-
公开(公告)号：CN106408608A
公开(公告)日：2017-02-15
申请号：CN201610872965.9
申请日：2016-09-30
Applicant: 信阳师范学院 , 中国林业科学研究院资源信息研究所
IPC: G06T7/62
CPC classification number: G06T2207/10028 , G06T2207/30188
Abstract: 本发明公开了提供一种从地面激光雷达点云数据中提取树干直径的方法，步骤1，从地面三维激光扫描仪获取的树木点云中提取树干点云；步骤2，计算树干在高度h处树干横断面的定位点；步骤3，计算树干在高度h处的生长方向与树干横断面；步骤4，获取用于计算树干直径的树干点云及其凸包点；步骤5，构建经过凸包点的一条闭合三次B样条曲线以模拟围尺轨迹，提取树干直径。本发明能显著提高从树干点云中提取树干直径的精度，能满足当前林业测量精度的要求，为地面三维激光扫描仪在林业调查中的实际应用提供了技术支撑。
-
公开(公告)号：CN118736299A
公开(公告)日：2024-10-01
申请号：CN202410821515.1
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/764 , G06V20/17 , G06V20/40 , G06V10/44 , G06V10/82 , G06V10/26 , G06N3/0499 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06N3/0455 , G06N3/0985
Abstract: 本申请提供基于自注意力机制的航空林火图像识别方法，包括以下步骤：获取林火视频为数据源；通过预处理方法筛选出图像，构建林火图像数据集，同时运用数据增强技术，丰富数据多样性，提高模型泛化能力；在特征提取阶段选用10层ViT作为主干网络，采用交叠滑动窗格方式图像序列化，嵌入位置信息后作为第1层ViT的输入，将前9层ViT提取的区域选择模块通过多头自注意力机制和多层感知器机制批量嵌入第10层ViT，有效放大子图间的微差异以获取小目标特征；采用对比特征学习策略，构建目标损失函数进行模型训练，获得图像类别标签，有效提高模型的特征学习能力和识别准确率。本申请利用机器学习技术提高航空林火图像识别的准确率和鲁棒性。
-
公开(公告)号：CN118736219A
公开(公告)日：2024-10-01
申请号：CN202410821535.9
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 本申请提供一种针对林火识别的火焰快速检测方法，包括以下步骤：(1)首先采用HistSplineReg分割法对各颜色通道进行多阈值分割，以保证图像分割细节清晰，计算并记录各通道上的分割区域为SR，SG和SB；(2)在各分割区域中选择一个代表点，并将代表点按颜色空间的排序顺序重新组合，形成区域的像素表示；(3)最后将像素代表点与提供的监督信息进行比对，检索出所在的目标区域；(4)获取“火”代表点所在的划分子集及其对应的火焰像素区间。该方法在保证实时性检测的同时，还能够保证较高的火焰检测率和较低的误报警率。其次，综合林火的这两项检测指标，基于YCbCr的火焰判据更适合真实场景的林火检测。
-
公开(公告)号：CN109709153A
公开(公告)日：2019-05-03
申请号：CN201910124863.2
申请日：2019-02-20
Applicant: 中国林业科学研究院资源信息研究所 , 北京林业大学
IPC: G01N27/00
Abstract: 本发明公开一种树木年轮微损测量装置、方法及系统。本发明提供的树木年轮微损测量装置、方法及系统，基于树木早材和晚材密度不同的特点，利用电机驱动钻针钻入木材内部时，遇到密度较小的早材时钻针受到的阻力较小，遇到密度较大的晚材时钻针受到的阻力较大，钻针受到的阻力的交替变化能够反映木材内部年轮的特点，通过带动钻针进行匀速螺旋运动的电机电流的交替变化即可确定待测对象的年轮，对树木基本没有伤害。可见，采用本发明提供的树木年轮微损测量装置、方法及系统，可在微创状态下确定树木的年轮，对树木生长没有伤害，而且装置结构紧凑，重量轻，便携性好，工作效率高。
-
公开(公告)号：CN108664681A
公开(公告)日：2018-10-16
申请号：CN201711088633.2
申请日：2017-11-08
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 本发明公开了一种天然林蓄积生产潜力及其计算方法，在断面积生产潜力基础上进一步提出蓄积生产潜力指标，详细给出该指标的计算方法并通过具体实例对指标进行验证，首先给出了蓄积生产潜力的概念；假定林分为等株生长，利用数学理论推导出蓄积生产潜力计算方法，详细给出了该指标的计算流程，以整个吉林省栎类混交林和慢阔类混交林共1912个面积为0.06公顷的固定样地的4次连续观测数据为实例对蓄积生产潜力指标进行验证与分析。本发明的有益效果是，稳定性好，计算准确。
-
Patent Agency Ranking
公开(公告)号：CN108021532A
公开(公告)日：2018-05-11
申请号：CN201711088556.0
申请日：2017-11-08
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06F17/10
