原木端面图像检尺直径识别算法的研究

论述应用计算机图像处理和识别技术来研究不规则类圆形目标的识别问题,以成捆原木端面图像为实例,提出一种原木端面检尺直径识别的算法。     

原木端面图像检尺直径识别的一种算法

论述了应用计算机图像处理和识别技术来识别不规则圆形类目标的问题,以成捆原木端面图像为实例,提出一种原木端面检尺直径识别的算法。     

科技信息

●“精确农药使用中连续目标图像采集与处理”通过成果鉴定2 0 0 3年 6月 2 8日 ,江苏省科技厅组织专家对南京林业大学完成的江苏省国际科技合作项目“精确农药使用中连续目标图像采集与处理”进行了鉴定。鉴定委员会听取了课题组的成果汇报、审阅了鉴定技术文件材料、观看了程序演示 ,并就有关问题进行了讨论 ,形成如下意见 :(1 )该研究成果实现了精确农药使用中连续树木目标图像的采集与处理及树形的自动识别 ,该技术成果将为以城市生态林为代表的林业病虫害防治提供一种全新的防治技术。(2 )研制了适应室内喷雾测试控制的树木图像处理系…     

基于DSP的木材缺陷图像处理系统

探讨了木材缺陷计算机视觉识别技术研究的现状,提出了基于DSP的木材缺陷图像处理系统的硬件结构以及图像处理的算法;介绍了图像采集芯片SAA7113和实现图像采集的方法,并给出上述系统的处理结果。     

提高动态树木图像分割处理速度的方法

针对智能对靶喷雾技术领域中动态树木图像分割处理速度的提高方法进行研究.对整个系统程序设计进行调整,采用四叉树的数据结构进行图像存储,并将基于相对色彩因子的图像处理算法应用在系统中,根据光线强弱自动调节图像分割阈值,提高了识别率;在此基础上减少了系统处理树木图像的时间.通过试验验证系统的运行情况,将图像分割处理的速度提高到小于0.1 s·f-1,进一步提升智能对靶喷雾的实时性.     

彩色树木图像分割算法的研究

树木图像分割是将树木与其周围景物分离的技术,是虚拟现实和计算机仿真等学科在林业应用的核心技术,也是机器视觉领域的重要研究方向,拓宽了计算机技术在林业中的应用。本项研究基于树木图像形状复杂的特点,设计并实现了一种结合C-V模型水平集及形态学处理的彩色树木图像分割算法。运用改进的最小化能量函数作为水平集的演化曲线,可以更加自然地改变曲线拓扑结构,对含有分裂、合并、形成尖角等复杂形状的目标对象分割更为有效。如果再结合形态学后处理算法,将初次分割图像中非目标区的细密纹理和噪声剔除,可以快速准确地得到全局最优的图像分割效果。同时进行了与基于梯度变换的改进分水岭树木图像分割和基于灰度-梯度最大熵的树木图像分割算法的对比试验,试验表明,结合C-V模型水平集和形态学算法对树木图像分割效果更为有效。     

板材端面细胞实体检测图像的切片化处理研究

针对无损检测板材材种这个木材行业亟待解决的问题,根据木材端面细胞图像显现方便和易于检测的特点,利用计算机图像处理技术,研究并提出了依靠木材端面细胞实体检测图像进行板材材种识别的新方法和研究方向,为建立木材几何参数识别的数学模型提供了理论依据,为科学化和工业化鉴定检测板材材种提供了新的理论研究方向。     

树木精准施药技术研究进展

树木精准施药大多利用高速气流将药液输送至冠层,理想的农药沉积需要药量、风量与靶标特征相匹配,在保证农药有效沉积的情况下提高农药使用效率,降低农药残留。从靶标探测、施药量控制、风量调节等三方面对现有精准施药技术的研究成果进行评述。靶标探测是精准施药的基础,归纳分析了红外技术、机器视觉、超声波、激光雷达等传感器用于获取树木靶标位置、冠层体积、枝叶稠密度、病虫害程度等喷雾决策信息的技术与方法,指明多传感器协同的作物靶标特征及病虫害程度在线探测的发展方向。药量与风量控制是精准施药的重要手段,总结了现有药量和风量决策与控制技术,指出在风量需求理论方面研究的不足,以及缺乏成本低、响应快的药量与风量调控装备。对国内外典型的地面与航空精准施药装备进行介绍,提出农林精准施药技术的发展需要与标准化种植模式推广相配合的建议,发展特种施药装备以及开发多机协同的立体智能植保系统,以期提高农林机械化水平。     

