检索结果-内蒙古大学图书馆

激光与光电子学进展 2022年第18期59卷 362-371页

作者：尹萍徐爱俊尹建新浙江农林大学数学与计算机科学学院浙江杭州311300 浙江省林业智能监测与信息技术研究重点实验室浙江杭州311300 浙江农林大学林业感知技术与智能装备国家林业与草局重点实验室浙江杭州311300

立木视差图是立木因子测量、三维重建的基础。结合立木图像特征,为解决自然环境下立木图像结构复杂、光照干扰大等因素导致获取高质量立木视差图困难的问题,提出一种基于改进的semiglobal matching(SGM)算法的立木视差图生成方法。针对... 详细信息

立木视差图是立木因子测量、三维重建的基础。结合立木图像特征,为解决自然环境下立木图像结构复杂、光照干扰大等因素导致获取高质量立木视差图困难的问题,提出一种基于改进的semiglobal matching(SGM)算法的立木视差图生成方法。针对SGM算法在图像纹理较弱和光照不稳定时生成的视差图效果不佳的问题,提出改进Census变换,该变换将Census中心像素值用周围像素的中值替代,提高初始代价的可靠性;在代价聚合过程中使用均值漂移算法进行图像分割,使算法具有较强鲁棒性的同时还有效降低了对重复和弱纹理区域的误匹配率。最后,分别采用自适应窗口填充无效值、中值滤波剔除不可靠视差值,使视差不连续的区域也能获得准确的视差值。在Middlebury公共数据集上对所提方法进行验证,所提方法的平均误匹配率约为5.23%,较传统的semiglobal block matching(SGBM)算法、BoyerMoore(BM)算法、SGM算法,分别提升9.47个百分点、9.345个百分点、8.96个百分点。自然环境下,所提改进的SGM算法可生成较高精确度的立木视差图。

关键词：立木视差图 SGM 图像分割视差图优化自适应窗口

来源：评论

学校读者我要写书评

暂无评论

基于容栅传感器的立木胸径测量装置研制

引用

传感技术学报 2019年第9期32卷 1435-1442页

作者：孙林豪方陆明方益明翁玉辉楼雄伟浙江农林大学信息工程学院浙江省林业智能监测重点实验室林业感知技术与智能装备国家林业局重点实验室杭州311300 美国斯帝芬奥斯汀州立大学农林学院德克萨斯纳科多奇斯75962

立木胸径是森林资源调查的重要指标。为了快速、精准地获取立木胸径,基于容栅传感器设计并实现了一款测量装置,实现胸径测量、数据上传、存储分析一体化。装置轻便、手感舒适,理论上最小分辨率可达0.01 mm、满量程测量精度为0.001 44%,... 详细信息

立木胸径是森林资源调查的重要指标。为了快速、精准地获取立木胸径,基于容栅传感器设计并实现了一款测量装置,实现胸径测量、数据上传、存储分析一体化。装置轻便、手感舒适,理论上最小分辨率可达0.01 mm、满量程测量精度为0.001 44%,野外测量试验表明:装置的测量精度高,与卡尺的测量结果比较平均绝对误差MAE为0.36 mm(0.26%)、均方根误差RMSE为0.80 mm(0.48%),与围尺的测量结果比较平均绝对误差MAE为4.72 mm(3.10%)、均方根误差RMSE为6.29 mm(3.07%);装置的测量效率高,平均每棵树木耗时仅需10.64 s;相比传统卡尺,效率提高5倍以上;相比传统围尺,效率提高6倍以上。

关键词：森林资源调查容栅传感器胸径测量一体化装置

来源：评论

学校读者我要写书评

暂无评论

结合注意力机制与YOLOv5的松材线虫病受害木检测

引用

林业工程学报 2023年第3期8卷 156-164页

作者：许可季卓夏凯杨垠辉冯海林浙江农林大学数学与计算机科学学院杭州311300 林业感知技术与智能装备国家林业和草原局重点实验室杭州311300 浙江省林业智能监测与信息技术研究重点实验室杭州311300 浙江同创空间技术有限公司杭州311300

