检索结果-内蒙古大学图书馆

北京林业大学学报 2024年第9期46卷 151-160页

作者：梁慧云樊国秋赵燕东梁浩北京林业大学工学院林业装备与自动化国家林业局重点实验室北京林业大学智慧林业研究中心北京100083 城乡生态环境北京实验室北京林业大学北京100083

【目的】本研究提出一种基于雷达波信号和树木根系参数的估算方法,以实现树木根系相对介电常数的定量估算。【方法】首先,仿真模拟雷达波在不同半径、不同相对介电常数的树木根系下的传播路径,并通过正演分析获得探地雷达图像中双曲线... 详细信息

【目的】本研究提出一种基于雷达波信号和树木根系参数的估算方法,以实现树木根系相对介电常数的定量估算。【方法】首先,仿真模拟雷达波在不同半径、不同相对介电常数的树木根系下的传播路径,并通过正演分析获得探地雷达图像中双曲线顶点处的A-scan曲线;然后,提取A-scan曲线中与根系相对介电常数关联的目标振幅参数ΔF;最后,结合土壤相对介电常数、根系半径、根系深度,建立相对介电常数估算的数据集。分别基于偏最小二乘回归(PLSR)模型、反向传播(BP)神经网络模型和粒子群优化反向传播(PSO-BP)神经网络建立估算模型,并对比分析这3种模型的估算精度。【结果】(1)在仿真实验中,PSO-BP神经网络估算模型的均方根误差、平均绝对误差分别为0.701、0.255,R2为0.990,各指标均优于PLSR和BP神经网络估算模型。(2)在实地预埋实验中,PSO-BP神经网络估算模型的估算精度均优于PLSR和BP神经网络估算模型,其最大绝对误差和整体平均相对误差分别为3.16和10.88%。【结论】利用本研究提取的目标振幅参数ΔF、土壤相对介电常数、根系半径和根系深度建立的数据集,结合PSO-BP神经网络估算模型,能够实现对树木根系相对介电常数的准确估算。这对于评估树木根系的生长和健康状况具有重要意义。

关键词：雷达模型分析介电常数无损检测估算神经网络

来源：评论

学校读者我要写书评

暂无评论

林木采育机多密实度蜂窝辊的径向压缩响应

引用

北京林业大学学报 2022年第7期44卷 135-145页

作者：张高谦王典曲云飞刘晋浩北京林业大学工学院北京100083 北京林业大学国家林业和草原局林业装备与自动化重点实验室北京100083 浙江大学海洋学院浙江杭州316021

【目的】针对为林木采育机而设计的蜂窝进料辊,研究其在采伐时夹紧和翻转工序的模拟工况下,密实度差异对压缩响应的影响。【方法】将15套蜂窝辊按照密实度划分为3种等级,经由理论模型和模拟仿真分析,对多密实度下的力学和吸能特性的变... 详细信息

【目的】针对为林木采育机而设计的蜂窝进料辊,研究其在采伐时夹紧和翻转工序的模拟工况下,密实度差异对压缩响应的影响。【方法】将15套蜂窝辊按照密实度划分为3种等级,经由理论模型和模拟仿真分析,对多密实度下的力学和吸能特性的变化做量化探究。选出其中3套制备试件,进行线弹性阶段内的径向压缩试验,利用数字图像相关技术对压缩过程中试件的变形进行监测,比较微观上塑性铰处的结点变形,同时对比仿真与试验的结果,进而总结双V附翼蜂窝进料辊的变形模式。【结果】仿真结果显示:平台阶段下随着密实度增长约10%,蜂窝辊的等效应力上升幅度处于2 MPa以内,但吸能量则提升了近乎6倍。试验结果表明:线弹性阶段下相同幅度的密实度提升,虽然导致质量增大约59.78%,但接触力却获得约3.4倍的提升。变形观测后提出准静态压缩下的V型变形模式,在离散系数低于6%的情况下获得了验证。【结论】蜂窝辊在密实度为0.25~0.40范围内的压缩响应表现为:以壁厚和层数为主要变量的密实度分别与等效应力和吸能量均具有显著非线性的正相关关系;在近似密实度下,增加壁厚,有助于获得更高的抗压强度,减少层数则促进了吸能特性的提升;双V附翼蜂窝进料辊在周向的变形机制显露出不均匀的拉胀现象。

