-
公开(公告)号：CN118777330B
公开(公告)日：2025-04-15
申请号：CN202410760206.8
申请日：2024-06-13
Applicant: 东北林业大学
Abstract: 一种野外活立木内部缺陷检测方法，属于树木病虫害检测技术领域。为提高树木病虫害的检测精度，本发明包括将检测平台围绕目标活立木拼合起来，连接线缆完成一种野外活立木内部缺陷检测成像装置的搭建；对检测平台环绕的目标活立木进行检测，首先设置发射天线、接收天线的初始位置，设置初始化参数，根据检测的活立木设置初始估测参数，然后固定发射天线，移动接收天线，进行电磁波无损检测，采集时域波形数据，传输到主控装置；主控装置对时域波形数据进行数据处理、转化，得到转化的频域波形数据；采用子空间优化算法进行目标活立木内部缺陷的电磁波成像；基于电磁波成像进行目标活立木内部缺陷的识别。本发明提高了成像的精度和分辨率。
-
Patent Agency Ranking
公开(公告)号：CN118246596A
公开(公告)日：2024-06-25
申请号：CN202410334837.3
申请日：2024-03-22
Applicant: 东北林业大学 , 国家林业和草原局生物灾害防控中心
Abstract: 本发明提出一种松材线虫病扩散蔓延预测方法，属于森林保护学技术领域。包括以下步骤：S1.收集松材线虫病历史发生数据，并存储为栅格数据，再将栅格数据转换为矢量数据；S2.获取松材线虫病的影响因子历史发生数据并对影响因子的相关性进行分析；S3建构基于松材线虫病的传染病动力学模型；S4.建构PGNN物理引导神经网络混合模型；S5.将松材线虫病历史发生数据和相关度强的影响因子数据输入至PGNN物理引导神经网络混合模型中，输出松材线虫病扩散蔓延情况。S6.基于遗传优化算法对PGNN物理引导神经网络模型参数进行优化，返回至S5；解决现有技术中存在的缺乏高效、准确的预测方法的技术问题。
-
公开(公告)号：CN118246596B
公开(公告)日：2025-03-28
申请号：CN202410334837.3
申请日：2024-03-22
Applicant: 东北林业大学 , 国家林业和草原局生物灾害防控中心
Abstract: 本发明提出一种松材线虫病扩散蔓延预测方法，属于森林保护学技术领域。包括以下步骤：S1.收集松材线虫病历史发生数据，并存储为栅格数据，再将栅格数据转换为矢量数据；S2.获取松材线虫病的影响因子历史发生数据并对影响因子的相关性进行分析；S3建构基于松材线虫病的传染病动力学模型；S4.建构PGNN物理引导神经网络混合模型；S5.将松材线虫病历史发生数据和相关度强的影响因子数据输入至PGNN物理引导神经网络混合模型中，输出松材线虫病扩散蔓延情况。S6.基于遗传优化算法对PGNN物理引导神经网络模型参数进行优化，返回至S5；解决现有技术中存在的缺乏高效、准确的预测方法的技术问题。
-
公开(公告)号：CN118777330A
公开(公告)日：2024-10-15
申请号：CN202410760206.8
申请日：2024-06-13
Applicant: 东北林业大学
Abstract: 一种野外活立木内部缺陷检测方法，属于树木病虫害检测技术领域。为提高树木病虫害的检测精度，本发明包括将检测平台围绕目标活立木拼合起来，连接线缆完成一种野外活立木内部缺陷检测成像装置的搭建；对检测平台环绕的目标活立木进行检测，首先设置发射天线、接收天线的初始位置，设置初始化参数，根据检测的活立木设置初始估测参数，然后固定发射天线，移动接收天线，进行电磁波无损检测，采集时域波形数据，传输到主控装置；主控装置对时域波形数据进行数据处理、转化，得到转化的频域波形数据；采用子空间优化算法进行目标活立木内部缺陷的电磁波成像；基于电磁波成像进行目标活立木内部缺陷的识别。本发明提高了成像的精度和分辨率。
-
公开(公告)号：CN118278575A
公开(公告)日：2024-07-02
申请号：CN202410462659.2
申请日：2024-04-17
Applicant: 东北林业大学 , 国家林业和草原局生物灾害防控中心
IPC: G06Q10/04 , G06F18/24 , G06F18/214 , G06N3/126 , G06N3/044 , G06N3/0442 , G06N3/08 , G06F17/18
Abstract: 本发明提出一种基于RNN的落叶松枯梢病扩散蔓延预测方法，属于森林保护学技术领域。包括：S1.收集落叶松历史枯梢病数据、落叶松分布地区气象数据和落叶松分布地理信息数据；S2.将落叶松历史枯梢病数据、落叶松分布地区气象数据和落叶松分布地理信息数据进行一一对应，提取病害显著影响的特征；S3.建构落叶松历史枯梢病预测模型；S4.基于鲸鱼优化算法最优化落叶松历史枯梢病预测模型的参数；S5.将落叶松历史枯梢病数据、落叶松分布地区气象数据和落叶松分布地理信息数据输入至落叶松历史枯梢病预测模型，输出落叶松枯梢病预测；S6.将落叶松枯梢病地区在地图上显示，可视化落叶松枯梢病。解决准确性不高、及时性不足的问题。
-
公开(公告)号：CN213259510U
公开(公告)日：2021-05-25
申请号：CN202022267288.2
申请日：2020-10-13
Applicant: 东北林业大学
IPC: B25J11/00
Abstract: 本实用新型公开了一种林分样地内三维扫描机器人，包括履带式智能车，所述履带式智能车的顶部一侧安装有雷达支架，所述雷达支架上安装有激光雷达，所述履带式智能车的顶部另一侧安装有摄像云平台，所述摄像云平台上安装有CCD摄像头组，所述履带式智能车上位于摄像云平台下方安装有电控箱，所述电控箱的底部内壁安装有锂离子电池，所述电控箱的顶部内壁对称安装有滑轨，所述滑轨的内部滑动连接有电路板。本实用新型结构新颖，构思巧妙，移动性强，可实现从多方位扫描同一片区域，能深入树林内部，并采集相关数据，形成更精确的三维点云图像，大大减轻了林业工作者的工作负担，实现了智能化，提高了工作效率。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
