基于GIS技术林区道路选线方案优化方法的研究

根据林区道路修建的有关信息 ,建立了基于GIS技术的林区道路路线方案设计流程 ,在此基础上 ,应用层次分析法 ,建立林区道路路线方案优化的层次结构模型 ,对影响林区道路选线的多因素进行了综合分析 ,提出了基于GIS技术林区道路选线方案优化流程。该方法将对林区道路的修建提供一定参考价值     

基于双目立体视觉SLAM的林下实时定位

[目的]在林下环境中受到树木冠层的遮挡,易造成全球导航卫星系统卫星信号失锁,不能满足林下实时定位的需求.本研究引入双目立体视觉SLAM技术,在移动过程中根据周围环境中路标点的位置变化实时确定传感器的空间位置和姿态,以期在林下环境中达到实时定位的目的.[方法]实验过程中使用双目相机按照10 Hz的采集频率对3块边长为40...     

基于机器视觉的实木地板在线分色识别算法

实木地板具有良好的美学性能,是室内装饰的优良材料。为了满足特定的室内装饰要求的艺术效果,实木地板的颜色需要协调,因此在生产过程中需要根据实木地板的颜色进行分类,以满足客户的个性化需求。然而,传统人工识别分选的方法受劳动强度、工作效率等因素制约,难以满足产业的发展需求。本试验基于机器视觉技术,对实木地板颜色的图像采集装置与识别分类算法进行了设计。首先,利用彩色CCD相机对3个颜色等级的实木地板进行图像采集,共获得了150幅木材图像,其中80%用来训练、10%用来测试、10%用来验证。然后,利用极限学习机ELM进行颜色分类,并比较不同优化算法的优化效果,如灰狼优化算法(GWO)、遗传优化算法(GA)、粒子群优化算法(PSO)。结果表明,利用灰狼优化的极限学习机(GWO-ELM)对3个颜色等级实木地板图像的识别准确率最高,分别为88.6%,86%和100%。考虑到实木地板的单块完整性,算法的分类结果能有效满足实际生产需求,为国内实木家居企业的智能化发展提供了一套行之有效的解决方法。     

Effects of aggregating forests, establishing forest road networks, and mechanization on operational efficiency and costs in a mountainous region in Japan

We investigated forest road networks and forestry operations before and after mechanization on aggregated forestry operation sites. We developed equations to estimate densities of road networks with av...     

基于高分二号的旺业甸林场蓄积量估测模型研究

【目的】为了探究国产高分二号(GF-2)影像在林分蓄积量估测中的潜力,并找到最佳的蓄积量估测模型。【方法】本次实验以内蒙古旺业甸林场为研究区,以高分二号卫星影像为信息源,结合2017年10月份调查的75块样地以及同时期的GF-2影像数据,提取波段特征、植被指数和纹理特征等43个遥感因子作为候选变量,利用Pearson相关系数选择出与蓄积量显著相关的6个变量,采用多元线性回归模型(MLR)、BP-神经网络模型(BP-ANN)、随机森林模型(RF)、支持向量机模型(SVM)和K邻近模型(KNN)进行蓄积量的估测。以决定系数(R^2)、均方根误差(RMSE)、相对均方根误差(RRMSE%)作为5种模型的评价指标,选择出旺业甸林场的最佳蓄积量估测模型,并绘制了研究区的森林蓄积量分布图。【结果】4种机器学习模型的结果明显优于传统的线性模型,其中随机森林(RF)模型和K邻近模型(KNN)均得到了较高的精度,其中RF模型的R^2为0.66,均方根误差为55.2 m^3/hm^2,相对均方根误差为28.1%,KNN模型的R^2为0.64,均方根误差为57.6 m^3/hm^2相对均方根误差为29.3%。【结论】在利用高分二号数据进行旺业甸林场蓄积量估测时,RF和KNN模型在估测针叶林蓄积量时相比于其他模型可以取得更好的结果。     

基于Landsat8 OLI遥感影像的森林蓄积量估测模型研究

本次试验以湖南省湘潭县为研究区,提取Landsat8 OLI影像数据的56个遥感因子作为候选因子,结合皮尔逊相关系数和主成分分析两种方法对变量进行降维,构建多元线性回归模型(MLR)、误差反向传播神经网络(BP-ANN)、K最近邻模型(KNN)和随机森林模型(RF)进行蓄积量反演,并采用决定系数(R2)、均方根误差(R...