-
公开(公告)号:CN118211733B
公开(公告)日:2025-02-11
申请号:CN202410462665.8
申请日:2024-04-17
Applicant: 东北林业大学 , 国家林业和草原局生物灾害防控中心
IPC: G06Q10/04 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/084 , G06F17/18
Abstract: 一种松材线虫病发生预测方法、电子设备及存储介质,属于森林病虫害大数据预测与控制技术领域。为提高松材线虫病发生预测的准确性,本发明建立松材线虫病多源影响因子数据集;进行时间和空间的划分,然后进行数据清洗、数据整合、数据转换和归一化处理,划分为对应的训练集和预测集;构建用于松材线虫病的细胞自动机模型;构建用于松材线虫病的时间卷积网络模型;利用处理后的松材线虫病多源影响因子数据集的预测集,输入到训练好的松材线虫病的细胞自动机模型、用于松材线虫病的时间卷积网络模型中,对松材线虫病发生进行预测;将松材线虫病发生预测结果,基于ArcGIS的可视化地理信息系统生成集成图层。本发明预测准确。
-
公开(公告)号:CN118246595B
公开(公告)日:2025-03-25
申请号:CN202410334835.4
申请日:2024-03-22
Applicant: 东北林业大学 , 国家林业和草原局生物灾害防控中心
IPC: G06Q10/04 , G06Q50/02 , G06F16/29 , G06F17/15 , G06F18/15 , G06F18/2415 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 一种美国白蛾病虫害发生概率预测方法、电子设备及存储介质,属于美国白蛾病虫害预测技术领域。为高效、准确的预测美国白蛾病虫害,本发明采集美国白蛾病虫害的历史发生数据、森林生态环境数据以及气象数据,进行数据清洗和归一化处理;利用皮尔逊相关系数分析预处理后的数据对美国白蛾病虫害的影响力以及数据间的相关性,提取与国白蛾病虫害的影响力相关性最大的相关变量,构建训练数据集和测试数据集;基于Transformer神经网络构建美国白蛾病虫害发生概率预测模型;设置美国白蛾病虫害发生概率预测准确率评价指标;实时获取监测数据,利用美国白蛾病虫害发生概率预测模型进行模拟实验,对美国白蛾病虫害发生概率进行预测。
-
公开(公告)号:CN118246595A
公开(公告)日:2024-06-25
申请号:CN202410334835.4
申请日:2024-03-22
Applicant: 东北林业大学 , 国家林业和草原局生物灾害防控中心
IPC: G06Q10/04 , G06Q50/02 , G06F16/29 , G06F17/15 , G06F18/15 , G06F18/2415 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 一种美国白蛾病虫害发生概率预测方法、电子设备及存储介质,属于美国白蛾病虫害预测技术领域。为高效、准确的预测美国白蛾病虫害,本发明采集美国白蛾病虫害的历史发生数据、森林生态环境数据以及气象数据,进行数据清洗和归一化处理;利用皮尔逊相关系数分析预处理后的数据对美国白蛾病虫害的影响力以及数据间的相关性,提取与国白蛾病虫害的影响力相关性最大的相关变量,构建训练数据集和测试数据集;基于Transformer神经网络构建美国白蛾病虫害发生概率预测模型;设置美国白蛾病虫害发生概率预测准确率评价指标;实时获取监测数据,利用美国白蛾病虫害发生概率预测模型进行模拟实验,对美国白蛾病虫害发生概率进行预测。
-
公开(公告)号:CN118211733A
公开(公告)日:2024-06-18
申请号:CN202410462665.8
申请日:2024-04-17
Applicant: 东北林业大学 , 国家林业和草原局生物灾害防控中心
IPC: G06Q10/04 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/084 , G06F17/18
Abstract: 一种松材线虫病发生预测方法、电子设备及存储介质,属于森林病虫害大数据预测与控制技术领域。为提高松材线虫病发生预测的准确性,本发明建立松材线虫病多源影响因子数据集;进行时间和空间的划分,然后进行数据清洗、数据整合、数据转换和归一化处理,划分为对应的训练集和预测集;构建用于松材线虫病的细胞自动机模型;构建用于松材线虫病的时间卷积网络模型;利用处理后的松材线虫病多源影响因子数据集的预测集,输入到训练好的松材线虫病的细胞自动机模型、用于松材线虫病的时间卷积网络模型中,对松材线虫病发生进行预测;将松材线虫病发生预测结果,基于ArcGIS的可视化地理信息系统生成集成图层。本发明预测准确。
-
公开(公告)号:CN119274098A
公开(公告)日:2025-01-07
申请号:CN202411810036.6
申请日:2024-12-10
