检索结果-内蒙古大学图书馆

农业工程学报 2023年第18期39卷 74-81页

作者：才嘉伟陈锋军朱学岩彭小丹林剑辉顾梦梦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 林业装备与自动化国家林业局重点实验室北京100083 科罗拉多州立大学园艺与景观建筑系柯林斯堡80523

苗木数量统计和库存管理对于大型苗圃经营和管理十分重要。该研究针对种植稠密的云杉地块,以无人机航拍云杉图像为对象,提出一种改进IntegrateNet模型,实现稠密云杉的准确计数。选择对稠密目标识别性能好的IntegrateNet为基础模型,根据... 详细信息

苗木数量统计和库存管理对于大型苗圃经营和管理十分重要。该研究针对种植稠密的云杉地块,以无人机航拍云杉图像为对象,提出一种改进IntegrateNet模型,实现稠密云杉的准确计数。选择对稠密目标识别性能好的IntegrateNet为基础模型,根据稠密云杉粘连严重以及杂草背景干扰进行改进,首先使用自校正卷积(self-calibrated convolutions,SCConv)提高卷积感受野,增强模型对于不同尺寸云杉的适应能力。其次,在特征融合处应用十字交叉注意力机制(criss-cross attention,CCA)提高模型对上下文信息的提取能力。以平均计数准确率(mean counting accuracy,MCA)、平均绝对误差(mean absolute error,MAE)、均方根误差(root mean square error,RMSE)和决定系数R2为评价指标。分析结果表明,改进IntegrateNet模型在181幅测试集上的平均计数准确率,平均绝对误差,均方根误差,决定系数分别达到98.32%,8.99株、13.79株和0.99,相较于TasselNetv3_lite、TasselNetv3_seg和IntegrateNet模型,平均计数准确率分别提升16.44、10.55和9.26个百分点,平均绝对误差分别降低25.62、10.45和6.99株,均方根误差分别降低48.25、13.84和12.52株。改进IntegrateNet模型能够有效提高稠密云杉的计数准确率,可为完善苗木数量统计系统提供算法基础。

关键词：无人机图像处理目标计数稠密云杉改进IntegrateNet

来源：评论

学校读者我要写书评

暂无评论

基于LSTM和GRU模型的森林物候预测研究

引用

Journal of Resources and Ecology 2023年第1期14卷 25-34页

作者：关鹏郑一力北京林业大学工学院北京100083 北京城乡生态环境实验室北京100083 国家林业局林业装备与自动化重点实验室北京100083

森林物候是研究气候与环境变化之间关联的重要参量。本研究将光学相机作为近地遥感卫星设备获取森林图像,计算出绝对绿度指数(GEI)数据,通过双逻辑斯蒂模型和归一化处理方法,拟合GEI数据物候季节变化曲线;引入LSTM和GRU深度学习模型对... 详细信息

森林物候是研究气候与环境变化之间关联的重要参量。本研究将光学相机作为近地遥感卫星设备获取森林图像,计算出绝对绿度指数(GEI)数据,通过双逻辑斯蒂模型和归一化处理方法,拟合GEI数据物候季节变化曲线;引入LSTM和GRU深度学习模型对物候数据进行训练和测试分析,并验证深度学习模型合理性和性能评估,最后预测GEI数据未来60天变化趋势。结果表明:在森林物候训练和预测方面,GRU与LSTM模型经直方图和自相关图验证,显示预测数据分布与真实数据趋势吻合,LSTM与GRU模型呈现的结果数据具有可行性且模型具有平稳性;LSTM模型与GRU模型的MSE、RMSE、MAE和MAPE差值分别为0.0014、0.013、0.008和5.26%,GRU模型的性能优于LSTM;LSTM与GRU模型对GEI数据未来60天预测,均表现出与上半年GEI数据变化趋势相符合的走势图;通过GRU和LSTM对GEI数据进行深度学习模型预测,实现LSTM和GRU深度学习模型在森林物候预测中的响应,同时验证了GRU性能优于LSTM模型,从而进一步揭示未来森林物候的生长和气候变化,为森林物候预测的应用提供理论依据。

