-
公开(公告)号：CN104881865A
公开(公告)日：2015-09-02
申请号：CN201510212888.X
申请日：2015-04-29
Applicant: 北京林业大学
Abstract: 本发明公开一种基于无人机图像分析的森林病虫害监测预警方法，包括以下步骤：S1：通过无人机上搭载的摄像机拍摄林区图像；S2：对所述图像采集单元采集到的图像进行前期预处理，以改善图像数据，增强图像特征；S3：通过改进的模糊C-均值算法对林区图像进行图像分割，确定图像中林区的位置；S4：通过基于混合模板的标记分水岭算法对林区图像进行分割，确定图像中虫灾区域的位置；S5：在确定虫灾区域位置的基础上，结合地面调查数据对所述虫灾区域的虫灾程度进行分级。本发明通过无人机搭载摄像机拍摄指定林区的图片等资料，实现对林区病虫灾害区域的定位及病虫害分级和预警等功能，能满足对林区病虫害情况及时、全面、高效的监测和预警的需求。
-
公开(公告)号：CN112037230B
公开(公告)日：2023-07-18
申请号：CN201910481471.1
申请日：2019-06-04
Applicant: 北京林业大学
Abstract: 本发明公开了一种基于超像素和超度量轮廓图的林区图像分割方法，该方法首先利用线性谱聚类将图像分割成超像素，并计算相邻超像素区域之间的不相似度；然后自下而上地合并相似度较高的区域，同时更新超度量轮廓图中的边缘权重；最后输出利用最佳权重阈值分割的图像。较小的权重阈值会产生过分割，随着阈值增大，分割结果则只保留显著性较高的边缘。本发明能够自主设置分割阈值T，可根据实际需要设置不同大小的分割阈值T，以得到较佳的分割结果。相较于其他现有图像分割算法，本发明具有运算复杂度显著降低、算法速度较快、分割效果好、对初始参数依赖小等优点，非常适合用于分割高分辨率的无人机林区航拍图像，具有很高的推广应用价值。
-
公开(公告)号：CN109684906B
公开(公告)日：2021-04-30
申请号：CN201810554522.4
申请日：2018-05-31
Applicant: 北京林业大学
Abstract: 本发明为一种基于深度学习的检测红脂大小蠹的方法。其首先将从改造后的诱捕器中采集的小蠹图像传输至服务器进行图像预处理，然后输入针对蠹虫数据集使用k‑means方法优化默认框的Faster R‑CNN目标检测模型进行检测，最后将检测结果进行一系列后处理后绘制在输入图像上。本发明可实现林场现场图像数据实时采集和远程在线识别，减少了人力付出，实现了林业害虫监测的自动化。
-
公开(公告)号：CN109684906A
公开(公告)日：2019-04-26
申请号：CN201810554522.4
申请日：2018-05-31
Applicant: 北京林业大学
CPC classification number: G06K9/00771 , G06K9/00744 , G06K9/40 , G06K9/6223 , G06K9/6268
Abstract: 本发明为一种基于深度学习的检测红脂大小蠹的方法。其首先将从诱捕器中采集的小蠹图像传输至服务器进行图像预处理，然后将预处理后的图像输入针对蠹虫数据集使用k-means方法优化默认框后的Faster R-CNN目标检测模型进行检测，对模型检测结果使用非极大值抑制方法排除同类之间IoU大于50％的检测框，然后按分类信心降序排序后，输出前M个结果，再对这M个结果按照分类信心进行筛选，将分类信心高于0.5的检测框和对应分类信心以及计数结果，绘制在输入图像上。本发明可实现林场现场图像数据实时采集和远程在线识别，减少了人力付出。
-
公开(公告)号：CN112037230A
公开(公告)日：2020-12-04
申请号：CN201910481471.1
申请日：2019-06-04
Applicant: 北京林业大学
Abstract: 本发明公开了一种基于超像素和超度量轮廓图的林区图像分割算法，该方法首先利用线性谱聚类将图像分割成超像素，并计算相邻超像素区域之间的不相似度；然后自下而上地合并相似度较高的区域，同时更新超度量轮廓图中的边缘权重；最后输出利用最佳权重阈值分割的图像。较小的权重阈值会产生过分割，随着阈值增大，分割结果则只保留显著性较高的边缘。本发明能够自主设置分割阈值T，可根据实际需要设置不同大小的分割阈值T，以得到较佳的分割结果。相较于其他现有图像分割算法，本发明具有运算复杂度显著降低、算法速度较快、分割效果好、对初始参数依赖小等优点，非常适合用于分割高分辨率的无人机林区航拍图像，具有很高的推广应用价值。
-
Patent Agency Ranking