松材线虫病是我国近几十年来最严重的一种森林病害,加强疫情的监测迫在眉睫。本研究在自建数据集的基础上采用3种不同的注意力模块(CBAM、SE和CA)改进YOLOv5算法并结合数字正射影像图自动识别松材线虫病受害木,分别对比了改进模型CBAM-Y... 详细信息

松材线虫病是我国近几十年来最严重的一种森林病害,加强疫情的监测迫在眉睫。本研究在自建数据集的基础上采用3种不同的注意力模块(CBAM、SE和CA)改进YOLOv5算法并结合数字正射影像图自动识别松材线虫病受害木,分别对比了改进模型CBAM-YOLOv5、SE-YOLOv5、CA-YOLOv5与YOLOv5模型的识别效果,实现了对变色松树和枯死疫木检测效果的提升。结果表明:3种注意力改进策略的变色松树查全率、平均精度和F1分数显著提高,查准率不逊色于YOLOv5模型;综合考量查全率和F1分数指标,SE-YOLOv5模型的变色松树和枯死疫木检测效果最好,其F1分数分别达到89.7%和76.9%,比原模型分别提高了5.5%和5.4%,其检测精度分别为91.7%和80.3%,较YOLOv5模型分别提升了4.7%和5.1%;在理想置信度阈值情况下3种注意力改进策略的变色松树和枯死疫木查全率均值分别为85.4%和76.6%,基本满足实际检测需求。对各注意力改进模型检测层的特征图和热力图进行剖析可以看出,嵌入注意力机制有利于提取高贡献度的特征成分,可以提升变色松树特征提取的准确性。因此,改进的YOLOv5模型基本满足了在较大疫区范围内对疫情监测的需求,这对于松林资源保护和病害防治具有积极意义。

关键词：松材线虫病无人机影像 YOLO算法注意力机制目标检测

来源：评论

学校读者我要写书评

暂无评论

利用SRAP分子标记分析杨属遗传变异和亲缘关系

引用

林业科学研究 2019年第3期32卷 88-96页

作者：郭丽琴李友丽饶国栋张建国中国林业科学研究院林业研究所国家林业和草原局林木培育重点实验室北京100091 北京农业智能装备技术研究中心北京100097

[目的]对采集自不同地区的22个杨属树种33个样本的遗传变异和亲缘关系进行研究。[方法]利用从72对引物中筛选出的40对相关序列扩增多态性(SRAP)引物组合对杨属不同树种进行遗传变异和亲缘关系分析。[结果]40对引物共扩增出487条清晰条带... 详细信息

[目的]对采集自不同地区的22个杨属树种33个样本的遗传变异和亲缘关系进行研究。[方法]利用从72对引物中筛选出的40对相关序列扩增多态性(SRAP)引物组合对杨属不同树种进行遗传变异和亲缘关系分析。[结果]40对引物共扩增出487条清晰条带,其中,多态性条带为441条,多态性条带比率为90.55%。利用UPGMA得到的聚类分析结果表明了33个样本间的遗传关系,遗传相似系数为0.4486~0.9103;白杨派和胡杨派的派间平均遗传距离最大,为0.3777。聚类分析结果表明,33个样本可分为4大类,这一聚类结果与传统的分类结果一致。通过系统发育树可以看出,白杨派单独形成一个分支,黑杨派、胡杨派和青杨派形成另一分支,可能暗示白杨派与其他各派的亲缘关系较远,青杨派与黑杨派和胡杨派的亲缘关系则比较近。[结论]不同的杨树品种在SRAP位点有较高的多态性,SRAP分子标记适用于分析杨属的遗传变异和亲缘关系,研究结果为杨属树种的分类鉴定、系统进化等提供了一定的理论依据。

关键词：杨属 SRAP 遗传变异亲缘关系

来源：评论

学校读者我要写书评

暂无评论

基于Boruta和极端随机树方法的森林蓄积量估测

引用

林业资源管理 2020年第4期 127-133页

作者：韩瑞吴达胜方陆明黄宇玲浙江农林大学信息工程学院林业感知技术与智能装备国家林业和草原局重点实验室浙江省林业智能监测与信息技术研究重点实验室醴陵市陶瓷烟花职业技术学校

