精度较低,当前的研究趋势逐渐向多模态特征耦合识别方向倾斜,其中,特征层融合策略由于能够更高效地处理多源异构信号,应用最为广泛;驾驶人可通过视觉、听觉、触觉和嗅觉调节情绪状态,触觉和嗅觉调节方法能减少驾驶人的注意力分散,调节作用效果明显,可应用于智能座舱的驾驶辅助系统。未来需研究复合情绪对驾驶行为的影响机制,重视驾驶风格等多因素协同作用对驾驶情绪的诱发机制,特别关注性格及智能车载设备的影响;根据驾驶人行为数据、交通状况和道路信息建立精准的驾驶风险预测模型;深入考虑多源信息融合的人机共驾情绪识别,实现实时监测;研发情感交互的智能汽车座舱,依据驾驶人的驾驶偏好、习惯和行为模式个性化调节驾驶负面情绪。

关键词：安全人体学交通安全情绪驾驶行为安全驾驶辅助系统

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：