关键词：森林物候绝对绿度指数 LSTM模型 GRU模型预测

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

基于TC-YOLO模型的北京珍稀鸟类识别方法

引用

生物多样性 2024年第5期32卷 123-137页

作者：李柏灿张军国张长春王丽凤徐基良刘利北京林业大学工学院北京100083 林木资源高效生产全国重点实验室北京100083 林业装备与自动化国家林业和草原局重点实验室北京100083 北京林业大学生态与自然保护学院北京100083 包头师范学院生物科学与技术学院内蒙古包头014030

北京地区珍稀鸟类的保护对维护当地生物多样性具有重要意义。随着人工智能技术的发展,利用深度学习技术自动识别鸟类成为鸟类调查保护的重要手段。实际鸟类图像存在背景复杂以及相近科属鸟类具有外观相似等特点,导致模型识别精度不佳。... 详细信息

北京地区珍稀鸟类的保护对维护当地生物多样性具有重要意义。随着人工智能技术的发展,利用深度学习技术自动识别鸟类成为鸟类调查保护的重要手段。实际鸟类图像存在背景复杂以及相近科属鸟类具有外观相似等特点,导致模型识别精度不佳。针对以上问题,本文提出一种基于TC-YOLO模型的鸟类识别方法。首先,为解决鸟类识别中复杂背景导致的漏检问题,本文方法结合CARAFE(content-aware reassembly of features)机制,自适应生成不同特征点所对应的上采样核,在更大的感受野内聚合上下文语义信息,有效聚焦鸟类前景区域。其次,为解决鸟类识别中相似外观导致的误检问题,本文方法引入TSCODE(task-specificcontextdecoupling)解耦定位和分类任务,通过获取多层级特征图的信息以回归目标边界,并利用包含底层纹理和高层语义的特征进行物种分类,进而提高模型的鸟类识别精度。最后,本文开展对比实验以验证模型的性能。实验结果表明,TC-YOLO模型的平均精度均值在包含北京地区28种国家一级保护鸟类的自建数据集Beijing-28和鸟类公开数据集CUB200-2011上分别达到78.7%和75.3%,均优于已有方法,而且在公开数据集MS COCO上验证了TC-YOLO模型拥有较强的泛化性。本文提出的TC-YOLO模型对背景复杂或外观相似的鸟类图像都能有效识别,漏检率和误检率较低,能够为鸟类保护提供重要技术支撑。

关键词：珍稀鸟类图像识别 YOLOv5s 上采样解耦头

来源：评论

学校读者我要写书评

暂无评论

小型集材挂车满载工况下的有限元建模与分析

引用

森林工程 2024年第3期40卷 170-177页

作者：韩东涛马跃威刘晋浩崔小青呼伦贝尔学院内蒙古呼伦贝尔021000 北京林业大学工学院北京100083 国家林业和草原局林业装备与自动化重点实验室北京100083

小型集材挂车于林间作业存在多种工况,包括满载弯曲、满载扭转、紧急制动和急速转弯。为解决挂车在满载工况下车载系统的可靠性与安全性较差的问题,建立小型集材挂车的三维装配模型,进行静态分析。通过有限元分析,研究挂车在4种典型工... 详细信息

小型集材挂车于林间作业存在多种工况,包括满载弯曲、满载扭转、紧急制动和急速转弯。为解决挂车在满载工况下车载系统的可靠性与安全性较差的问题,建立小型集材挂车的三维装配模型,进行静态分析。通过有限元分析,研究挂车在4种典型工况下的结构变形和应力分布。研究表明,满载弯曲工况下,最大位移为4.5177 mm,最大应力为115.19 MPa,安全系数为3.08;满载扭转工况下,最大位移为0.98448 mm,最大应力为71.929 MPa,安全系数为4.935;满载制动工况下,最大位移为4.9946 mm,最大应力为120.05 MPa,安全系数为2.957;紧急转弯工况下,最大位移为4.3658 mm,最大应力为104.64 MPa,安全系数为3.39。结果显示研究设计的小型集材挂车在林间作业时满载工况下稳定性较强,确保木材的可靠采集和运输。基于该结果可进一步优化挂车设计和性能,以适应不断变化的需求和环境要求。

