-
公开(公告)号：CN120032721A
公开(公告)日：2025-05-23
申请号：CN202510114312.3
申请日：2025-01-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G16B40/00 , G06V20/13 , G06V20/10 , G06Q50/02 , G06Q50/26 , G06N5/01 , G06N20/00 , G06N20/20 , G01N21/25
Abstract: 本发明提供杉木地上生物量遥感估测的不确定性分析方法，属于模型构建领域，本申请以广东省野外调查数据、Landsat 8OLI遥感影像为数据源，从遥感影像中提取光谱波段因子、植被指数和纹理因子，分别构建了K最近邻回归(KNN)、梯度提升回归树(GBRT)、随机森林(RF)三种地上生物量估测模型，并使用误差方程对样地尺度和遥感模型尺度的不确定性进行度量，分析不同尺度不确定性对AGB估测的影响。相较于样地尺度，遥感模型尺度的不确定性仍然是主要的不确定性来源。而在遥感尺度中，RF是估测效果最好的模型。本申请从样地尺度和遥感模型尺度两种方面来分析对杉木地上生物量估测的影响，可为更准确地估测地上生物量提供一定的参考和思路。
-
公开(公告)号：CN118736299A
公开(公告)日：2024-10-01
申请号：CN202410821515.1
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/764 , G06V20/17 , G06V20/40 , G06V10/44 , G06V10/82 , G06V10/26 , G06N3/0499 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06N3/0455 , G06N3/0985
Abstract: 本申请提供基于自注意力机制的航空林火图像识别方法，包括以下步骤：获取林火视频为数据源；通过预处理方法筛选出图像，构建林火图像数据集，同时运用数据增强技术，丰富数据多样性，提高模型泛化能力；在特征提取阶段选用10层ViT作为主干网络，采用交叠滑动窗格方式图像序列化，嵌入位置信息后作为第1层ViT的输入，将前9层ViT提取的区域选择模块通过多头自注意力机制和多层感知器机制批量嵌入第10层ViT，有效放大子图间的微差异以获取小目标特征；采用对比特征学习策略，构建目标损失函数进行模型训练，获得图像类别标签，有效提高模型的特征学习能力和识别准确率。本申请利用机器学习技术提高航空林火图像识别的准确率和鲁棒性。
-
公开(公告)号：CN118736219A
公开(公告)日：2024-10-01
申请号：CN202410821535.9
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 本申请提供一种针对林火识别的火焰快速检测方法，包括以下步骤：(1)首先采用HistSplineReg分割法对各颜色通道进行多阈值分割，以保证图像分割细节清晰，计算并记录各通道上的分割区域为SR，SG和SB；(2)在各分割区域中选择一个代表点，并将代表点按颜色空间的排序顺序重新组合，形成区域的像素表示；(3)最后将像素代表点与提供的监督信息进行比对，检索出所在的目标区域；(4)获取“火”代表点所在的划分子集及其对应的火焰像素区间。该方法在保证实时性检测的同时，还能够保证较高的火焰检测率和较低的误报警率。其次，综合林火的这两项检测指标，基于YCbCr的火焰判据更适合真实场景的林火检测。
-
公开(公告)号：CN118537724A
公开(公告)日：2024-08-23
申请号：CN202410517654.5
申请日：2024-04-28
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 本申请实施例提供了基于机载激光雷达估算荒漠地区灌木地上生物量的方法，包括：(1)获取机载激光雷达遥感数据；(2)机载激光雷达点云数据预处理；(3)地面调查；(4)获取激光雷达点云变量；(5)构建生物量反演模型；(6)荒漠植被地上生物量估测。该发明提出的基于激光雷达估算荒漠地区灌木地上生物量的方法解决了传统地面调查方法耗时耗力且时效性低、需要破坏性取样的缺陷；弥补了卫星影像和可见光影像对荒漠稀疏矮小植被无法精准获取垂直结构信息的缺陷；结合机器学习算法进一步提高了生物量的估算精度，充分利用每一个机载雷达的点云变量。
-
公开(公告)号：CN120032723A
公开(公告)日：2025-05-23
申请号：CN202510114372.5
申请日：2025-01-24
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 本发明提供基于无人机激光雷达特征变量的杉木林分生物量模型估测方法，属于模型构建领域，本发明基于广东省154块样地数据，通过变量筛选分别建立一元、多元基础回归模型，以及加入龄组作为变量的混合效应、哑变量生物量回归模型，应用确定系数R2、均方根误差RMSE、残差、总体相对误差TRE等指标评价模型精度。筛选出相关性较高的机载激光雷达变量共41个，最终进入模型的自变量2个。树叶生物量拟合效果最好的是对数混合效应模型，其他林分分项生物量拟合效果最好的是幂函数混合效应模型，使用机器学习模型后模型拟合效果提升(RMSE＝1.080～9.902；R2＝0.855～0.937；TRE＝0.066～0.081)。将检验样本的数据分别代入到训练好的模型检验模型精度，整体具有较好的拟合效果。
-
Patent Agency Ranking
公开(公告)号：CN120032722A
公开(公告)日：2025-05-23
申请号：CN202510114334.X