基于深度学习的小目标受灾树木检测方法

【目的】针对无人机森林图像中树木尺度小、生长密集以及分布不规律等问题,提出一种基于深度学习的小目标受灾树木检测方法,以准确识别和定位高分辨率无人机森林图像中的小尺度受灾树木。【方法】以辽宁省凌源县受红脂大小蠹侵害的油松林无人机图像为数据源,利用Label Img开源软件标注拍摄高度为180～240 m的图像,构建无人机森林图像数据集。设计小目标受灾树木检测框架,该框架在轻量级目标检测框架(SSD)基础上,首先从conv3_3开始构建预测模块,并根据图像中目标树木的尺寸删减预测模块,同时优化特征图上默认框生成方式;然后,通过特征增强模块将基础特征图转化为增强特征图,生成基础和增强预测模块;最后,利用基于默认框的双层损失函数训练检测模型以促进特征学习。【结果】基于深度学习的小目标受灾树木检测方法可实现无人机森林虫害远程监测,较准确检测无人机图像中细小密集的受灾树木。采用5组不同结构的SITD模型以及SSD、FSSD和RFBNet目标检测框架对无人机森林图像数据集进行训练和测试,以平均查准率(AP)和Precision-Recall曲线作为评价指标,试验选出最优SITD模型在测试集上的AP为92.62%,相比原始SSD300框架提升69.71%,且优于其他3种目标检测框架。【结论】基于深度学习的小目标受灾树木检测方法可实现对森林中受灾树木的自动化检测,能够简化林业有害生物监测流程,提升对森林虫害的预警能力。     

树木病虫害防治树干注射施药技术的应用

树干注射施药技术是一种信息树木病虫害防治技术,其主要是应用注射工具将适量农药、肥料或是植物生长调节剂注入树干内,从而让药液直接进入树木的蒸腾液流中,进而让药液输送到植物的各个部位,有效提高防治病虫害、真菌或细菌造成的病虫害的效果。文章主要针对树木病虫害防治树干注射施药技术的应用。     

Process-based approach to automated classification of forest structures using medium format digital aerial photos and ancillary GIS information

The methods of forest inventory data acquisition, based on the analysis of remotely sensed images have been well tested and implemented during the last decade. The predominant visual interpretation and pixel-based automated techniques are now being gradually replaced by the object-based image classification at multiple levels. This paper describes an experiment using medium-format digital aerial imagery for the purpose of automated updating of the existing GIS forest management database (LHPO). The method emphasises the pre-processing phase, where various image transforms and additional channels i.e. spectral ratios and vegetation indices (NDVI), low-pass filters, Sobel edge and GLCM (grey level co-occurrence matrix) texture measures are derived from the original dataset. The layer stack is then transferred into the object-oriented classification environment together with the existing thematic vector layer, and analysed on three hierarchical object levels. The classification involves the recognition of the successional stage of forest compartments and the estimation of tree species composition in terms of area coverage. In addition, age information on the GIS forestry management map can be updated and the spatial distribution of classes corrected using the multi-scale object relations of the former analysis. The advances of the automated procedure based on sequential processing of image objects are partially covered. Moreover, aspects of utilisation of the medium-format colour infra-red images (CIR) as an alternative to traditional aerial photos and very high resolution (VHR) satellite data, were considered.     

Application study of image segmentation methods on pattern recognition in the course of wood across-compression

ntroductionPattern recognition is one of importsnt embranchments in artificial nit6lliGence, and is a 11ew absolutesubjed that has become one of significant fields ofhigh-tech study and application nowadays. Imageseqmentstion mathod of pattern recognition is usedby wOOd across compression in this paper By usingcomput6r disposal tO cell image, pattern recognitioncan be achieved for which the aim of studying celldeformation regularity at different compression rateand quanhtstive analysis can be…     

基于多特征提取与注意力机制深度学习的高分辨率影像松材线虫病树识别

为了提高松材线虫病树的监测效率,减少其对林业生产造成的损失,提出一种基于多特征提取与注意力机制深度学习的高分辨率影像松材线虫病树识别方法.该方法首先在高分辨率遥感影像上提取松材线虫病树的光谱特征、空间特征等多特征,然后进行Relief特征选择算法,取特征权重前8个特征进行病树识别,发现选择差值植被指数DVI(diffe...     