森林蓄积量是反映森林资源数量的重要指标之一。本研究应用Boruta特征选择方法和极端随机树(Extremely randomized trees,Extra-trees)方法,以小班为研究单元,估测龙泉市部分区域森林资源的每公顷蓄积量,为县域尺度森林蓄积量的估测提... 详细信息

森林蓄积量是反映森林资源数量的重要指标之一。本研究应用Boruta特征选择方法和极端随机树(Extremely randomized trees,Extra-trees)方法,以小班为研究单元,估测龙泉市部分区域森林资源的每公顷蓄积量,为县域尺度森林蓄积量的估测提供新的方法和思路。基于研究区的森林资源二类调查数据、高分二号(GF-2)遥感影像数据、数字高程模型数据,提取多元特征组成原始特征集。通过Boruta选择方法对原始特征集进行筛选,利用Extra-trees方法建立森林蓄积量估测模型,选用十折交叉验证法对模型进行检验,并与随机森林(Random Forest,RF)方法和梯度提升(Gradient Boosting)方法进行对比分析。研究结果显示:1)经过Boruta特征选择方法得出的特征有土层厚度、年龄、郁闭度、海拔、坡度和坡向;2)极端随机树方法采用网格搜索调参得到的最优参数组合为:树的个数为250,树的最大深度为14;3)基于Boruta和极端随机树方法的森林蓄积量估测模型的测试精度为84.14%,R2为0.92,RMSE为19.65m3/hm2,MAE为13.95m3/hm2,模型优于随机森林方法和梯度提升方法,表明Boruta特征选择方法结合极端随机树方法估测森林蓄积量可取得更好的效果。

关键词： Boruta特征选择极端随机树随机森林森林蓄积量机器学习

来源：评论

学校读者我要写书评

暂无评论

基于单目视觉的立木高度测量方法研究

引用

中南林业科技大学学报 2019年第11期39卷 29-35页

作者：陈相武徐爱俊浙江农林大学信息工程学院浙江杭州311300 浙江农林大学浙江省林业智能监测与信息技术研究重点实验室浙江杭州311300 浙江农林大学林业感知技术与智能装备国家林业与草原局重点实验室浙江杭州311300

针对传统立木高度测量方法中存在的测量效率低、设备不易携带等缺点,以摄影测量学、单目视觉测量、图像处理等技术为基础,提出一种基于单目视觉的立木高度测量方法。该方法利用Graph Cut算法对立木图像进行分割,实现图像中立木轮廓的自... 详细信息

针对传统立木高度测量方法中存在的测量效率低、设备不易携带等缺点,以摄影测量学、单目视觉测量、图像处理等技术为基础,提出一种基于单目视觉的立木高度测量方法。该方法利用Graph Cut算法对立木图像进行分割,实现图像中立木轮廓的自动获取;通过对相机模型内各个参数进行标定,再结合相机成像原理的几何相似模型,根据相机成像的逆推模型进行求解来获取相机与立木底端间的深度信息,再利用高精度陀螺仪获取相机俯视角,通过深度信息和角度信息实现非接触条件下的树高测量。且该方法无须知道相机的运动信息,仅通过拍摄单张立木图像便可测量立木到相机的距离,并实现立木高度测量。本研究使用型号为MI 2S的小米手机(内置高精度陀螺仪)作为实验设备,验证在任意范围内树高测量模型的精度。结果表明:该方法的树高测量精度可达95.78%,最高相对误差为4.22%,具有较高的精确性和有效性,能够满足国家森林资源连二类调查中树高测量精度的要求。

关键词：立木高度轮廓提取几何相似高度测量

来源：评论

学校读者我要写书评

暂无评论

木材径切面内部缺陷的应力波成像算法

引用

浙江农林大学学报 2019年第2期36卷 211-218页

作者：郑泽宇冯海林杜晓晨方益明浙江农林大学信息工程学院浙江杭州311300 浙江农林大学浙江省林业智能监测与信息技术研究重点实验室浙江杭州311300 浙江农林大学林业感知技术与智能装备国家林业和草原局重点实验室浙江杭州311300