关键词：进料辊双V附翼型蜂窝林木采育机负泊松比径向压缩响应数字图像相关技术

来源：评论

学校读者我要写书评

暂无评论

基于ROI-CNN的赛罕乌拉国家级自然保护区陆生野生动物自动识别

引用

北京林业大学学报 2018年第8期40卷 123-131页

作者：刘文定李安琪张军国谢将剑鲍伟东北京林业大学工学院北京100083 林业装备与自动化国家林业和草原局重点实验室北京100083 北京林业大学生物科学与技术学院北京100083

【目的】利用红外自动感应相机对野生动物进行图像监测是对野生动物保护管理的有效手段,为了解决野外复杂背景环境导致的野生动物监测图像自动识别准确率低的问题,提出一种基于感兴趣区域(ROI)与卷积神经网络(CNN)的野生动物物种自动识... 详细信息

【目的】利用红外自动感应相机对野生动物进行图像监测是对野生动物保护管理的有效手段,为了解决野外复杂背景环境导致的野生动物监测图像自动识别准确率低的问题,提出一种基于感兴趣区域(ROI)与卷积神经网络(CNN)的野生动物物种自动识别方法。【方法】以红外自动感应相机在内蒙古赛罕乌拉国家自然保护区内拍摄的马鹿、斑羚、猞猁、狍和野猪这5种国家级陆生保护动物的图像为实验样本,采用基于回归算法的目标检测方法,对监测图像中野生动物区域进行检测并分割,生成ROI图像,减少复杂背景信息对物种识别的干扰;利用裁剪、仿射变换等方式对样本数据进行扩充;构建基于全局-局部的VGG16双通道网络模型对样本图像进行训练,最后接入分类器输出物种识别结果。同时,构建了基于VGG19的双通道网络模型对样本图像进行训练,并与本研究训练结果进行比较;另外,将样本图像分别输入本研究算法与VGG16、R-CNN、Fast R-CNN算法进行训练,对比不同算法下的识别效果。【结果】利用本研究模型对样本图像进行训练时,测试集的平均识别精度均值MAP达到0.912,相对于VGG19结构下的训练模型和VGG16、R-CNN、Fast R-CNN,得到了更高的MAP值。【结论】相比于其他算法,本研究提出的物种识别模型更适合于复杂背景下的野生动物监测图像的物种识别,可以得到更高的MAP值与更优的识别效果。

关键词：野生动物监测图像感兴趣区域卷积神经网络物种识别

来源：评论

学校读者我要写书评

暂无评论

双V附翼型负泊松比蜂窝结构参数与原木接触面积耦合关系

引用

华中农业大学学报 2021年第2期40卷 253-260页

作者：朱旭晨王典刘晋浩黄青青北京林业大学工学院/国家林业和草原局林业装备与自动化重点实验室北京100083

为解决林木采伐中进料辊造成树木损伤的问题,以进料辊中的双V附翼型蜂窝结构为研究对象,探究其胞元结构参数对伐倒木圆条树木的损伤机制。基于理论力学构建了双V附翼型结构单位胞元参数与屈服强度的理论模型,进而进行了Y方向压缩实验验... 详细信息

为解决林木采伐中进料辊造成树木损伤的问题,以进料辊中的双V附翼型蜂窝结构为研究对象,探究其胞元结构参数对伐倒木圆条树木的损伤机制。基于理论力学构建了双V附翼型结构单位胞元参数与屈服强度的理论模型,进而进行了Y方向压缩实验验证,考察在低速压缩条件下各胞元结构参数对该结构等效应力和能量吸收变化的影响,以及有限元仿真进料辊胞元结构参数与原木接触面积的耦合关系。选定聚氨酯作为辊型驱动应用材料,通过正交试验法,在较优参数θ_(1)、θ_(2)、t区间内使进料辊与木材接触面积增大14.56%~26.11%。研究结果表明,可根据具体工况需求选用确定胞元结构参数,且结构参数厚度t是影响负泊松比蜂窝结构密实应变的重要指标;通过双V附翼型负泊松比结构材料的选用和尺寸参数的改变,改善了进料辊作业时与木材的接触面积大小,降低原木所受压强。

