公开(公告)号：CN116189709A

公开(公告)日：2023-05-30

申请号：CN202310020894.X

申请日：2023-01-06

Applicant: 北京林业大学

Inventor： 张海燕 ,  陈志泊 ,  李巨虎 ,  张兴 ,  刘璇昕 ,  蔡高辕 ,  师昊鹏 ,  姜维正

IPC: G10L25/30 ,  G10L25/51 ,  G10L15/02 ,  G10L15/04 ,  G10L15/16 ,  H04R17/02

Abstract: 本发明公开了一种基于卷积神经网络的白蜡窄吉丁识别方法和装置，涉及信号处理技术领域。该方法的一具体实施方式包括：基于压电陶瓷传感器采集样本树木段中白蜡窄吉丁的振动信号，得到振动音频；其中，压电陶瓷传感器的探头嵌入样本树木段中；基于所述压电陶瓷传感器采集噪声信号，得到噪声音频；按照预设的切割长度分别切割振动音频和噪声音频，得到振动音频片段和噪声音频片段；混合振动音频片段和噪声音频片段，得到混合音频片段；对噪声音频片段进行特征提取，得到噪声特征图谱；对混合音频片段进行特征提取，得到混合特征图谱；基于噪声特征图谱和混合特征图谱，训练卷积神经网络；基于训练好的卷积神经网络，识别目标树木中是否存在白蜡窄吉丁。该实施方式能够提高白蜡窄吉丁的识别准确度。

公开(公告)号：CN115186705A

公开(公告)日：2022-10-14

申请号：CN202210782053.8

申请日：2022-07-04

Applicant: 北京林业大学

Inventor： 陈志泊 ,  张海燕 ,  李巨虎 ,  崔晓晖 ,  师昊鹏 ,  刘璇昕 ,  蔡高辕 ,  张兴 ,  姜维正

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08 ,  G01H11/08

Abstract: 本发明公开了一种基于深度卷积循环神经网络的钻蛀振动信号增强方法。方法使用基于深度学习的语音增强技术，构建了钻蛀振动信号增强模型，用于对常见环境中采集到的钻蛀振动信号进行增强。发明包括以下步骤：(1)挑选并砍伐受钻蛀性害虫侵害树木，(2)采集树干中钻蛀振动信号，(3)采集环境噪声，(4)将钻蛀振动信号与环境噪声混合制作数据集，(5)构造深度卷积循环神经网络，(6)利用数据集训练深度卷积循环神经网络。本发明提供的方法能够有效抑制随钻蛀振动信号一同采集的噪声，保留较纯净的钻蛀振动信号，运行速度较快，显著提升了检测模型对钻蛀振动信号识别准确率，为提高钻蛀性害虫的早期预警能力提供了技术支撑。