立木枝杈点自动识别方法

立木整枝机器人在整枝作业过程中需要实时自动识别立木枝杈点并计算出其相对空间位置关系.该文给出了一种适用于立木整枝机器人的立木枝杈点识别新方法.该方法首先使用数学形态学方法对图像进行二值化处理,然后对二值图像进行骨架化处理,最后将骨架化后的图像与一个3×3的全1矩阵构成的模板进行卷积运算;卷积结果大于给定阈值3的像素点就是枝杈点位置.实验证明,该方法能够比较准确地检测到立木图像枝杈点并计算出枝杈点的位置.      

基于计算机视觉的立木枝干直径自动测量方法

立木枝干直径是智能型立木整枝机器人工作的重要工作参数.该文提出了一种基于计算机视觉原理的立木枝干自动测量方法.该方法利用已知大小的标定尺简化无线性畸变CCD摄像机标定过程.首先,将标定尺与被测立木紧贴在一起并通过CCD摄像机获取它们的图像;其次,从图像中通过二次模板匹配方法检测标定尺并统计标定尺像素数;然后,计算出图像每一个像素代表的实际尺寸;第四,通过立木枝杈点检测分离出树干和树枝;最后,将统计立木枝干直径的像素数与每一个像素代表的实际尺寸相乘就可以很容易地计算立木枝干直径.该文测量了12组立木枝干的直径,平均绝对误差为0.67 cm,平均相对误差为1.9%.实验结果表明,计算机视觉的立木枝干直径自动测量方法能够比较精确地解决智能型立木整枝机器人中的立木枝干自动测量问题,但是该方法在进行复杂背景立木枝干直径测量时精度需要进一步提高.      

基于计算机视觉的立木树干曲率自动测量方法

树干曲率的自动测量是智能立木整枝机作业的重要步骤.该文针对立木图像的特点,提出了一种基于计算机视觉的立木树干曲率自动测量方法.该方法包含4个主要步骤:利用阈值分割对树干图像进行提取,得到图像的粗分割;在中值滤波的基础上,利用拉普拉斯算子对图像进行边缘位置点的检测,从而得到准确而连续的边缘;利用数学形态学方法对树干边缘进行细化处理;以道格拉斯-普克法提取树干曲线上的特征点,对其进行曲线拟合并求得树干曲率.实验结果表明,该方法能比较准确地识别树干的弯曲度.      

基于数学形态学的树木图像分割方法

该文针对智能整枝机视觉系统的需要提出一种以数学形态学为主的图像分割方法,解决了智能整枝机视觉系统中背景复杂下树木图像分割困难的问题.该方法分成5个步骤:①利用小波变换将图像进行压缩;②亮度矫正;③用分水岭算法对图像进行分割;④用区域合并法解决分水岭算法中的过度分割问题;⑤用中值滤波器滤除分割过程产生的孤立点.结果表明:该方法比Roberts算子、Sobel算子及Prewitt算子对树木图像的分割效果好,为立木整枝机视觉系统的深入研究打下了基础.     

基于神经网络的立木枝干测量方法研究

通过神经网络算法完成实现摄像机标定,并将标定方法应用到立木枝干的测量上,实现立木枝干尺寸测量的自动化.该方法包含3个主要步骤:首先是通过图像预处理提取特征点,其次针对树木特点提出改进型神经网络摄像机标定算法,最后对测量方法进行验证并对误差进行分析.结果表明,此方法的测量精度能达到0.1mm,测量误差为±1.40 mm,满足作业要求.     

单株立木图像信息的提取与解算

该文采用数码相机获取立木的图像信息，对单株立木图像信息的提取分别运用近景摄影测量DLT模型和双目立体视觉技术进行解算，解决了立木图像信息与立木二维坐标之间的解算问题.基于近景摄影测量技术树木图像信息的二维处理方法，简化了解算方程，提高了求解的运算速度.在提取单株立木形状参数时, 采用计算机双目立体视觉技术存在着操作复杂、成本高的缺点.实验结果表明，应用近景摄影测量技术提取单株立木图像信息的方法有效、可行.      

基于EDA技术的自动立木整枝机无线遥控接收系统

在分析自动立木整枝机工作过程和控制要求的基础上,该文详细阐述了自动立木整枝机无线遥控接收系统的组成及工作原理,进而采用电子设计自动化(EDA)技术设计了自动立木整枝机无线遥控接收系统的数字控制逻辑.通过优化CPLD内部逻辑电路,有效消除了逻辑竞争冒险.仿真结果表明,该系统控制可靠性较高,能有效提高自动立木整枝机的功能安全性.      

遥控自动立木整枝机运动控制系统

正确的控制逻辑是自动立木整枝机运动控制系统的关键技术.该文根据作业要求,研制了基于复杂可编程逻辑器件的自动立木整枝机运动控制系统.该系统采用自制的新型电动机位置动态检测装置,通过复杂数字逻辑运算及相应的闭环控制驱动电路,实现对人工林自动立木整枝机控制信号的分组、实时控制.该运动控制系统设计合理、控制逻辑准确,已成功应用于BSR Z23 001A人工林自动立木整枝机,工作可靠,使用效果良好.      

立木整枝机设计方法与主要参数的研究

该文研究了立木整枝机的工作方式、切削机构、传动机构,提出了螺旋式上升、锯链式切削机构、机械传动是较为理想的整枝机的工作方式.同时,对整枝机的工作参数、对象进行研究,提出了整枝机的合理工作参数,设计了一套测试系统;采用测力传感器测定整枝机系统轮胎与树木的作用力,计算出了轮胎与树木之间的摩擦系数;测定了侧柏、银杏、刺槐等几种主要树木的摩擦系数,为整枝机的动力选择提供了重要的依据.      

