农药精确使用树形识别系统研究通过鉴定

2005年6月，由南京林业大学赵茂程副教授主持完成的江苏省高校自然科学研究计划项目“面向精确农药使用的树形识别系统研究”，通过了江苏省科技厅组织的专家鉴定。     

分形理论及分形维数的应用

本文从几个典型的分形例子出发，简要介绍了分形的理论及分形的定义，并对分形维数进行了研究，最后阐述了分形理论及其分形维数的应用。     

基于BP神经网络的森林植被遥感分类研究

如何解决多类别图像的识别并满足一定的精度,是遥感图像研究中的一个关键问题,具有十分重要的意义。本文使用Landsat7ETM+遥感数据和森林资源分布图等地理辅助数据,用BP神经网络方法对森林植被进行了分类,并与最大似然法的分类结果进行精度比较分析。结果表明地理辅助数据参与的BP神经网络用于森林植被遥感图像分类其效果是较好的,是一种有效的图像分类方法。     

基于深度脉冲神经网络的昆虫识别系统研究

精准的昆虫种类识别对防治虫害有很大的帮助,是农业智能化的重要表现。提出了基于深度脉冲神经网络的昆虫识别系统,首先对样本图像进行图像预处理;接着利用脉冲神经网络对昆虫图像进行整体轮廓特征提取,初步定位昆虫区域,然后进行昆虫区域分割;最后结合深度卷积神经网络(deep convolutional neural networks, DCNN)和脉冲神经网络(spiking neural networks, SNN)各自的优势,利用PyTorch搭建了深度脉冲神经网络(deep spiking neural networks, DSNN)模型进行训练以及昆虫的识别测试。测试结果表明：该系统具有较高的定位率和识别率,为后续昆虫种类图像识别场景化应用研究奠定了基础。     

基于分形理论的木材纹理特征研究

介绍了一种利用自相关函数来估算图像分形维数的方法，并将其应用到木材的纹理分类检测中。实验表明，分形维数值直接反映了木材纹理的粗糙程度，可定性地作为描述木材纹理粗糙度的一种度量。     

基于BP神经网络的道路交通事故损失预测

分析道路交通事故损失与交通事故次数、死亡人数和受伤人数之间的关系，提出基于BP神经网络的道路交通事故损失预测，为交通事故预测开辟新的途径。     

元帅苹果树丰产树形的研究

通过４种苹果树形对比试验和研究，得出：小冠疏层形是适宜当地条件的丰产树形，这种树形的树冠透风透光好，树势强健，结果早，丰产，果个大，品质好，经济效益高。     

基于木材微观特征的BP神经网络算法红木识别研究

我国实木家具产业链发展较为成熟。作为一种珍贵木材,红木在实木家具产业中占有重要地位,我国对红木资源的进口量也在逐年增加。传统识别红木的方法主要依靠人工经验,而准确科学地识别红木种类对于红木家具产业和红木工艺品都具有重要的意义。本文提出了一种基于木材微观特征的红木识别方法,并利用BP神经网络算法,建立了识别模型,表现出较好的识别效果,可为红木树种检测提供新方法。     

分形论—一门新兴的综合学科

概述分形理论的发现历史及基本特性,同时简要地介绍了它的研究现状和实际应用。     

基于神经网络的树叶识别系统研究

在林业系统注册树木种类时,通常采用大量树叶上的可见外形特点来辨别数目繁多的树木种类。针对此问题,本文提出了基于神经网络的树叶识别方法,该方法建立并管理一个分等级的树叶图像体系,通过对不同种类树叶的边缘提取来识别每种树叶的特征点,从而得到树叶的外部轮廓来区分树木种类:给出了相应的改进型神经网络算法,并给出详细的论述过程:最后,通过Java语言给出了系统实现并做了大量的数值仿真。结果证明本文方法是可行有效的。图4表1参8。     

树冠生物量研究综述

树冠是树木进行光合作用、呼吸、蒸发等生理过程的场所,影响树木的生长和变化;树冠生物量是树木的重要属性,也是目前开展树冠研究的热点.文章从分配和分布、动态变化、研究方法及研究展望等方面综述了树冠生物量研究.     