Tree Species Classification using Semi-automatic Delineation of Trees on Aerial Images

The purpose of this study was to develop a method for classifying tree species from remote sensing images by combining a semi-automatic pattern recognition technique and spectral properties of trees. Five stands in southern Finland were studied. Individual trees in the digital colour infrared (CIR) aerial photographs were segmented by a method based on the recognition of tree crown patterns at subpixel accuracy. The images were filtered with the Gaussian N-by-N smoothing operator and local maxima above a threshold level were segmented. The segments were classified into three tree species classes. The kappa coefficients for stands varied from 0.43 to 0.86 when the training data and test data were from the same aerial photograph. When training data from other photographs were used as reference data, the kappa coefficients ranged from 0.40 to 0.75. The method described provides an interesting approach for detecting tree species semi-automatically in digital aerial data.     

测定胶在刨花表面上覆盖率和胶量的方法

一、前言在刨花板中,胶粘剂是以细小的胶滴分布在刨花表面上,刨花表面胶滴的大小和分布的均匀对刨花板的质量至关重要。自1960年以来,胶在刨花表面的分布问题逐渐为人们所重视,并且开展了测定方法的研究。据报道,测定方法大致有几种。各种测定方法是以测定胶的覆盖率或胶量来量度刨花表面胶的分布均匀性。并且受刨花几何形态和刨花大小的限制。本文提出图象法,是将试样或标准件用彩色反转片照相,把试样转变为图象,应用微机图象处理法测定刨花表面胶的覆盖率。对测定覆盖率后的图象进一步使用分光光度计测定图象的光密     

基于无人机影像的营造林核查应用研究

以石家庄市栾城区高速公路两侧绿化廊道建设为研究对象,利用无人机获取造林地块正摄影像,结合Pix4D mapper和Arc GIS等软件,通过无人机影像判读得出造林树种、面积、密度、成活率和树高,并以人工复核数据为参考进行精度验证,结果表明:该核查方法精度可靠,灵活高效。     

农药精确施用模型及其与林木虚拟生长模型协同研究综述

林木虚拟生长模型是应用计算机模拟树木在三维空间中的生长发育状况,而农药精确施用模型是应用计算机模拟农药按需定量喷施、与目标植物接触以及产生药效等一系列喷施作业情况。如果把两者耦合起来,将直观模拟出林木正常生长、受病虫害侵染、农药发挥效果、长势有所好转等一系列交互效果,可为调整植物保护策略、制定农药喷施方案和研制新型植保机械提供理论支持和技术支撑。文中分析了农林病虫害防治情况和农药精确施用的重要性,在综述国内外喷头雾化性能模型、沉降沉积模型（飘移模型）、施药量调节模型、雾化特性预测模型等农药施用模型研究现状的基础上,通过分析探讨两模型协同机理和林木虚拟生长模型及耦合模型实时性协同环境,提出了基于农药施用过程与防治药效的模型协同研究、基于林木形态结构模型的仿形对靶喷雾模型研究以及农药精确施用多模型交互协同研究的建议。     

基于BP神经网络的树形识别系统研究

简要介绍了人工神经网络及分形理论的应用 ,提出了用分形维数特征即树木图像的灰度曲面分形维数、冠形轮廓分形维数及 4个方向的有向维数和树木形状特征即树冠高度方向 8等分处所对应的 8个冠幅和树冠的高度作为特征来进行树形的识别 ,并建立了树形识别系统。该系统的输入层分别是图像的维数特征和树木形状特征值 ,共计 15个节点 ,一个隐含层 ,输出层则是要判断的 6种树形。试验表明该系统能准确地对树形进行识别。     

基于k-mean聚类与灰度梯度最大熵的树木图像分割

提出一种基于k-mean聚类与灰度-梯度最大熵的树木图像分割算法,将要处理的树木彩色图像在RGB颜色空间下进行基k-mean聚类,通过选取合适的类参数实现初分割.由于灰度-梯度空间清晰地描绘图像中各个像素点的灰度、梯度的分布规律及图像目标与背景之间的边缘情况,采用灰度-梯度最大熵算法进行精分割,结合形态学后处理提取图像边缘最终将获得更理想的独立目标图像.与二维最大熵分割方法比较的实验结果表明,灰度-梯度最大熵算法提高了树木图像分割的准确度.     

林火图像识别理论研究进展

林火图像识别理论与方法是实现森林火灾视频自动监测的基础。文中从图像预处理、图像分割和特征提取3个方面详细地综述了国内外林火图像识别理论的发展现状,分析了图像颜色处理、图像滤波、图像阈值分割、区域分割、边缘分割以及动静态特征提取理论在林火图像识别应用中的优缺点;针对目前林火图像识别理论研究现状,指出在未来研究中需要解决的问题以及林火图像识别理论的发展方向,以期为图像识别技术在林火图像识别中的应用和进一步研究提供参考。