近似联合训练的Faster R-CNN对立木图像的检测与识别

为提高复杂背景下立木图像的识别准确率，提出近似联合训练的Faster R-CNN对立木图像进行目标提取并分类。首先迁移ImageNet上的模型VGG16、ResNet101和MobileNetV2提取图像特征并微调网络，然后构建新的数据集包括7科10种立木图像共2 304张，通过该数据集训练和测试3种网络模型下的Faster R-CNN。结果表明，通过近似联合训练的Faster R-CNN得到的均值平均精度分别是93.64%、92.38%、92.58%，对于不同种属的立木，VGG16网络效果最佳。由于光照会对图像识别造成影响，将光照平衡前后的结果作对比，得到光照平衡后的立木图像识别结果优于平衡前。并利用训练的模型对斜向生长的立木图片进行检测，结果显示生长方向不影响图像识别准确率。证明该方法在具有复杂背景的立木图像上具有良好的效果，对更多立木的识别有一定的参考价值。     

手杖式测树仪研制与试验

为了在森林资源调查中能够便捷、快速、精准、高效地获取立木胸径和树高,设计研发了一种手杖式测树仪,其以固定长度手杖为主体,搭载智能手机和测树软件。该设备在传统林业调查装备理论的基础上利用了测树学、摄影测量学、机械加工学、机器视觉、影像处理等技术,通过智能手机影像处理软件实现了胸径的自动识别、测量、记录,并通过手动截取完整立木与所得胸径值演算树高等功能,可以统一编辑、存储、导出最终所得胸径树高。分析结果表明,该手杖式测树仪所得胸径和树高的编差Bias分别为0.29、0.48 cm,相对误差Bias%为1.5%、4.2%,RMSE均为0.70 cm,相对RMSE%为3.6%、6.1%,基本满足二类调查A类精度要求,具有一定的应用价值和推广潜力。     

基于智能手机单目视觉的多株立木高度提取方法

  目的  提出一种智能手机单目视觉下的多株立木高度提取方法。  方法  该方法以智能手机为采集设备，利用Graph Cut 算法对输入的立木图像进行分割定位，实现单幅图像中多株立木轮廓的自动获取；再通过智能手机相机对摄像头进行标定，从而基于几何相似法获取智能手机相机图像的深度信息。在不同角度下拍摄标靶，进行深度提取模型的精度优化，进而确定信息提取的最优方位。同时，结合高精度陀螺仪获取相机俯视角，根据提取的深度信息和相机俯视角实现非接触条件下的多株立木高度测量。  结果  使用型号为MI 2S的小米智能手机为试验设备，在本方法中的立木高度测量模型具有良好的稳定性，并且试验中最高相对误差为2.45%，树高测量精度可达97.55%。  结论  基于智能手机单目视觉下的立木高度提取方法精确度高、操作简便，能够有效满足国家森林资源二类调查中对于树高测量精度的要求。      

地面自动站测报存在的问题及质量提高措施

随着科技的不断进步,地面自动站测报质量也在不断提高,然而,目前我国的自动站测报质量上仍然存在一些问题.对地面自动站测报存在的主要问题进行了深入系统的分析,并提出了测报质量的提高措施,对于我国地面自动站测报的管理实践具有一定的参考意义.     

应力波在美国红松立木中传播机理的试验研究

为了解应力波在立木中的传播机理,本试验用3根新砍伐的美国红松原木来模拟立木,用FAKOPP应力波微秒计测量不同横截面上各个网格节点处的应力波到达时间。结果表明:1)在原木中纵截面上,应力波传播时间等值线在开始阶段为倾斜曲线;随着距离的增大,等值线倾斜度逐渐减小,直至最后与原木长度方向近似垂直。2)应力波到达同一个横截面各部位的时间差与传播距离和原木直径有关,传播距离越长,时间差越小;原木直径越小,时间差越小。3)应力波在中纵截面上,原木表层的传播距离与传播时间之间有很好的比例关系。     

基于遥感技术的森林树种识别研究进展

基于遥感手段的森林类型/树种（组）的精准识别是森林参数提取和计算的前提,是林业遥感领域的研究前沿,可为宏观尺度快速获取森林资源信息提供重要途径。对多源遥感数据在森林树种识别中的应用研究进行总结分析发现,当前基于遥感数据的树种识别已成为林业遥感的研究热点。利用卫星遥感数据和近地低空遥感数据结合随机森林、支持向量机等分类方法进行树种识别已相对成熟。近年来,无人机技术不断发展,以其灵活性强的特点在林业中有较强的应用潜力,在计算机技术、数字图像处理技术和机器学习领域不断发展成熟背景下,低空遥感数据结合深度学习技术应用于森林树种的精确识别是值得深入研究的科学问题。     

基于机器视觉的核桃仁动态分级研究

【目的】基于机器视觉技术研究出一种适合新疆核桃仁动态分级处理的方法。【方法】利用实时采集且已经完成图像预处理的样品核桃图像得到核桃仁特征集合,运用mRMR特征选择算法筛选原始特征集并对特征的重要性进行排列,通过对支持向量机、决策树和朴素贝叶斯三种机器学习算法进行模型训练和测试,得出最佳分级方法,设计核桃仁自动追踪方法和动态分级流程,构建的核桃仁自动分级系统。【结果】在使用特征bin19、K₁和bin15训练朴素贝叶斯分类器时,核桃仁的分级正确率达到最大为97.33%,在动态条件下运用构建的核桃仁自动分级系统对150个核桃仁进行分级测试,正确率为81.33%。【结论】基于机器视觉研究出的核桃仁特征提取与分级方法、核桃仁动态分级处理动作方法,可以有效完成对核桃颜色和完整度的分级。