关键词：进料辊双V附翼型结构负泊松比林木联合采育机森林工程原木损伤伐倒木

来源：评论

学校读者我要写书评

暂无评论

基于主动风险防御机制的多机器人强化学习协同对抗策略

引用

控制与决策 2023年第5期38卷 1420-1429页

作者：孙辉辉胡春鹤张军国北京林业大学工学院北京100083 华北科技学院机电工程学院河北廊坊065201 国家林业和草原局林业装备与自动化重点实验室北京100083

深度强化学习因其在多机器人系统中的高效表现,已经成为多机器人领域的研究热点.然而,当遭遇连续时变、风险未知的非结构场景时,传统方法暴露出风险防御能力差、系统安全性能脆弱的问题,未知风险将以对抗攻击的形式给多机器人的状态空... 详细信息

深度强化学习因其在多机器人系统中的高效表现,已经成为多机器人领域的研究热点.然而,当遭遇连续时变、风险未知的非结构场景时,传统方法暴露出风险防御能力差、系统安全性能脆弱的问题,未知风险将以对抗攻击的形式给多机器人的状态空间带来非线性入侵.针对这一问题,提出一种基于主动风险防御机制的多机器人强化学习方法(APMARL).首先,基于局部可观察马尔可夫博弈模型,建立多机记忆池共享的风险判别机制,通过构建风险状态指数提前预测当前行为的安全性,并根据风险预测结果自适应执行与之匹配的风险处理模式;特别地,针对有风险侵入的非安全状态,提出基于增强型注意力机制的Actor-Critic主动防御网络架构,实现对重点信息的分级增强和危险信息的有效防御.最后,通过广泛的多机协作对抗任务实验表明,具有主动风险防御机制的强化学习策略可以有效降低敌对信息的入侵风险,提高多机器人协同对抗任务的执行效率,增强策略的稳定性和安全性.

关键词：深度强化学习多机器人风险防御协同对抗事件驱动

来源：评论

学校读者我要写书评

暂无评论

枸杞果柄结合力影响因素分析及模型预测

引用

园艺学报 2024年第11期51卷 2645-2656页

作者：陈运刘全程姜鑫娜魏雨青王凡闫磊赵健曹兴达邢红北京林业大学工学院国家林业局林业装备与自动化重点实验室国家林业和草原局林业装备与自动化重点实验室北京100089 中国林业科学院北京100091

分析枸杞果柄结合力及其相关物理特性参数之间的内在联系与影响规律,发掘重要果实参数,建立果柄结合力预测模型,以期为提高枸杞机械采摘的效率和精确度提供依据。以青海省主栽枸杞品种‘宁杞1号’和‘宁杞7号’成熟期果实为研究对象,通... 详细信息

分析枸杞果柄结合力及其相关物理特性参数之间的内在联系与影响规律,发掘重要果实参数,建立果柄结合力预测模型,以期为提高枸杞机械采摘的效率和精确度提供依据。以青海省主栽枸杞品种‘宁杞1号’和‘宁杞7号’成熟期果实为研究对象,通过图像处理方法获得不同成熟度枸杞果实的RGB颜色模型分量,分析了不同品种、成熟度、采摘期温度、湿度及果实在枝条上的位置等对果柄结合力的影响,以及果柄参数、果实参数等与果柄结合力的相关性,构建果柄结合力预测模型。结果显示,可通过RGB颜色模型区分成熟度,但不同成熟度果柄结合力重叠部分较多,不能实现精确采摘。双因素方差分析结果显示品种和成熟度均对结合力有显著影响;果柄参数、果实参数和果实硬度与果柄结合力显著相关;正交试验表明果实在枝条上的位置、采摘时的温度和湿度对结合力没有显著影响。对偏最小二乘回归(PLSR)、随机森林(RF)和反向传播神经网络(BPNN)等建模方法的参数进行优化,建立果柄结合力的预测模型,其中BPNN表现出了优秀的预测性能(R_(p)^(2)=0.888,RMSEP=0.440,RPD=2.756),能够实现对果柄结合力的有效预测。

