共查询到19条相似文献，搜索用时 937 毫秒
1.
基于人工智能的竹类主要害虫识别系统开发与应用 总被引：1，自引：1，他引：0
在当前四川省竹产业大发展背景下，将以人工智能为代表的计算机高新技术引入竹子的生产经营环节，对竹产业基地实行精细化管理和提高竹产业绩效具有重要的现实意义。文章介绍了基于深度神经网络搭建的人工智能识别模型，并在此基础上设计并开发了针对竹类主要害虫的识别系统，实现了通过APP软件对竹类主要害虫进行便捷、准确识别，极大地提升了森防工作效率，为竹产业基地的健康发展提供了有效科技支撑，同时也为林业生产经营由传统模式转向智慧化进行了技术储备。 相似文献
2.
基于深度学习特征和非线性支持向量机的板材表面缺陷识别方法 总被引：1，自引：0，他引：1
深度学习是一种有效的特征学习方法,具有很强的自主学习能力。研究了基于深度学习特征与非线性支持向量机(NSVM)分类算法相结合的板材表面缺陷识别方法。首先,针对深度学习模型需要海量训练数据的特性,使用旋转剪切的方法对采集到的原始板材表面缺陷图像进行数据扩增;其次,使用扩增后的板材表面缺陷图像数据集对笔者提出的深度卷积神经网络(CNN)模型进行训练,并使用训练好的网络提取不同种类缺陷图像的深度特征;然后,为了消除深度特征中的冗余数据,并增强数据的表达能力,运用基于1范数的非贪婪主成分分析(Non-greedy PCA-L1)算法对板材的深层语义特征进行特征降维和特征增强;最后,运用增强后的深度特征训练NSVM模型,并使用训练好的NSVM模型对原始板材表面缺陷图像的测试集进行分类。实验结果表明,笔者提出的识别方法具有较好的鲁棒性和实用性,可取得目前较好的分类效果,针对结疤、压痕和无损3种板材表面缺陷识别率可达99%以上。 相似文献
3.
基于深度学习特征和支持向量机的遥感图像分类 总被引：1，自引：0，他引：1
随着遥感图像采集技术的迅速发展,传统的遥感图像处理方法已经不能满足当前实际的生产需要。近年来,深度学习模型的流行为遥感图像分类问题的解决提供了新的途径。因此,为了进一步提升遥感图像的分类精度,笔者提出了一种基于深度学习特征和支持向量机(support vector machine,SVM)的遥感图像分类模型。首先,针对深度学习模型需要海量训练数据的特点,运用旋转、剪裁等方法对原始的遥感图像进行数据扩增;然后,将扩增数据按照种类随机地分为训练集和验证集两部分测试集,并使用训练集和验证集训练改进的针对遥感图像分类问题的卷积神经网络(convolutional neural network,CNN)中的参数,进而在训练好的CNN模型上提取第一部分测试集的深度学习特征;最后,使用第一部分测试集的深度特征训练多分类SVM,并对第二部分测试集图像进行分类验证。实验采用NWPU-RESISC45公共数据集对本研究模型精度进行验证,与现有的遥感图像分类方法相比较,实验结果表明,提出模型的总体分类精度有明显提升,从而验证了方法的有效性和实用性。 相似文献
4.
害虫是影响油茶（Camellia spp.）产量的主要因素之一，对其进行准确识别有助于及时防控，减少损失。目前，油茶害虫识别研究缺少相关的数据集，限制了深度学习技术在油茶害虫识别中的应用。为给在生态环境下准确识别油茶害虫提供1种新范式，构建包含1 116张7类害虫的油茶害虫识别图像数据集，采用4种目标检测算法（SSD、YOLOv3、YOLOX和RetinaNet）在该数据集上进行试验。结果表明，IOU阈值为0.5时，SSD的平均精度为93.50%,YOLOX为93.50%,RetinaNet为86.80%,YOLOv3为96.60%;SSD的平均召回率为73.20%,YOLOX为75.10%,RetinaNet为78.00%,YOLOv3为76.80%。综合分析，YOLOv3的检测和分类能力最优。 相似文献
5.
