共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
联合采育作业精确进料控制系统开发与测试 总被引：1，自引：0，他引：1
为提高林木联合采育机的工作效率,开发测试一种进料辊精准进料控制系统,该控制系统是基于PID控制算法研究林木联合采育机作业机头自动精准进料的控制系统。本文从林木联合采育机作业机头自动精确进料的控制需求出发,结合其控制过程,研究基于增量式PID控制算法在自动精确进料控制上的应用。试验中针对不同的P、I和D参数,分组对进料结果进行了分析,随后提出改进的多段自适应PID控制算法。实验结果表明,通过改进的PID控制算法可以实现林木联合采育机作业机头进料辊自动精确进料,其误差在允许范围之内。此方法适应性强,能够有效提升采育机的作业效率,但仍需在后期作业中,针对不同树种树径、造材长度等特征数据,进行进一步优化。 相似文献
3.
联合采育机多功能伸缩越障机构采用仿生学原理,以小松PC200-7挖掘机为基体改装而成,可提高采育机在我国林区复杂地形的适应性和越障能力。利用Solidworks和ADAMS两种软件建立越障机构的虚拟样机和仿真环境,分析其基本原理,对主要的铰接点进行优化设计,配置了液压系统,并通过试验验证了越障机构的可行性。 相似文献
4.
《中南林业科技大学学报(自然科学版)》2019,(11)
针对南方人工林地貌特征和林分生长特性,以实例为研究对象,对大规模林地地形与树木融合的高效建模方法进行研究。建模算法基于地形表面离散点数据,按规划的网格点进行区域高程值覆盖与替代,对没有覆盖到的区域用扫描算法进行高程值补孔,然后利用二次高斯模板对网格高程数据平滑处理,得到林地形模型。借助Unity3D二次开发技术导入地形模型和构建的树木模型数据,实现林地树木模型的有机融合,构建林分场景。结果表明:本研究的算法和融合方法提高了林地和树木的综合建模效率,打通了从基础人工林数据到Unity3D呈现大规模人工林真实感模型的各个环节,并能在普通PC机实现模型的流畅动态模拟,为大规模人工林的高效率真实感建模提供了一种有效途径。 相似文献
5.
基于改进卷积自编码机的油茶果图像识别研究 总被引：1，自引：0，他引：1
为进一步提高油茶果识别的速度与精度,提出一种基于改进卷积自编码机神经网络的油茶果图像识别方法。该方法以非对称分解卷积核提高训练速度,以输出端重构输入端的直连训练方式减少信息损失;利用改进的自编码机训练不同颜色通道的图像,随后在共享层中利用金字塔池化算法融合高阶特征,利用softmax算法构建分类器。结合selective-search算法生成候选区域,并对其进行筛选,利用训练好的网络设计油茶果果实图像检测器验证算法的实用性。改进算法100次迭代所需时间为166 s,平均识别准确率为90.4%;改进模型收敛性能较好,学习能力强,经过10次迭代之后即可达到85%的识别准确率,在样本数目为200的小数据集上可达到82%的识别准确率;同时,检测器的搭建验证了算法的有效性,在2 s内即可实现对单张实际图像上目标区域的检测,总体识别精度为87%,使得算法具有一定的实时检测能力。试验结果证明,改进后的算法具有较高的识别准确率与学习能力,以及一定的实用性,可为油茶果图像识别提供参考。 相似文献
6.
针对目前国内采伐机平台存在信息传输过程不够稳定、多功能难以汇集成块、作业设计调查中材积计算误差较大的问题,设计了一套基于云平台的林间采伐头作业信息采集系统。首先,根据系统目标建立平台的软件与硬件系统,软件系统使用嵌入式模块与工控模块开发,基于CAN通信协议实现采伐机头的本地控制和作业及状态信息采集;通过在阿里云服务器创建数据中心、部署中间件实现采伐机作业数据的实时处理;硬件系统中搭载了无线通信模块,基于Socket编程通过MQTT协议进行与云端的全双工通信。其次,建立原木定制采伐(CTL)材积模型,基于编码器角度与树木直径对应关系实现对树木直径与长度的实时测量。最后,将上述平台系统于野外复杂环境下进行试验,并在林间选取不同郁闭度的条件,验证信息传输的稳定性以及云报表材积信息采集的准确性。配备了该系统的采伐机在实际工作环境下,系统信息传输过程的丢包率可以控制在1%以内。通过云平台报表数据与人工测量数据计算得到的材积对比,材积测量误差率在5%以内。开发的基于物联网与云框架的采伐机信息采集系统与B/S版的远程终端访问系统通过野外复杂试验验证了信息采集系统的可靠性,通过对比原木材积国家标准,验... 相似文献
7.
