基于Mask R-CNN的密集木材检测分割方法

针对木材检尺中采用人工检尺的方法存在效率低下且检尺主观性较强的问题,提出一种基于掩模区域卷积神经网络(Mask R-CNN)实例分割模型的木材分割方法,探究实例分割在木材密集堆放场景下对各尺寸木材分割的可行性,以期实现智能检尺,提高检尺效率.应对密集木材检测分割任务,难点在于密集小木材和大木材的检测.本研究在原始Mas...     

基于无人机遥感的伐区造林坑穴数量与参数提取

为了挖掘无人机遥感在核查造林成果中的应用潜力,采用无人机遥感技术对福建省将乐县一伐区造林坑穴数量和参数进行自动化提取实验。采用大疆精灵4 Pro型无人机,获取空间分辨率0.01m的可见光遥感数据,经处理后得到正射影像（DOM）、数字表面模型（DSM）和无人机影像点云数据;分别采用基于DOM人工目视解译、基于DOM模板匹配法和基于DSM圆形霍夫变换法进行各类信息提取,比较各种方法在造林坑穴数量和宽度、深度参数提取上的精度和实用性。结果表明：基于DOM模板匹配法得到的坑穴数量正确率为92.60%。基于DSM数据的圆形霍夫变换法坑穴数量正确率为95.15%,坑穴宽度和深度提取值与测量值的决定系数（R2）分别为0.93和0.92,均方根误差（RMSE）分别为1.02cm和1.67cm,该方法不仅可以得到优于模板匹配的数量精度,还可有效提取坑穴宽度和深度参数信息,提高了坑穴参数提取的效率。无人机遥感技术在提取坑穴数量、宽度和深度参数方面能够满足造林坑穴指标核查需求。