申请日：2025-01-24
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 本发明提供杉木全周期冠幅模型研建方法，属于模型构建领域，本申请构建了单木全生长周期冠幅预测模型。系统分析了冠幅生长的动态特征及其多尺度影响机制。以胸径和树高为核心变量的基础模型较好地反映了树木生长规律，龄组哑变量有效捕捉了冠幅在不同生长阶段的动态变化特征，而混合效应模型的引入显著提升了模型的精度与适用性(R2＝0.717，RMSE＝0.502)，量化了区组和样地效应对冠幅生长的宏观与微观影响。表明环境异质性和随机效应的综合考虑是全生长周期建模的关键，为森林资源的可持续管理和生态系统动态监测提供了重要科学依据。本发明方法和框架适用于其他树种或生态系统，为优化冠幅预测、揭示环境因子作用及提升碳汇评估精度提供了新思路。
-
公开(公告)号：CN118887441A
公开(公告)日：2024-11-01
申请号：CN202410821479.9
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/764 , G06V20/17 , G06V20/10 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/045
Abstract: 本申请提供基于融合注意力机制和无人机可见光影像的单木树冠检测方法，包括以下步骤：第一步：无人机影像获取无人机正射影像数据；第二步：数据预处理无人机正射影像数据；第三步：优化模型Att‑Mask R‑CNN的主干网络构建；第四步：优化模型Att‑Mask R‑CNN的区域候选网络构建；第五步：优化模型Att‑Mask R‑CNN的多分支网络构建；第六步：单木树冠垂直投影面积估计；第七步：优化模型Att‑Mask R‑CNN的精度验证。该方法是通过优化现有深度学习方法，构建苗景兼用林的单木树冠分割模型并研究其林分结构，为智慧林业以及科学经营提供理论依据。本申请基于高分辨率无人机遥感影像，探究了优化模型Att‑Mask R‑CNN(Attention‑based Mask R‑CNN，基于注意力机制的Mask R‑CNN模型)林区内识别每个树冠和树冠垂直投影面积估测的能力。
-
公开(公告)号：CN118840546A
公开(公告)日：2024-10-25
申请号：CN202410821577.2
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/26 , G06V20/17 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本申请提供一种基于改进Mask Scoring R‑CNN的林火检测与分割方法，包括以下步骤：(1)森林火灾模拟：对森林可燃物在规定区域进行森面火灾模拟，并且使用干草、落叶对其助燃；(2)无人机航拍影像采集：使用多旋翼无人机搭载一台可见光相机对林火进行影像采集；(3)林火数据标注：为保证林火分割的质量，将帧间隔数设置为10，采用交互式多边形工具Labelme软件对每个林火目标提取精确的标签区域，包括被遮挡或者是存在于图像边缘的林火目标，同时，为了减少对模型的计算需求，所有图像统一缩放至1280×720分辨率，并以JPEG格式保存；(4)构建改进模型MaskSU R‑CNN：MaskSU R‑CNN主要由特征提取网络、区域候选网络、边界框分类回归和掩膜生成网络组成。
-
公开(公告)号：CN118736256A
公开(公告)日：2024-10-01
申请号：CN202410821552.2
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/762 , G06V10/764 , G06V10/26
Abstract: 本申请提供一种基于超像素的森林火灾实时检测方法，涉及机器学习技术领域，包括：(1)图像超像素分割：对林火图像先进行SLIC超像素分割，将位置邻近和颜色相似的像素划分为若干个超像素；(2)代表点选择：鉴于超像素良好的目标边界一致性，将超像素等效为像素，从像素中选择或构造代表点；(3)引入监督信息：将代表点与引入的监督信息进行比对，从而完成火焰检测。本发明分别以超像素的均值、中值和均值与中值的组合构造代表点，在多种场景的12张林火图像上进行了实验验证，相比于向量和矩阵块模式表示方法，该文方法在10张图像上的林火识别率均达到了最高，平均识别率在98.2％以上。
-
公开(公告)号：CN117708468B
公开(公告)日：2024-09-17
申请号：CN202410019674.X
申请日：2024-01-05
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06F17/10
Abstract: 一种构建含竞争指标的广义可加混合树高模型的方法，具体步骤如下：一：数据整理，包括不同样地数据合并，异常值剔除，以林木分级作为分类变量，计算Hegyi竞争指数与BAL指数；二：数据集划分，按照比例随机划分建模数据集和验证数据集；三：构建广义可加性混合模型；四：模型评价，模型评价指标包括决定系数、相对均方根误差和赤池信息量。本发明所有广义可加混合模型在模型估计精度上均优于非线性混合模型，R2平均提高0.005，RMSE％，AIC值以及Bias分别平均降低0.5％，59.88以及12～13个数量级。在广义可加混合树高模型中，以BAL为辅助变量，考虑唯一全局平滑函数并在具有相同扭曲程度的分组水平平滑函数添加随机效应能够获得相对最优的模型估计精度及预测能力。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.063 seconds)
