-
公开(公告)号：CN119274098A
公开(公告)日：2025-01-07
申请号：CN202411810036.6
申请日：2024-12-10
Applicant: 国家林业和草原局生物灾害防控中心
Abstract: 本申请提供了基于无人机可见光遥感的松材线虫病疫木感病阶段监测识别方法，具体涉及影像数据的读取和识别以用于松材线虫病变色识别技术领域，包括以下步骤：基于获取的无人机可见光遥感数据进行几何配准、裁剪等预处理；基于可见光三波段计算植被指数：可见光波段差异植被指数（visible‑band difference vegetation index，VDVI）、超绿指数（excess green index，ExG）；将可见光影像及对应的植被指数图像转为灰度图像，对其进行多阈值分割；依据最佳阈值提取变色立木，对提取结果进行后处理实现单株变色立木识别，进一步提升了基于可见光无人机遥感影像识别松材线虫病变色木的效率与精度。
-
Patent Agency Ranking
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：CN114385790A
公开(公告)日：2022-04-22
申请号：CN202210038509.X
申请日：2022-01-13
Applicant: 国家林业和草原局生物灾害防控中心
Abstract: 本发明涉及森林病虫害和空间统计学领域，公开了一种基于空间异质特征的松材线虫病传播知识挖掘方法。本发明依托森林松材线虫病小班环境因子和社会经济因子，研究松材线虫病传播和扩散规律，根据地理探测器分析各个影响因子，地理探测器可用以度量空间分异性、探测解释因子、分析变量之间交互关系，从而探索空间分异性并且揭示其背后驱动力。
-
公开(公告)号：CN118246595B
公开(公告)日：2025-03-25
申请号：CN202410334835.4
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
IPC: G06Q10/04 , G06Q50/02 , G06F16/29 , G06F17/15 , G06F18/15 , G06F18/2415 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 一种美国白蛾病虫害发生概率预测方法、电子设备及存储介质，属于美国白蛾病虫害预测技术领域。为高效、准确的预测美国白蛾病虫害，本发明采集美国白蛾病虫害的历史发生数据、森林生态环境数据以及气象数据，进行数据清洗和归一化处理；利用皮尔逊相关系数分析预处理后的数据对美国白蛾病虫害的影响力以及数据间的相关性，提取与国白蛾病虫害的影响力相关性最大的相关变量，构建训练数据集和测试数据集；基于Transformer神经网络构建美国白蛾病虫害发生概率预测模型；设置美国白蛾病虫害发生概率预测准确率评价指标；实时获取监测数据，利用美国白蛾病虫害发生概率预测模型进行模拟实验，对美国白蛾病虫害发生概率进行预测。
-
公开(公告)号：CN118246595A
公开(公告)日：2024-06-25
申请号：CN202410334835.4
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
IPC: G06Q10/04 , G06Q50/02 , G06F16/29 , G06F17/15 , G06F18/15 , G06F18/2415 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 一种美国白蛾病虫害发生概率预测方法、电子设备及存储介质，属于美国白蛾病虫害预测技术领域。为高效、准确的预测美国白蛾病虫害，本发明采集美国白蛾病虫害的历史发生数据、森林生态环境数据以及气象数据，进行数据清洗和归一化处理；利用皮尔逊相关系数分析预处理后的数据对美国白蛾病虫害的影响力以及数据间的相关性，提取与国白蛾病虫害的影响力相关性最大的相关变量，构建训练数据集和测试数据集；基于Transformer神经网络构建美国白蛾病虫害发生概率预测模型；设置美国白蛾病虫害发生概率预测准确率评价指标；实时获取监测数据，利用美国白蛾病虫害发生概率预测模型进行模拟实验，对美国白蛾病虫害发生概率进行预测。
-
公开(公告)号：CN114373140A
公开(公告)日：2022-04-19
申请号：CN202210038521.0
申请日：2022-01-13
Applicant: 国家林业和草原局生物灾害防控中心
Abstract: 本发明公开了一种松材线虫病发生区域智能识别方法，将遥感影像数据和深度学习技术运用于松材线虫病的监测领域。基于遥感影像构建松材线虫病发生区域语义分割样本数据集，构建UNet语义分割模型并进行模型的训练和优化，实现松材线虫病发生区域的智能识别。本发明流程简单，实用性强，为松材线虫病的智能监测提供一种新的方法，适用于森林病虫害监测、深度学习影像识别等领域。
-
-
-
-
-
Search Results
6
records
(took 0.048 seconds)