关键词：枸杞机械采收果柄结合力形态学影响因素预测模型

来源：评论

学校读者我要写书评

暂无评论

基于HSV空间和拟合椭圆的光核桃种核表型自动量化系统构建

引用

农业工程学报 2021年第20期37卷 202-210页

作者：韩巧玲崔树强徐钐钐赵玥赵燕东北京林业大学工学院北京100083 城乡生态环境北京实验室北京100083 国家林业局林业装备与自动化国家重点实验室北京100083 智慧林业研究中心北京100083

针对现有青藏高原光核桃种核表型主要采用手工测量和目视法获得,操作繁琐,且提取参数种类有限的问题,该研究构建了一种基于HSV(Hue,Saturation,Value)空间和拟合椭圆的光核桃种核表型自动量化系统。该系统包括图像自动分割和多重参数提... 详细信息

针对现有青藏高原光核桃种核表型主要采用手工测量和目视法获得,操作繁琐,且提取参数种类有限的问题,该研究构建了一种基于HSV(Hue,Saturation,Value)空间和拟合椭圆的光核桃种核表型自动量化系统。该系统包括图像自动分割和多重参数提取2个部分,首先,采用HSV阈值法实现光核桃种核图像的精准分割;其次,用拟合椭圆法进行光核桃种核的核尖提取;最后,对光核桃种核形态、颜色、纹理3类表型进行定量描述。结果表明,该系统对光核桃种核的自动分割准确率达到99.7%,且能够实现多种表型的自动、准确量化,为光核桃表型参数研究提供数据基础和技术支持。

关键词：图像识别图像分割光核桃表型参数拟合椭圆核尖

来源：评论

学校读者我要写书评

暂无评论

基于改进EfficientDet的油橄榄果实成熟度检测

引用

农业工程学报 2022年第13期38卷 158-166页

作者：陈锋军张新伟朱学岩李志强林剑辉北京林业大学工学院北京100083 城乡生态环境北京实验室北京100083 国家林业局林业装备与自动化国家重点实验室北京100083 智慧林业研究中心北京100083

自然环境下自动准确地检测油橄榄果实的成熟度是实现油橄榄果实自动化采摘的基础。该研究根据成熟期油橄榄果实表型特征的变化以及参考国际油橄榄理事会和中国林业行业标准的建议制定了油橄榄果实成熟度标准,并针对油橄榄果实相邻成熟... 详细信息

自然环境下自动准确地检测油橄榄果实的成熟度是实现油橄榄果实自动化采摘的基础。该研究根据成熟期油橄榄果实表型特征的变化以及参考国际油橄榄理事会和中国林业行业标准的建议制定了油橄榄果实成熟度标准,并针对油橄榄果实相邻成熟度特征差异不明显以及果实之间相互遮挡问题,提出一种改进EfficientDet的油橄榄果实成熟度检测方法。首先改进特征提取网络,在特征提取网络中引入卷积注意力模块(Convolution Block Attention Module,CBAM)细化不同成熟度之间的特征映射;其次改进特征融合网络,在加权双向特征金字塔网络(BidirectionalFeaturePyramid Network,Bi-FPN)中增加跨级的数据流加强果实的相对位置信息,最后通过623幅油橄榄测试图像对改进的EfficientDet模型进行测试。改进EfficientDet模型在测试集下的精确率P、召回率R和平均精度均值m AP分别为92.89%、93.59%和94.60%,平均检测时间为0.337s,模型大小为32.4M。对比SSD、EfficientDet、YOLOv3、YOLOv5s和FasterR-CNN模型,平均精度均值m AP分别提升7.85、4.77、3.73、1.15和1.04个百分点。改进EfficientDet模型能够为油橄榄果实的自动化采摘提供有效探索。

关键词：油橄榄果实成熟度检测 EfficientDet 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

果园高位自动调平作业平台设计及仿真

引用

北京林业大学学报 2021年第2期43卷 150-159页

作者：于泳超康峰郑永军吕昊暾王亚雄北京林业大学工学院北京100083 林业装备与自动化国家林业和草原局重点实验室北京100083 中国农业大学工学院北京100083