为了获得木材径切面上的缺陷形状、大小和位置,提出一种木材径切面内部缺陷成像的方法。首先,基于应力波在木材径切面上的传播规律,提出一种木材径切面上的应力波速度修正方法。将应力波速度转换为径切面上的若干个预估点的值,结合反距... 详细信息

为了获得木材径切面上的缺陷形状、大小和位置,提出一种木材径切面内部缺陷成像的方法。首先,基于应力波在木材径切面上的传播规律,提出一种木材径切面上的应力波速度修正方法。将应力波速度转换为径切面上的若干个预估点的值,结合反距离加权插值(IDW)法提出一种速度修正插值(VCI)方法。最后,使用VCI方法在不同树木样本上进行了木材径切面缺陷的二维成像实验。结果表明:①VCI方法可以重建木材内部缺陷大小以及缺陷位置,缺陷成像结果与真实的缺陷情况相吻合。②对比IDW方法的成像结果, VCI方法对缺陷的大小以及缺陷形状、位置的成像结果有较大提高。③利用混淆矩阵方法对VCI与IDW方法进行定量分析表明, VCI方法的平均准确率、平均精确度和平均查全率均高于IDW方法,说明VCI方法成像效果的可行性和有效性。

关键词：木材学应力波径切面成像缺陷检测速度修正插值法

来源：评论

学校读者我要写书评

暂无评论

基于逐步回归的XGboost方法的森林蓄积量估测

引用

中南林业科技大学学报 2020年第6期40卷 72-80页

作者：黄宇玲吴达胜方陆明浙江农林大学信息工程学院浙江杭州311300 浙江农林大学林业感知技术与智能装备国家林业和草原局重点实验室浙江杭州311300 浙江农林大学浙江省林业智能监测与信息技术研究重点实验室浙江杭州311300

【目的】森林蓄积量是反映森林资源总规模和水平的基本林分调查因子之一,也是衡量森林资源丰富程度和森林生态环境优劣的重要依据。为探索更优的森林蓄积量建模和估测方法,以期为林业科学中森林蓄积量的估测研究提供新的方法与思路。【... 详细信息

【目的】森林蓄积量是反映森林资源总规模和水平的基本林分调查因子之一,也是衡量森林资源丰富程度和森林生态环境优劣的重要依据。为探索更优的森林蓄积量建模和估测方法,以期为林业科学中森林蓄积量的估测研究提供新的方法与思路。【方法】以浙江省龙泉市为研究区,以单位蓄积量(m3/mu)为研究对象,集成森林资源二类调查数据、高分二号遥感影像数据、数字高程模型(DEM)数据。通过逐步回归特征选择方法选取与蓄积量相关的自变量因子,在不区分树种的情况下,利用极端梯度提升(eXtreme gradient boosting,XGboost)方法、决策树梯度提升(Light generalized boosted regression models,LGBM)方法和梯度提升(Gradient boosting)方法分别建立蓄积量估测模型。然后,基于区分针叶林、阔叶林、针阔混交林的情况下,用XGboost方法再次建立蓄积量估测模型,并与未区分树种情况下的估测结果进行对比。采用十折交叉验证法对模型性能指标进行检验。【结果】在不区分树种的情况下,XGboost呈现了最佳的效果,优于LGBM方法和Gradient boosting方法,其建模精度为89.65%,估测精度为83.19%。在区分树种结构下,XGboost方法的建模精度(89.31%)与不区分树种情况下没有明显区别,但估测精度(84.5%)有一定提升,其中针叶林的效果最好。【结论】逐步回归特征选择方法结合XGboost方法能够取得最好的森林蓄积量估测效果,区分树种能够在一定程度上提高模型的泛化能力。XGboost方法在实践中使用方便,提供了在短时间内估测森林蓄积量的可能性,从而为森林蓄积量的估测提供了新的方法。