Abstract: 本发明公开了一种基于体积分割求解多重积分的龙贝格改进算法，首先详细地介绍了该新算法的理论，接着提出了用该算法求解定积分和无穷积分的具体步骤，最后利用了大量实例对该算法进行验证，并用多种求解数值积分方法与之比较，结果表明：该算法不管是求解定积分还是无穷积分收敛速度快，计算机运算时间短，计算一重积分迭代6次时积分误差减少到10‑12，计算多重积分迭代10次时积分误差能达到10‑14，接近真实值；通过与多种数值积分算法比较可知该算法明显优于这些算法，具有良好的实用性，并且该算法已被Forstat统计软件应用。本发明的有益效果是，能保证相当高的精确度，但对计算速度有一定的影响。
-
公开(公告)号：CN106447767A
公开(公告)日：2017-02-22
申请号：CN201610875659.0
申请日：2016-09-30
Applicant: 信阳师范学院 , 中国林业科学研究院资源信息研究所
CPC classification number: G06T17/00 , G06T7/60 , G06T2207/10028 , G06T2207/30172
Abstract: 本发明公开了提供一种基于点云数据的树干三维干轴曲线构建的树干参数提取方法，包括如下步骤：步骤1，计算树干在特定位置处的横断面；步骤2，获取树干的几何中心点集合；步骤3，平滑树干的几何中心点；步骤4，构建树干的三维干轴曲线；步骤5，基于树干的三维干轴曲线提取树干的参数。本发明基于树干的三维干轴曲线提取树干的参数，为准确描述树干干形特征提供了一种手段，为提取树干在任意位置处的树干参数提供了技术支撑。
-
公开(公告)号：CN118887441A
公开(公告)日：2024-11-01
申请号：CN202410821479.9
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/764 , G06V20/17 , G06V20/10 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/045
Abstract: 本申请提供基于融合注意力机制和无人机可见光影像的单木树冠检测方法，包括以下步骤：第一步：无人机影像获取无人机正射影像数据；第二步：数据预处理无人机正射影像数据；第三步：优化模型Att‑Mask R‑CNN的主干网络构建；第四步：优化模型Att‑Mask R‑CNN的区域候选网络构建；第五步：优化模型Att‑Mask R‑CNN的多分支网络构建；第六步：单木树冠垂直投影面积估计；第七步：优化模型Att‑Mask R‑CNN的精度验证。该方法是通过优化现有深度学习方法，构建苗景兼用林的单木树冠分割模型并研究其林分结构，为智慧林业以及科学经营提供理论依据。本申请基于高分辨率无人机遥感影像，探究了优化模型Att‑Mask R‑CNN(Attention‑based Mask R‑CNN，基于注意力机制的Mask R‑CNN模型)林区内识别每个树冠和树冠垂直投影面积估测的能力。
-
公开(公告)号：CN118840546A
公开(公告)日：2024-10-25
申请号：CN202410821577.2
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/26 , G06V20/17 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本申请提供一种基于改进Mask Scoring R‑CNN的林火检测与分割方法，包括以下步骤：(1)森林火灾模拟：对森林可燃物在规定区域进行森面火灾模拟，并且使用干草、落叶对其助燃；(2)无人机航拍影像采集：使用多旋翼无人机搭载一台可见光相机对林火进行影像采集；(3)林火数据标注：为保证林火分割的质量，将帧间隔数设置为10，采用交互式多边形工具Labelme软件对每个林火目标提取精确的标签区域，包括被遮挡或者是存在于图像边缘的林火目标，同时，为了减少对模型的计算需求，所有图像统一缩放至1280×720分辨率，并以JPEG格式保存；(4)构建改进模型MaskSU R‑CNN：MaskSU R‑CNN主要由特征提取网络、区域候选网络、边界框分类回归和掩膜生成网络组成。
-
公开(公告)号：CN118736256A
公开(公告)日：2024-10-01
申请号：CN202410821552.2
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/762 , G06V10/764 , G06V10/26
Abstract: 本申请提供一种基于超像素的森林火灾实时检测方法，涉及机器学习技术领域，包括：(1)图像超像素分割：对林火图像先进行SLIC超像素分割，将位置邻近和颜色相似的像素划分为若干个超像素；(2)代表点选择：鉴于超像素良好的目标边界一致性，将超像素等效为像素，从像素中选择或构造代表点；(3)引入监督信息：将代表点与引入的监督信息进行比对，从而完成火焰检测。本发明分别以超像素的均值、中值和均值与中值的组合构造代表点，在多种场景的12张林火图像上进行了实验验证，相比于向量和矩阵块模式表示方法，该文方法在10张图像上的林火识别率均达到了最高，平均识别率在98.2％以上。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.035 seconds)