基于雷达波的树木躯干内部缺陷探测识别 总被引：2，自引：0，他引：2
【目的】采用探地雷达对木质体内部缺陷进行断层扫描探测,研究基于雷达波的树木内部层面反射特征识别算法,为雷达波无损测试技术在树木内部结构和缺陷的解析、定位及分布表征提供理论依据。【方法】采用900 MHz介质耦合树木雷达对柳木试件进行断层扫描,研究实现阈值法、匹配滤波器法和希尔伯特积算法获取缺陷层面的反射位置,基于层剥反演法对树木内部不同介质进行介电常数反演,求得层位的相对深度,结合三维激光扫描仪获取的树木外形轮廓点云数据,根据轮廓追踪法将雷达波B扫描图像与断层轮廓绝对位置进行映射,实现对树木内部缺陷的准确定位和表征。对3种算法分别使用FDTD正演方法进行对比验证,并应用于颐和园古柳木试件试验测试中。【结果】正演对比测试结果表明,希尔伯特积算法相较于阈值法和匹配滤波器法,对木质体内部缺陷识别效果更好。柳木试验测试结果显示,树木内部缺陷深度误差为10%,结合三维激光和外轮廓扫描技术求得的缺陷部分面积误差在5%左右。【结论】本研究提出的算法可以实现雷达波扫描图像对树木内部缺陷的准确定位和分布成像。 相似文献
8.
针对林区生态环境监测系统中的数据高冗余度,提出一种基于LEACH路由协议的无线传感器网络(WSN)数据融合算法。通过林区高密度的反馈数据,验证该算法提高了数据融合的高效性,该算法针对周期性的信息反馈的无线传感器网络特别适用。因为林区的一些生态数据的监测只是周期性的去采集处理,所以该算法适用于林区的高数据周期性的数据采集、融合和处理。 相似文献
9.
在森林病虫害防治领域,基于图像的机器学习代替人工识别森林病虫害正成为未来的技术方向。针对图像识别技术在复杂自然条件下检测日本落叶松虫害存在目标小、精度低、易漏检和误检的问题,提出一种改进YOLOv5模型：首先在数据增强中通过Mosaic将数据集中的大目标转换为小目标,提高模型对识别小目标的能力;其次使用迁移学习方法弥补日本落叶松虫害数据集少样本的问题并提高模型训练速度;然后在YOLOv5s的网络模型基础上,通过轻量级通用上采样CARAFE算子扩大感受野,更好地利用周边的信息,提高目标检测能力减少漏检并保持轻量化;最后利用解耦预测头分离分类和回归任务,减少分类和回归任务之间的干扰,提高检测精度。对自建的日本落叶松的6类虫害样本图像数据集进行实验,结果表明：改进F1分数达到90.1%,平均精度均值mAP达到92.5%,在林下光照不匀、周围背景杂乱的野外拍摄环境中与YOLOv5s算法相比,改进后的算法的检测性能更好,可以为日本落叶松害虫检测和防治提供技术参考。 相似文献
10.