【目的】我国果园机械化程度低,尤其缺少丘陵山地果园的机械,目前果园疏花疏果、套袋、采摘等繁重工作主要依靠人工架梯完成。设计一款适用于丘陵山区苹果园的高位自动调平平台,可以提高果园采收机械的采收效率、安全性和稳定性。【方... 详细信息

【目的】我国果园机械化程度低,尤其缺少丘陵山地果园的机械,目前果园疏花疏果、套袋、采摘等繁重工作主要依靠人工架梯完成。设计一款适用于丘陵山区苹果园的高位自动调平平台,可以提高果园采收机械的采收效率、安全性和稳定性。【方法】根据果园地形特点和果树高度确定平台设计要求和调平方式,确定俯仰、侧倾不同部分尺寸关系,液压缸所需推力、平台角度和液压缸位移量的关系;建立平台控制系统数学模型,使用增量式PID控制器,以不同干扰信号在Simulink中仿真控制调平性能;在Adams中设计极限倾翻坡度实验,平台在不同姿态、不同升降高度和不同载质量情况下仿真验证其安全性。【结果】建立各部分的数学关系,确定各部分基本尺寸,从而建立了平台三维模型。在控制系统仿真中,俯仰、侧倾控制系统在阶跃干扰信号下能使工作台很快回到水平位置,调平时间分别为1.6、2.1 s,超调量均为0;俯仰、侧倾控制系统在正弦干扰信号下能使工作台始终保持在0°附近,波动范围分别在0.15°、0.19°内。平台极限倾翻坡度仿真实验表明平台的倾翻稳定性随着举升高度和载质量的增加而降低,相比无调平时,有调平时的最小极限倾翻坡度增加了24.77%,平台安全性明显提高。【结论】设计的果园高位自动调平平台能够在不同干扰下始终保持水平,具有较好的抗倾翻能力,安全可靠,能够满足丘陵山地果园的使用需求。

关键词：果园采收机械自动调平 PID控制倾翻实验

来源：评论

学校读者我要写书评

暂无评论

基于少样本学习的森林火灾烟雾检测方法

引用

北京林业大学学报 2023年第9期45卷 137-146页

作者：贾一鸣张长春胡春鹤张军国北京林业大学工学院林木资源高效生产全国重点实验室林业装备与自动化国家林业和草原局重点实验室北京100083

【目的】为解决由于森林火灾烟雾数据集样本量小、样本特征分散、烟雾图像占比小等特点导致的林火烟雾检测模型识别效果差、准确率低等问题,实现快速、准确识别检测森林火灾烟雾。【方法】针对少样本森林火灾烟雾图像数据集的样本特征,... 详细信息

【目的】为解决由于森林火灾烟雾数据集样本量小、样本特征分散、烟雾图像占比小等特点导致的林火烟雾检测模型识别效果差、准确率低等问题,实现快速、准确识别检测森林火灾烟雾。【方法】针对少样本森林火灾烟雾图像数据集的样本特征,本研究提出了一种基于多头注意力机制的森林火灾烟雾图像检测方法。该方法首先在训练阶段采用数据增强方法,扩充训练数据的数量同时降低过拟合风险;然后设计特征提取模块与特征聚合模块,在特征提取模块中引入多头注意力机制并探讨引入的合适位置,使模型更多地关注火灾局部特征,解决烟雾图像少造成的信息缺失问题;在特征聚合模块中使用FPN-PAN模块对图像的深层与浅层语义信息进行特征融合;最后,设置检测头模块输出实验结果。利用测试准确率、召回率、误报率、检测率和F1值等评价指标在少样本公共数据集和自建火灾烟雾少样本数据集上测试本方法的有效性。【结果】在数据增强阶段同时增加马赛克数据增强和多尺度变换,可以得到更好的检测效果。在特征提取模块的第4个卷积模块后面添加1处多头注意力机制的模型性能最好。相较于现有的元学习长短时记忆网络、匹配网络和轻量级目标检测网络等方法,本方法有更好的检测效果,具体表现为准确率达到了98.79%,召回率98.28%,检测率97.33%,误报率仅为6.36%。【结论】与现有的火灾烟雾检测模型相比,本方法具有更好的判别能力和泛化能力。

关键词：森林火灾烟雾检测少样本小目标特征提取多头注意力机制

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：