基于机器视觉的树木图像实时采集与识别系统

研究了树木图像的实时采集与识别技术 ,以及树木图像处理及分析软件系统的开发 ,并自行设计制作了室内模拟实验系统。树木图像处理技术包括图像的获取、图像的增强、图像边缘检测、图像分割和图像的特征提取与识别。本文的研究能够为分离施药目标与非施药目标提供依据 ,有助于精确农药喷雾的实现。     

基于树冠因子的林木竞争指数研究

[目的]以湖南省黄丰桥国有林场杉木纯林为研究对象,进行树木竞争指数的研究,基于Hegyi简单竞争指数的形式,提出包含反映树冠特征因子的树冠竞争指数。[方法]将树冠竞争指数和Hegyi简单竞争指数分别与胸径增长量进行相关分析。[结果]Kendall's tau-b系数、Spearman's rho系数和相关系数R²均显示树冠竞争指数与林木生长量的相关性高于Hegyi简单竞争指数。[结论]该结果表明树冠竞争指数与林木生长量有更强的相关性,可以更好地体现树冠在树木生长中的作用,能作为模拟林分生长量的依据。     

基于改进的Faster R-CNN模型的树冠提取研究

树冠信息是森林资源调查中的重要内容。传统的树冠冠幅测量方法为实地调查,该方法测量结果在特定的地形和森林环境中误差较大,且人力消耗大、操作繁琐、耗时长。无人机影像技术和深度学习的发展为树冠测量提供了新的方法和实现思路。利用无人机获取了临安东部青山湖绿道两块纯水杉林样地的正射影像图,通过改进目前先进的目标检测方法Faster R-CNN进行树冠的识别和冠幅的提取。基于改进的Faster R-CNN模型准确率和决定系数达到了92.92%和0.84,分别比改进前的模型提高了5.31%和0.12。这说明了无人机和目标检测技术识别树冠的可行性,这一方法和传统的调查方法相比,具有高效、便捷和低成本的优势。     

树冠提取技术研究进展

树冠是预估树木生长量的基本参数之一, 树冠的提取在森林资源管理中越来越受到重视, 但准确获得树冠的形状和边缘信息比较困难。目前, 国内外树冠提取研究主要是利用高分辨率影像、航空像片、数码相机影像以及雷达等介质, 以面向对象多尺度分割技术为主, 兼有专家分类、三维扫描、BP神经网络等方法。文中介绍了树冠提取技术的主要方法, 总结了树冠提取技术中存在的问题及发展前景。     

基于航空影像的树冠提取方法研究

用高空间分辨率遥感影像对单木树冠进行自动提取和轮廓描绘是近年来林业遥感领域研究的热点。本文以覆盖实验区的航空影像为例,采用面向对象的多尺度分割方法,逐级对植被对象、树冠对象和分树种模式进行分割,有效地提取了影像中的树冠大小信息。     

基于VirtuoZo系统对林木冠幅信息的提取

针对目前林木冠幅信息人工测量高误差低效率的现状,本文基于1：10000的数字航空相片影像,采用专业的数字摄影测量平台VirtuoZo提取了林木冠幅信息。选取凉水国家级自然保护区17林班18小班内第32号固定样地为测图区,通过立体模型的内定向、相对定向和绝对定向构建测区的立体像对,并在立体像对上量测了样地内各林木的东西和南北冠幅。结果表明：林木冠幅的数字摄影测量的相关系数均大于0．85,具有较好的正相关性。因此应用全数字测量系统VirtuoZo提取冠幅因子具有可行性,能够减少外业工作量,但测量精度受到航摄参数、环境因素和判读员经验等因素影响。     

几种木材树种的识别

通过介绍东北主要的几种针、阔叶树木材的识别方法,为木材加工业提供了关键的实用基础技术。     

手持式测树枪量测树冠体积方法研究

为实现单木树冠体积的精准测量,文章介绍了一种手持式测树枪量测树冠体积的方法。在被测树周围布设测站点,以一定的顺序获取各测站点正对树冠边缘点位坐标,通过等高线内插法分层,以构成多面体,利用积分算法求算树冠的体积。将电子测树枪所测结果与传统方法、无棱镜全站仪以及三维激光扫描仪所测结果进行对比分析。结果表明,测树枪所测精度与等高距呈线性关系,测树枪所测精度远高于传统方法,略低于无棱镜全站仪,低于三维激光扫描仪的精度,满足林业调查精度要求,可以在林业行业中推广使用。     

基于实例分割的高郁闭度林分单木树冠无人机遥感提取

目的 利用遥感影像获取高郁闭度林分树冠信息。 方法 试验了一种基于实例分割模型的无人机遥感影像单木树冠提取方法,选用7种残差网络用于模型的特征提取,逐一对不同郁闭度杉木纯林进行单木树冠提取。 结果 表明,7个实例分割模型对低郁闭度林分树冠分割的边界框AP值和掩膜AP平均值分别为55.89%、57.29%,林分东西冠幅、南北冠幅和树冠面积参数提取均方根误差平均值分别为0.161、0.179和0.341,平均预测决定系数R2分别为0.912、0.918和0.957;对高郁闭度林分树冠分割的边界框AP值和掩膜AP平均值分别为46.00%、44.45%,单木东西冠幅、南北冠幅和树冠面积参数提取均方根误差平均值分别为0.479、0.497和1.256,平均预测R2分别为0.806、0.762和0.936。 结论 各参数提取精度均优于传统调查精度,该方法能自动化、快速化、精准化获取树冠信息。