关键词：小型集材挂车 ANSYS仿真集材工况林木集材结构稳定性分析材料力学

来源：评论

学校读者我要写书评

暂无评论

基于改进的PSPNet网络的毛白杨根系自动分割量化系统

引用

浙江农业学报 2024年第2期36卷 424-431页

作者：张鹏翀韩巧玲席本野郑秋燕赵玥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 智慧林业研究中心北京100083 国家林业和草原局林业装备与自动化国家重点实验室北京100083 北京林业大学省部共建森林培育与保护教育部重点实验室北京100083

针对毛白杨微根管图像中根系颜色不均匀、形态不一致、目标背景差异小的特点,以及现有根系图像处理软件无法批量分割的问题,提出一个基于深度学习网络的毛白杨根系自动分割量化系统。该系统包括根系图像自动分割和根系特征量化两个部分... 详细信息

针对毛白杨微根管图像中根系颜色不均匀、形态不一致、目标背景差异小的特点,以及现有根系图像处理软件无法批量分割的问题,提出一个基于深度学习网络的毛白杨根系自动分割量化系统。该系统包括根系图像自动分割和根系特征量化两个部分。首先,提出以EPSANet50为骨架的PSEPNet网络(pyramid scene efficient parsing network, PSEPNet)实现毛白杨根系图像的自动高精度分割;其次,使用骨架细化法提取根系中心像素轮廓;最后,运用数学统计方法提取根系数量、根系长度等多特征参数,实现对毛白杨根系特征的量化表达。结果表明:PSEPNet网络对毛白杨微根管根系图像具有良好的分割效果,其准确率为0.981 9,召回率为0.884 9,精确率为0.830 9,F1值为0.851 2,能够实现对根系数量、根系长度、根系投影面积等特征的量化,可为基于微根管技术对林木生长规律的研究提供技术支持和数据基础。

关键词：微根管毛白杨根系语义分割特征量化

来源：评论

学校读者我要写书评

暂无评论

青皮核桃挤压式捡拾机构的设计与试验

引用

南方农机 2024年第7期55卷 1-5,10页

作者：陕岩徐道春北京林业大学工学院北京100083 林业装备与自动化国家林草局重点实验室北京100083

【目的】我国核桃捡拾仍是人工收集,工作效率较低、劳动力成本逐年提高,且现有机械设备无法满足核桃捡拾要求。【方法】基于青皮核桃种植环境及物理参数,设计了一种挤压式青皮核桃捡拾机构,对机构的捡拾过程进行了理论与运动学分析,且... 详细信息

【目的】我国核桃捡拾仍是人工收集,工作效率较低、劳动力成本逐年提高,且现有机械设备无法满足核桃捡拾要求。【方法】基于青皮核桃种植环境及物理参数,设计了一种挤压式青皮核桃捡拾机构,对机构的捡拾过程进行了理论与运动学分析,且制作了样机进行了仿真分析,并选取30个不同尺寸青皮核桃进行了验证试验。【结果】捡拾机构工作时,质心运动速度波动较小,位移变化稳定,青皮核桃平均捡拾时间约为2.7 s,同时试验过程中捡拾机构产生的接触力最大为22.3 N,满足强度要求,青皮核桃捡拾无损率为98%。【结论】设计的装置可以满足青皮核桃采收作业的捡拾要求,结构简单,操作便利,工作效率高,大大降低了人工成本,具有广阔的应用前景。

关键词：青皮核桃挤压式捡拾机构动力学仿真

来源：评论

学校读者我要写书评

暂无评论

基于无人机图像和贝叶斯CSRNet模型的粘连云杉计数

引用

农业工程学报 2022年第14期38卷 43-50,F0003页

作者：朱学岩张新伟才嘉伟郑一力顾梦梦陈锋军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 德州农工大学园艺系卡城77843

自动、准确且快速地统计苗木数量是实现苗圃高效管理的重要基础。针对现有苗木计数方法准确率较低且无法准确统计粘连苗木等问题,该研究提出了一种基于贝叶斯CSRNet模型的云杉计数模型。该模型以对粘连苗木具有良好稳定性的CSRNet模型... 详细信息