公开(公告)号：CN110543801A
公开(公告)日：2019-12-06
申请号：CN201810534077.5
申请日：2018-05-29
Applicant: 北京林业大学
Abstract: 本发明提供了一种基于神经网络及无人机航拍图像的油松虫害检测方法、系统及装置，该系统包括：预处理模块，用于接收无人机航拍图像，并对所述图像进行预处理，获得预处理后的受害图像；检测模块，用于对无人机航拍图像进行检测；检测模块包括神经网络，神经网络包括基础特征提取器及预测单元；基础特征提取器后添加一额外特征提取层，额外特征提取层和所述基础特征提取器的最后一层构成所述预测单元；基于所述预测单元生成的特征图P1、P2上的默认框为锚点，预测目标类别和位置。该技术方充分利用无人机采集特定高度的航拍图像数据，针对林木的虫害图像，检测精度高，可实时检测，明显优于现有技术。
-
公开(公告)号：CN108573199A
公开(公告)日：2018-09-25
申请号：CN201710150677.7
申请日：2017-03-14
Applicant: 北京林业大学
Abstract: 本发明公开一种油松受灾等级判定方法及其判定系统，其中所述判定方法包括以下步骤：S1：通过无人机上搭载的摄像机拍摄油松样地图像；S2：利用二型模糊聚类算法对所述油松样地图像中的受灾油松进行区域分割，并计算受灾油松区域占所述油松样地区域的比值；S3：结合地面调查统计的失叶率判断油松受灾等级。
-
公开(公告)号：CN114550017B
公开(公告)日：2022-07-12
申请号：CN202210436868.0
申请日：2022-04-25
Applicant: 北京林业大学 , 北京昌回林海生态科技有限公司
IPC: G06V20/17 , G06T7/90 , G06T7/11 , G06T7/00 , G06K9/62 , G06V10/774 , G06V10/764
Abstract: 本发明提供一种基于移动端的松材线虫病一体化预警及检测方法和装置，所述基于移动端的松材线虫病一体化预警及检测方法，包括：对第一图像信息进行特征提取，在第一图像信息包括变色木特征、松材线虫寄主树种特征以及松材线虫媒介特征的情况下，获取目标林分对应的第二图像信息；对第二图像信息进行特征提取，在第二图像信息包括松材线虫特征的情况下，基于第一图像信息生成目标林分中目标疫木的受害阶段检测信息；其中，第一图像信息包括目标林分中至少部分区域的生物信息，第二图像信息包括目标林分中目标变色木的木段信息。本发明的基于移动端的松材线虫病一体化预警及检测方法，可以实现快速、高效且准确的松材线虫病灾前预警及灾后检测。
-
公开(公告)号：CN112395905A
公开(公告)日：2021-02-23
申请号：CN201910740812.2
申请日：2019-08-12
Applicant: 北京林业大学
Abstract: 本发明提供了一种森林病虫害实时检测方法、系统及模型建立方法，所述方法包括：接收图像数据，并进行数据预处理，获得预处理图像；将所述预处理图像输入检测模型，获得检测结果，并输出。该模型采用SENet结合Mobilenetv2深度学习网络的方式，并通过量化分析和汇编级的优化，提高检测的精度和实时性。本发明提供的技术方案计算效率高，资源消耗低，可以有效应用于多种类型的便携式终端，且有效缩小了模型的大小，并且可以保证无人机载设备可以将检测后数据实时传输到终端或各类地面工作站。
-
公开(公告)号：CN106897653B
公开(公告)日：2020-03-20
申请号：CN201510954704.7
申请日：2015-12-17
Applicant: 北京林业大学 , 中国林业科学研究院资源信息研究所
IPC: G06K9/00
Abstract: 本发明提供一种基于红外和可见光视频融合的林区烟火检测方法，包括S1：分别采集并存储林区的红外视频图像和可见光视频图像；S2：利用改进的分数阶微分法对所述红外视频图像和所述可见光视频图像进行融合，得到融合图像；S3:对所述融合图像进行计算，确定具体的森林火灾区域。同时本发明还提出一种林区烟火检测系统，包括：数据采集模块，包括红外采集子模块和可见光采集子模块，分别用于采集并存储林区的红外视频图像和可见光视频图像；图像融合模块，利用改进的分数阶微分法对所述红外视频图像和所述可见光视频图像进行融合，得到融合图像；火灾检测模块，通过对所述融合图像进行计算以确定具体的森林火灾区域。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.02 seconds)