关键词：极端梯度提升算法决策树梯度提升算法梯度提升算法森林蓄积量高分二号

来源：评论

学校读者我要写书评

暂无评论

基于智能手机与机器视觉技术的立木胸径测量方法

引用

浙江农林大学学报 2018年第5期35卷 892-899页

作者：管昉立徐爱俊浙江农林大学信息工程学院浙江杭州311300 浙江农林大学林业感知技术与智能装备国家林业与草原局重点实验室浙江杭州311300 浙江农林大学浙江省林业智能监测与信息技术研究重点实验室浙江杭州311300

针对现有森林资源调查中立木胸径测量工作劳动强度大、效率低,先进设备操作复杂、成本高等问题,结合相机标定、三维重建、机器视觉和近景摄影测量等技术,探索基于智能手机与机器视觉技术的立木胸径测量方法。通过智能手机获取待测立木... 详细信息

针对现有森林资源调查中立木胸径测量工作劳动强度大、效率低,先进设备操作复杂、成本高等问题,结合相机标定、三维重建、机器视觉和近景摄影测量等技术,探索基于智能手机与机器视觉技术的立木胸径测量方法。通过智能手机获取待测立木的图像信息,运用Lab颜色空间模型(Lab color model)和3×3算子对图像进行卷积运算,得到立木图像的视觉显著图;结合HSV颜色模型(色调H,饱和度S,明度V)中的H分量增强图像中立木树干部分的颜色对比度,通过图像分割算法识别并获取自然环境下的目标立木轮廓区域;通过一种改进的带有非线性畸变项的相机标定模型标定智能手机的相机内、外参数,并借助相机参数和二维图像信息进行三维世界坐标重建,从而实现树干1.3 m处胸径的测量。经验证,一定距离内胸径测量结果的相对误差小于2.50%。该方法测量精度较高,符合森林资源调查对胸径测量的精度要求,可应用于森林资源调查。

关键词：森林计测学智能手机胸径测量相机标定三维重建视觉显著性自适应直方图均衡化

来源：评论

学校读者我要写书评

暂无评论

基于无人机影像的树顶点和树高提取及其影响因素分析

引用

林草资源研究 2019年第4期 107-116页

作者：刘江俊高海力方陆明郑辛煜姜广宇浙江农林大学信息工程学院浙江省林业智能监测与信息技术研究重点实验室浙江省公益林和国有林场管理总局国家林业与草原局林业感知技术与智能装备重点实验室

对基于无人机影像生成的树冠高度模型（Canopy Height Model,CHM）,采用局部最大值算法进行树顶点和树高提取的可行性进行了探讨。此外,还探讨了分辨率、窗口大小对于树顶点提取的影响。以密集的针阔混交林为样地,利用SfM（Structure fr... 详细信息

对基于无人机影像生成的树冠高度模型（Canopy Height Model,CHM）,采用局部最大值算法进行树顶点和树高提取的可行性进行了探讨。此外,还探讨了分辨率、窗口大小对于树顶点提取的影响。以密集的针阔混交林为样地,利用SfM（Structure from Motion）算法结合无人机影像对研究区进行三维重建,得到点云、数字表面模型（Digital Surface Model,DSM）、数字高程模型（Digital Elevation Model,DEM）等一系列三维数据并生成CHM。然后,对不同分辨率的CHM使用不同的平滑窗口大小、移动窗口大小组合进行树顶点的提取并对结果进行精度评价。当CHM分辨率为0.4m,平滑窗口大小为3×3像元,移动窗口大小为3×3像元时,树顶点的提取精度最高,F测度为77.08%。将基于该组合提取正确的37个树顶点对应的提取树高与实地测量得到的树高对比,R2为0.966 9,RMSE为1.411 4m,rRMSE=10.69%。研究结果表明:利用无人机影像可以较好地提取复杂树林的树顶点和树高;基于局部最大值算法提取树顶点,需要根据实际情况确定CHM的分辨率、平滑窗口大小和移动窗口大小,以获得最佳提取结果。

关键词：无人机树顶点树高分辨率窗口大小

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：