《林业工程学报》2021,(4)
为做好森林管护工作,减少人力和物力的消耗,利用快速发展的行人检测算法可对林区行人进行检测和甄别,但林区行人检测与传统行人检测有很多不同,如林区行人被树木遮挡、着装与背景色调相似等特征,导致漏检现象严重。为此,针对林区行人的特点,笔者提出了一种实时检测林区行人的算法CornerNet-P,将林区行人的位置预测简化成为2个关键点的预测。以CornerNet-Lite为基础,改进算法的损失函数,预测2组热力图来检测林区行人的角点位置,预测嵌入层损失以匹配同一行人的角点,预测偏置层损失来减少尺度变化过程中的精度损失,并获得最终的边界框;然后提取COCO2014数据集中的行人数据并随机分为训练集和测试集两部分,使用训练集分别训练该算法与YOLOv4算法中的参数,使用测试集和真实的林区行人图像对算法的检测精度和检测速度进行检验。试验结果表明,CornerNet-P算法相比YOLOv4算法平均检测精度提高了1.7%,检测速度提高了5.1%,并可以较好地检测真实林区行人图像。CornerNet-P算法可以实现林区的行人检测,具有较快的检测速度和较满意的精度。 相似文献
11.
森工企业在拟定采集工艺时,必然要考虑生产效率、经济效益和生态问题.在新的作业条件下,需要开发新型集材装备,既能满足木材生产又能减少对林地环境的不利影响.三角履带是融合了轮胎与履带行走机构的优点而研发的新型行走机构,能适应各种恶劣的环境.本文对多功能集材机三角履带的主参数做分类概述,三角履带的主参数主要由集材机的相关参数和环境的相关数据共同决定.运用建模的方法对5种不同集材机主参数进行计算,通过实验获得诸如坡度、伐根高度等林区作业环境数据,运用统计方法进行数据处理,然后依据以上数据通过理论推导出5种不同多功能集材机三角履带的参考值. 相似文献
12.
13.
森林火灾检测是保护森林生态系统的关键所在,可以为森林早期火灾判断与预防提供重要依据。如果能够尽可能地对森林火灾识别和检测,可以在很大程度上减少灾害发生频率及其造成的损失。基于无人机遥感图像的发展,林火的快速检测得到进一步提升,可以准确识别火灾,解决林火出现的复杂性问题。本研究针对航拍森林火灾识别遇到的背景环境复杂、林火检测识别精度偏低、局部检测效果不佳等问题,提出了一种加强视觉注意力的林火识别方法,此方法是基于YOLOv5模型改进的。该算法使用NAM attention对像素进行归一化,降低不太显著的特征权重,使目标不重要的信息得到抑制。另外本研究采用了ObjectBox,这是一种新颖的单阶Anchor-free,不仅可以平等地对待不同级别尺寸的目标,还能提升模型识别正确样本的能力,具有高度的泛化性能。采用Mosaic数据增强方式增强模型的泛化能力,提高模型识别小目标的准确率。同时引入新的定位损失函数CIOU,它可以有效地改善模型在面对复杂背景时的定位精度,提升网络识别的准确性。实验结果表明,在无人机遥感图像数据上,检测性能均优于YOLOv5算法,该算法使得林火的数据集平均精度提升了3... 相似文献
14.
《绿色科技》2020,(17)
指出了林分调查时,树木年龄确定一直是一个难点,为更精确确定树木年龄,可采用神经网络模型构建法,建立年龄与胸径、树高的回归模型。以陕西省黄龙山林区白皮松天然次生林为研究对象,基于解析木数据,构建了双输入单输出、单输入单输出的神经网络模型,并用未参与建模的标准木数据作为检测样本检测了模型的适应能力。结果表明:①两种模型的拟合精度分别为99.03%、98%,均方根误差分别为0.29011、0.43722,神经网络具有很好的拟合非线性生长模型的能力;②两种模型的检测精度分别为80.19%、79.70%,所建神经网络模型具有较好的适应性。所建神经网络模型能为黄龙山林区白皮松古树年龄确定提供科学依据。 相似文献
15.