自动、准确且快速地统计苗木数量是实现苗圃高效管理的重要基础。针对现有苗木计数方法准确率较低且无法准确统计粘连苗木等问题,该研究提出了一种基于贝叶斯CSRNet模型的云杉计数模型。该模型以对粘连苗木具有良好稳定性的CSRNet模型为基础,引入贝叶斯损失函数,以人工标注的点标签数据作为监督信号。以1176幅云杉图像训练贝叶斯CSRNet模型,并通过166幅测试集云杉图像进行测试。结果表明,贝叶斯CSRNet模型可以准确、快速地统计无人机航拍图像内的云杉,对测试集图像内云杉的平均计数准确率(Mean Counting Accuracy,MCA)、平均绝对误差(Mean Absolute Error,MAE)和均方误差(Mean Square Error,MSE)分别为99.19%、1.42和2.80。单幅云杉图像耗时仅为248 ms,模型大小为62 Mb。对比YOLOv3模型、改进YOLOv3模型、CSRNet模型和贝叶斯CSRNet模型对166幅测试集云杉图像的计数结果,贝叶斯CSRNet模型的MCA分别比YOLOv3模型、改进YOLOv3模型、CSRNet模型高3.43%、1.44%和1.13%;MAE分别低6.8、2.9和1.67;MSE分别低101.74、23.48和8.57。在MCT(Mean Counting Time)和MS(Model Sizel)两项指标上,贝叶斯CSRNet模型与CSRNet模型相同且优于YOLOv3模型和改进YOLOv3模型。贝叶斯CSRNet模型可实现无人机航拍图像内苗木数量的自动、准确、快速统计,为苗木库存智能盘点提供参考。

关键词：无人机模型苗木计数贝叶斯CSRNet CSRNet 粘连苗木云杉

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

基于无人机图像和改进LSC-CNN模型的密集苗木检测和计数方法

引用

智慧农业（中英文） 2024年第5期6卷 88-97页

作者：彭小丹陈锋军朱学岩才嘉伟顾梦梦北京林业大学工学院北京100083 林木资源高效生产全国重点实验室北京100083 城乡生态环境北京实验室北京100083 林业装备与自动化国家林业和草原局重点实验室北京100083 科罗拉多州立大学园艺与景观建筑系美国柯林斯堡80523

[目的/意义]快速、准确地统计密集种植的苗木数量对苗木经营管理具有重要意义。为解决无人机航拍的密集种植苗木图像中苗木粘连、尺度差异大的问题,提出以点标签数据为监督信号的改进密集检测计数模型(Locate,Size and Count,LSC-CNN),... 详细信息

[目的/意义]快速、准确地统计密集种植的苗木数量对苗木经营管理具有重要意义。为解决无人机航拍的密集种植苗木图像中苗木粘连、尺度差异大的问题,提出以点标签数据为监督信号的改进密集检测计数模型(Locate,Size and Count,LSC-CNN),同时实现苗木的检测和计数。[方法]改进的LSC-CNN模型通过将LSC-CNN模型特征提取网络的最后一层卷积替换为扩张卷积(Dilated Convolutions,DConv),实现在保留苗木细节特征的同时扩大感受野,帮助模型更好地理解上下文信息以区分粘连苗木。此外,在多个尺度分支前引入注意力机制(Convolutional Block Attention Module,CBAM)使模型聚焦于有助于苗木检测和计数的关键特征,以更好地适应不同尺度的苗木。为解决类别不平衡问题,提高模型的泛化能力,将损失函数替换为标签平滑交叉熵损失函数。[结果和讨论]经测试,改进LSC-CNN模型在456幅苗木图像的测试集上的平均绝对误差(Mean Absolute Error,MAE)、均方根误差(Root Mean Square Error,RMSE)和平均计数准确率(Mean Counting Accurate,MCA)分别为14.24株、22.22株和91.23%,三项指标均优于IntegrateNet、PSGCNet、CANet、CSRNet、CLTR和LSC-CNN模型。[结论]改进LSC-CNN模型能够准确实现密集种植苗木的检测和计数,适用于多种树木的检测和计数工作。

关键词：无人机密集种植计数多尺度 LSC-CNN

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：