6.
《林业工程学报》2021,6(5)
针对行道树资源调查中的行道树图像分割问题,基于Mask R-CNN提出一种行道树实例分割算法。首先对图像数据进行采集和标注,建立行道树图像数据集,并对图像进行尺寸变换、数据扩充等预处理以缓解网络训练的过拟合问题;随后,运用迁移学习等思想将大型图片数据集COCO上的预训练网络参数迁移到行道树实例分割模型中作为初始化,并对模型进行训练直至收敛。实验中采集了香樟、悬铃木、广玉兰、柳、银杏、棕榈等多种行道树信息,经预处理后形成的行道树图像数据达到1 482张,将图像顺序随机打乱并划分训练集、验证集和测试集;接着采用深度学习框架Tensorflow进行训练迭代40 000次,最后用测试集的294张图像对模型进行测试,将检测结果与标注的真值进行比对,得出平均交并比约为80%,平均查准率和平均查全率均达到95%以上;在检测速度方面,检测一张图片平均耗时0.476 s,可满足行道树资源调查的需要。实验结果表明,该模型能够实现对不同行道树树种实例的有效精细分割。 相似文献
7.
《林业科学》2021,57(10)
【目的】以双条杉天牛为研究对象,设计基于卷积神经网络的识别模型识别其取食声,并对模型的抗噪性能进行测试,以期实现蛀干害虫的早期预警。【方法】使用SP-1 L探头连接NI 9215电压采集卡采集双条杉天牛咬食木段的声音和典型户外环境下的噪声并以音频格式保存。研究选取部分噪声作为加噪音频,以-3 dB至3 dB的信噪比向双条杉天牛取食声中混入环境噪声,生成训练数据和简单测试集,然后经过短时傅里叶变换、对数计算、平均池化3步操作计算音频的平均对数谱,分别设计并训练基于卷积神经网络的识别模型和传统高斯混合模型,提取音频特征判断音频是否为双条杉天牛取食声。为进一步测试模型的抗噪性能,利用独立划分的加噪音频以-7～3 dB的信噪比向双条杉天牛取食声中混入噪声生成抗噪测试集,对卷积神经网络和传统高斯混合模型的抗噪性能进行测试。【结果】在简单测试集上,基于卷积神经网络的识别模型的识别准确率为98.80%,较高斯混合模型有0.88%的下降。在抗噪测试集上,基于卷积神经网络的识别模型识别双条杉天牛取食声的整体准确率为97.37%,较高斯混合模型提高6.76%,其中,信噪比为-3 dB时,识别准确率为98.13%,较高斯混合模型提高9.80%,信噪比为-6 dB时,识别准确率为92.13%,较高斯混合模型提高5.67%。【结论】卷积神经网络能有效综合频谱特征,准确判断音频中有无双条杉天牛的取食声,同时,相比高斯混合模型,卷积神经网络具有良好的泛化能力,在低信噪比下仍能保证较高的识别准确率。基于卷积神经网络的取食声识别模型能够适应林木蛀干害虫的野外监测环境,可为隐蔽蛀干害虫的自动化监测和早期预警提供技术支撑。 相似文献
8.
【目的】针对林业有害生物种类多，不少物种之间相似度高，视觉差异小，不易区分，导致林业防控人员无法快速准确识别有害生物种类的问题，本文提出基于深度双线性转换注意力机制网络（DBTANet）的林业有害生物细粒度图像识别方法。【方法】以自然状态下拍摄的60种林业害虫和14种林业有害植物图像作为研究对象，利用水平镜像、亮度调节、高斯模糊和高斯噪声等方法对图像数据集进行增强，按6∶2∶2比例划分为训练集、验证集和测试集；采用双线性插值法将每幅图像缩放至统一尺寸；改进ResNet网络中残差模块，加入深度双线性转换模块和注意力机制模块，建立DBTANet-101网络进行特征提取与分类；利用平均准确率、平均召回率和平均F1值3个指标评价不同模型对林业有害生物的识别结果。【结果】VGGNet-19、ResNet-50、ResNet-101、改进残差模块的ResNet-50和ResNet-101共5个模型对74种林业有害生物平均准确率分别为78.6%、74.9%、76.3%、79.7%和81.1%；在改进残差模块的ResNet-101基础上，增加深度双线性转换模块和注意力机制模块后，74种林业有害生物的平... 相似文献
9.
