公开(公告)号：CN119380175A

公开(公告)日：2025-01-28

申请号：CN202310915545.4

申请日：2023-07-25

Applicant: 东北林业大学

Inventor： 林文树 ,  刘康康 ,  张金生 ,  何乃磊

IPC: G06V20/10 ,  G06V10/774 ,  G06V10/771 ,  G06V10/26

Abstract: 本发明提供一种基于深度学习的高光谱图像优势树种识别方法，步骤如下：1)获取数据，利用无人机搭载的高光谱图像传感器获取林区内树木的高光谱图像数据。2)数据预处理：对获取的高光谱图像数据进行几何校正、大气校正等预处理操作，对降噪后的数据进行树种特征提取。3)数据集构建：将提取的特征进行标定制作树种识别数据集，并采用数据扩增的方法增加训练样本数量。4)训练模型：用搭建好的DeepLab v3+模型对训练集训练，得到训练好的模型。5)模型测试：用生成的模型对测试集图片进行检测识别。

公开(公告)号：CN114140428A

公开(公告)日：2022-03-04

申请号：CN202111444616.4

申请日：2021-11-30

Applicant: 东北林业大学

Inventor： 林文树 ,  张金生 ,  何乃磊

IPC: G06T7/00 ,  G06T7/80 ,  G06Q50/02 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开一种基于YOLOv5的落叶松毛虫虫害检测识别方法及系统，涉及图像处理、深度学习、模式识别技术领域，方法包括：获取多张包括落叶松毛虫虫害树木的落叶松遥感图像；对图像中的落叶松毛虫虫害树木进行标定，标定后的遥感图像包括落叶松毛虫虫害树木的边界框；利用标定后的遥感图像构建训练数据集；对训练数据集进行扩增；利用扩增后的训练数据集对YOLOv5模型进行训练和优化，得到优化后的YOLOv5模型；将待识别遥感图像输入优化后的YOLOv5模型中，识别出待识别遥感图像中落叶松毛虫虫害树木的边界框。本发明能够快速精确地识别出落叶松毛虫虫害树木。

公开(公告)号：CN113988222A

公开(公告)日：2022-01-28

申请号：CN202111427472.1

申请日：2021-11-29

Applicant: 东北林业大学

Inventor： 林文树 ,  何乃磊 ,  张金生

IPC: G06K9/62 ,  G06V10/25 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于Faster‑RCNN的森林火灾检测与识别方法，步骤如下：1)获取数据，鉴于林火数据采集的特殊性，通过公开的数据集(IEEE Datasets中的“FLAME数据集)获取森林火灾图像数据。2)数据扩充：对林火图片进行平移、翻转、添加噪声等操作扩充数据集。3)制作数据集：对图片中的火焰区域进行标注，并划分数据集。4)训练模型：用搭建好的Faster‑RCNN模型对训练集进行训练，得到训练好的模型。5)模型测试：用生成的模型对测试集图片进行检测。6)对检测出火灾的图片进行信息提取，输出位置信息和时间信息。本发明通过对森林火灾图像的分析，实现对森林火灾的检测，并可以返回火灾发生的大概时间和位置，具有较高的准确率和检测速度，为林区防火的数字化和自动化提供了参考。

公开(公告)号：CN116819485A

公开(公告)日：2023-09-29

申请号：CN202210283872.8

申请日：2022-03-21

Applicant: 东北林业大学

Inventor： 林文树 ,  杨晓慧 ,  张金生 ,  何乃磊

IPC: G01S7/48

Abstract: 本发明提供一种基于PSO‑ELM算法的林分郁闭度反演方法，步骤如下：1)获取数据。2)数据预处理。3)制作数据集。4)初始化PSO中的基本参数。5)更新适应度函数值、个体极值、群体极值。6)更新粒子速度和位置。7)判断算法是否符合算法结束条件。8)将最优粒子作为ELM的权值和阈值，将测试集输入ELM中，得到基于粒子群算法优化极限学习机的林分郁闭度预测模型。9)将点云数据作为待测试数据，经步骤2预处理后输入到基于粒子群算法优化极限学习机的林分郁闭度预测模型中，得到待测试数据的预测结果。