基于YOLOv5的多传感器可迁移林火检测模型

快速准确地检测森林火灾中的火点对于减轻火灾损失和开展有效的灭火救援工作至关重要。深度学习技术可以自动学习并提取不同传感器获取的林火特征。无人机搭载不同类型的传感器可以快速获取森林实时图像,但不同传感器获取的图像特征不同,导致深度学习模型在不同图像中的迁移性较差。本研究基于YOLOv5预训练模型,使用286张可见光和红外图像进行迁移学习,以增强模型对不同图像类型的适用性。迁移学习后,模型对可见光图像测试集的检测精度提升了6%,对红外图像测试集的检测精度达到0.952,证明模型对两种传感器图像数据均具有较强的检测能力。相比可见光模型,多模态模型在包含可见光和红外图像的测试集上的mAP50达到0.914,表明模型成功地提高了对红外图像的检测能力,并保留了对可见光图像的良好检测性能。综上,本研究采用少量图像进行迁移学习,取得了较好结果。迁移学习可以使YOLOv5火灾检测模型适配红外图像,在保留可见光图像检测能力的同时,增强其对火情的检测准确性与环境适应性。这为实现基于多源数据的森林火灾检测奠定了基础,为提高森林火灾检测系统的智能化与自适应提供了思路。     

BNP毛竹增产剂及竹腔施肥试验效果分析初报

BNP毛竹增产剂及竹腔施肥是江西省林科院研发的新成果。为探索该成果在我市推广应用的实际效果,采取设观察样地的对比方法采集数据,并对数据进行方差分析,初步结果表明:出笋多、成竹率高、径级增大,特别是对低产毛竹林和新造竹林的作用十分明显。该项成果引进毛竹产区推广应用,其效果与传统施肥相比,省工且增产,效果显著。     

走出一片新天地——生态型国有林场管理和经营思路的探讨

说到将要开展的全国国有林场改革,经常谈到的一个重要话题,就是国有林场分不分类。仁者见仁,智者见智。我们的观点是,不分类,全为一个类型,即生态型。理由是,不管是与发达国家国有林占有的分量比,还是替国家整体生态安全着想,还是从国有林场所处的地域的生态重要程度看,国有林场整体     

油茶良种使用中存在的问题及对策

今年,是执行《全国油茶产业发展规划》（2009～2020年）的第三个年头。近几年,笔者曾多次到江西、湖南、广西和湖北等省（区）部分油茶产区考察学习。所到之处,看到了油茶产业发展的强劲势头,也发现了一些影响油茶产业健康发展的问题。