基于深度学习的小目标受灾树木检测方法 总被引：2，自引：0，他引：2
《林业科学》2021,57(3)
【目的】针对无人机森林图像中树木尺度小、生长密集以及分布不规律等问题,提出一种基于深度学习的小目标受灾树木检测方法,以准确识别和定位高分辨率无人机森林图像中的小尺度受灾树木。【方法】以辽宁省凌源县受红脂大小蠹侵害的油松林无人机图像为数据源,利用Label Img开源软件标注拍摄高度为180～240 m的图像,构建无人机森林图像数据集。设计小目标受灾树木检测框架,该框架在轻量级目标检测框架(SSD)基础上,首先从conv3_3开始构建预测模块,并根据图像中目标树木的尺寸删减预测模块,同时优化特征图上默认框生成方式;然后,通过特征增强模块将基础特征图转化为增强特征图,生成基础和增强预测模块;最后,利用基于默认框的双层损失函数训练检测模型以促进特征学习。【结果】基于深度学习的小目标受灾树木检测方法可实现无人机森林虫害远程监测,较准确检测无人机图像中细小密集的受灾树木。采用5组不同结构的SITD模型以及SSD、FSSD和RFBNet目标检测框架对无人机森林图像数据集进行训练和测试,以平均查准率(AP)和Precision-Recall曲线作为评价指标,试验选出最优SITD模型在测试集上的AP为92.62%,相比原始SSD300框架提升69.71%,且优于其他3种目标检测框架。【结论】基于深度学习的小目标受灾树木检测方法可实现对森林中受灾树木的自动化检测,能够简化林业有害生物监测流程,提升对森林虫害的预警能力。 相似文献
16.
林火破坏程度大、蔓延速度快的特点给森林生态环境和人类带来极大的危害。深度学习技术可以学习和自适应提取林火特征,捕获的林火图像中火焰的像素尺寸不同,林火提取的特征也不同。为了能够识别复杂背景下不同像素尺度的火灾,笔者提出了一种改进的YOLOv5林火识别方法,通过在YOLOv5的检测网络加入解耦头,解决林火图像输出变量时分类和回归的冲突问题,加快网络收敛速度提高识别精度;在网络中引进CBAM注意力机制,更关注林火信息同时提升识别精度;在Neck网络引入加权双向特征金字塔网络(BiFPN),替换原有的路径聚合网络(PANet),对不同维度的林火特征进行融合,进行特征筛选,增强特征表示能力。实验结果表明,该林火识别算法在自制的林火数据集上进行训练和验证模型,检测性能上均优于YOLOv5算法,在准确率、召回率、平均精度分别提升了5.2%,3.0%,3.4%,mAP@.5:.95提升了4.6%,并且在不同尺寸林火目标的识别精度上均有提升。研究结果对林火识别性能提升有着积极意义。 相似文献
17.
18.
胸径是树木最重要的测树因子之一,其精度直接影响材积的测定。传统的树木胸径测量效率低,范围较小;采用遥感反演间接测量胸径,精度较低,且不能直接获取单木的点云数据。本文利用三维激光扫描技术提取立木的3D点云数据,提出一种自动、高效提取单木胸径的算法。利用三维激光扫描仪对样地8棵杨树进行扫描,得到三维点云数据;同时,开展数据分割、精简、降噪处理,得到简化后的点云数据,最后对提取的胸径点云数据进行分层设置,将截取层厚度设置为0,0~1,1~2,2~3 cm 4个等级,利用快速凸包算法将点云数据闭合成一个多边形,运用Arc Engine控件调用Arc GIS中测算多边形长度的方法计算闭合平面周长,换算出立木胸径值,并结合同步实测数据与传统算法、拟合圆算法进行对比试验。结果表明:采用传统算法、拟合圆算法和快速凸包算法的模型决定系数R2分别为0.857、0.941和0.957,说明运用快速凸包算法提取立木胸径是一种高效且比较可行的方法。 相似文献
19.
针对滚动轴承故障特征提取困难、故障类型识别困难的问题，提出一种基于互补集合经验模态分解(CEEMD)能量算子和极端梯度提升(XGBoost)树模型的滚动轴承故障诊断方法。CEEMD在处理信号时成对添加符号相反的白噪声以降低重构误差，XGBoost树模型通过对目标函数进行二阶泰勒展开计算叶子节点权重以进行合适分裂。该方法充分结合了CEEMD算法和XGBoost树模型的优点，首先使用CEEMD算法分解滚动轴承的振动信号，根据相关系数选取了4个含有主要故障信息的固有模态函数(IMF)分量，分别提取能量算子特征构建数据集，将训练集输入到XGBoost模型进行训练，最后对滚动轴承4类故障进行识别分析。通过试验数据验证了该方法在滚动轴承故障识别中的可行性。 相似文献