Applicant: 国家林业和草原局生物灾害防控中心
Abstract: 本申请提供了基于无人机可见光遥感的松材线虫病疫木感病阶段监测识别方法,具体涉及影像数据的读取和识别以用于松材线虫病变色识别技术领域,包括以下步骤:基于获取的无人机可见光遥感数据进行几何配准、裁剪等预处理;基于可见光三波段计算植被指数:可见光波段差异植被指数(visible‑band difference vegetation index,VDVI)、超绿指数(excess green index,ExG);将可见光影像及对应的植被指数图像转为灰度图像,对其进行多阈值分割;依据最佳阈值提取变色立木,对提取结果进行后处理实现单株变色立木识别,进一步提升了基于可见光无人机遥感影像识别松材线虫病变色木的效率与精度。
-
公开(公告)号:CN114385790A
公开(公告)日:2022-04-22
申请号:CN202210038509.X
申请日:2022-01-13
Applicant: 国家林业和草原局生物灾害防控中心
Abstract: 本发明涉及森林病虫害和空间统计学领域,公开了一种基于空间异质特征的松材线虫病传播知识挖掘方法。本发明依托森林松材线虫病小班环境因子和社会经济因子,研究松材线虫病传播和扩散规律,根据地理探测器分析各个影响因子,地理探测器可用以度量空间分异性、探测解释因子、分析变量之间交互关系,从而探索空间分异性并且揭示其背后驱动力。
-
公开(公告)号:CN114373140A
公开(公告)日:2022-04-19
申请号:CN202210038521.0
申请日:2022-01-13
Applicant: 国家林业和草原局生物灾害防控中心
Abstract: 本发明公开了一种松材线虫病发生区域智能识别方法,将遥感影像数据和深度学习技术运用于松材线虫病的监测领域。基于遥感影像构建松材线虫病发生区域语义分割样本数据集,构建UNet语义分割模型并进行模型的训练和优化,实现松材线虫病发生区域的智能识别。本发明流程简单,实用性强,为松材线虫病的智能监测提供一种新的方法,适用于森林病虫害监测、深度学习影像识别等领域。
-
公开(公告)号:CN218411749U
公开(公告)日:2023-01-31
申请号:CN202222466600.X
申请日:2022-09-16
Applicant: 国家林业和草原局生物灾害防控中心
IPC: G01N1/08
Abstract: 本实用新型涉及植物保护和林业疫病防治技术领域,其目的在于提供了一种适用于松材线虫病检测的快速取样装置,有效解决了现有松材线虫病检测存在样品收集困难,效率低下,破坏性大等问题,包括手持杆,所述手持杆顶端通过转轴铰接连接有安装座,安装座内部设置有电机,电机的输出轴与钻头相连接,安装座前端固定安装有限位板,限位板的中间位置上设置有与钻头相匹配的通孔,所述安装座尾端固定安装有真空泵,安装座中部设置有与真空泵输入端相匹配的通风孔,通风孔对应的安装座的侧壁上开设有排放口,其有益效果在于:通过采用钻孔的方式对松树病害区域进行取样,对松树的破坏性小,并且不会影响松树的存活生长,适用于现有松材线虫病的日常监测。
-
公开(公告)号:CN104542528A
公开(公告)日:2015-04-29
申请号:CN201510055629.0
申请日:2015-02-03
Applicant: 东北林业大学
Abstract: 一种光肩星天牛视觉效果改进型拦截挡板式诱捕器。许多学者对昆虫类群的嗅觉线索进行了详细的探讨研究发现,嗅觉线索在昆虫寄主定位、产卵选择以及寻求配偶方面发挥着重要的作用,同样,在昆虫视觉线索中,颜色在昆虫定位配偶、寄主选择和寻找食物源等方面也发挥着同样的重要作用。本发明组成包括:诱捕芯(6),诱捕芯安装在挡板(4)上,挡板上部安装有顶盖(5),挡板下部安装有底盖(1),底盖的内部安装有漏斗(2),漏斗下部安装有收集杯(3),收集杯通过连接件与所述的挡板连接,挡板、顶盖、底盖、漏斗、收集杯上具有78%的褐色黑板漆涂料层,漏斗伸入收集杯并伸出所述的底盖3-4cm。本发明用于诱捕光肩星天牛。
-
公开(公告)号:CN113011355B
公开(公告)日:2022-10-11
申请号:CN202110321019.6
申请日:2021-03-25
Applicant: 东北林业大学
IPC: G06V20/10 , G06V10/30 , G06V10/56 , G06V10/774 , G06V10/147
Abstract: 本发明属于松材线虫病图像识别检测技术领域,具体涉及一种松材线虫病图像识别检测方法及装置,通过设置采用深度学习的目标检测技术对松材线虫病进行检测,能有效提高受病木的识别效率且具有较高的检测精度;采用图像智能识别定位方法采用统一的判别标准,有效提高了识别结果的覆盖率,泛化能力强。综合上述优点,松材线虫病图像识别检测方法能及时发现染病松树并确定其分布情况,有效监测松材线虫病疫情的发展动态,为松林管理人员和森林防护人员提供及时准确的信息。
-
-
-
-
-
-
-
-
-