描述格,杉材和其它木材常见的,蛀入木材内部,造成经济损失的24种重要害虫的形态特征.记述了吉丁虫,天牛类幼虫的识别特征和象虫类成虫的识别特征. 相似文献
10.
11.
12.
13.
14.
15.
在四川退耕还林区，由于竹类结构单一，加之管理不美，普遍存在“重栽培，轻保护”的认识，尽管全省竹林面积发展迅速，而竹类病虫害也随之呈蔓延之势，在某些地区已成为制约其发展的重要因素，笔者在研究四川省竹类病虫害发生及危害特点的基础上，对其成因进行了分析，探索了竹类病虫害的控制途径。提出在竹类病虫防治策略上可分为预防和防治两部分，预防是主体，是防治的前提，防治是预防的继续，防、治、兼备；在病虫防治布局上，逐步实行竹苗检疫化、品种抗性化和测报系统化，达到有效地控制竹类病虫灾害的目的。 相似文献
16.
基于气象因子深度学习的森林火灾预测方法 总被引：4，自引：0，他引：4
森林火灾一旦发生将对生态系统造成严重的破坏,间接导致气候的变化和极端天气频发。对森林火灾的发生进行准确预测可提前采取有效的防控措施,具有重要意义。传统林火预测模型多为数学方法和浅层神经网络,当数据量增大时易出现建模困难以及预测精度降低等问题。深度学习模型在处理大量非线性数据上具有一定的优势,其模型具有多层网络结构,通过训练大量数据可提取出具有代表性的特征值,发现数据间的隐含关系,达到准确分类预测的目的。因此,本研究提出一种基于深度学习的林火预测方法,将深度信念网络(deep belief network,DBN)作为预测模型,气象因子作为输入数据,以解决传统林火预测模型在面对大量数据时预测效果不佳的问题;同时结合过采样SMOTE(synthetic minority oversampling technique)算法,平衡林火数据集和增加训练数据量,提升了森林火灾的预测准确度。结果表明,在面对更大的数据量时,该模型预测精度明显优于其他传统林火预测模型,证明了将深度学习应用在林火预测的优越性。该研究可为深度学习在林业领域的应用提供参考。 相似文献
17.
竹林害虫综合防治中营林技术作用探讨 总被引：1，自引：0，他引：1
在竹林害虫综合防治中,营林措施有着重要的作用。研究结果表明,通过劈山、松土、垦复、施肥和清理病虫次竹等营林措施,使遭受目标害虫严重为害的残败竹林恢复长势,挽回损失;增强了竹林对害虫的忍受和自控能力;改善了竹林生态环境,破坏了害虫的越冬场所,压低了翌年虫口发生基数;清除了某些害虫的产卵场所和中间寄主,直接压低了虫口。 相似文献
18.
景观连接度在森林病虫害控制中的应用 总被引：2，自引：0，他引：2
景观连接度作为景观生态学的主要研究内容, 是对景观结构促进或阻碍生态过程的景观度量。景观连接度为森林景观结构与病虫害种群空间分布、栖息生境景观结构格局、扩散能力及途径等生态学过程的研究提供了新方法。基于昆虫和病原微生物对景观结构响应的生态学过程制定森林病虫害的控制方法, 符合森林有害生物生态控制基本要求和原则, 为安全、有效、持续地控制森林病虫害提供理论基础。简单介绍了景观连接度的概念、特征、研究内容和生态学意义, 就国内外景观连接度应用于森林昆虫与病原微生物方面的研究进行了综述, 进而展望了景观连接度在森林病虫害控制中的研究方向和应用前景。 相似文献
