期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到84篇文章
< 1 2 … 5 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于主成分分析下贝叶斯优化卷积神经网络模型人工林树种识别的研究 被引量：3
1
作者 王晓红 辛守英 +1 位作者 张薇 焦琳琳 《森林工程》 北大核心 2025年第2期298-311,共14页
为探究基于主成分分析(Principal Component Analysis,PCA)下贝叶斯优化(Bayesian Optimization,BO)卷积神经网络(Convolutional Neural Network,CNN)算法(PCA-BO-CNN)模型对人工林树种识别的方法,以提高遥感技术在人工林树种识别中的... 为探究基于主成分分析(Principal Component Analysis,PCA)下贝叶斯优化(Bayesian Optimization,BO)卷积神经网络(Convolutional Neural Network,CNN)算法(PCA-BO-CNN)模型对人工林树种识别的方法,以提高遥感技术在人工林树种识别中的准确率和鲁棒性。以塞罕坝机械林场为研究区域,利用Sentinel-1遥感数据、Sentinel-2遥感数据、数字高程模型(digital Elevation Model,DEM)数据及森林资源二类调查数据和PCA-BO-CNN算法模型结合,并与其他不同算法模型对比分析,以提高人工林树种识别的准确性。结果表明,1)相比PCA算法处理前,PCA算法处理后多源数据特征的PCA1—PCA39共计39个特征的标准差和特征间的区分性明显提升。因此,PCA算法处理有利于提升对华北落叶松、白桦、樟子松、蒙古栎和云杉主要优势树种及非林地的识别精度;2)在PCA算法处理前,BO-随机森林(random forest,RF)算法模型对主要优势树种及非林地识别的总体准确度(OA)和Kappa系数精度,分别为81.87%,0.7545。在PCA算法处理后,PCA-BO-CNN算法模型对主要优势树种及非林地识别的OA和Kappa系数精度相对提高,分别为83.10%,0.7703;3)相比PCA算法处理前的BO-RF算法模型,PCA算法处理后的PCA-BO-CNN算法模型对塞罕坝林场主要优势树种及非林地识别的调和平均数(F1)、OA和Kappa系数的整体精度相对较高。具体,相比BO-RF算法模型PCA-BO-CNN算法模型的OA提升了1.24%,且相比PCA算法处理前PCA-BO-CNN算法模型OA提升了3.71%。与其他算法模型相比,基于PCA-BO-CNN算法模型的人工林树种识别方法具有很强的准确性和鲁棒性,为掌握塞罕坝林场人工林的树种分布,进而了解森林碳储量、森林对气候变化的响应、制定碳减排政策以及推动森林可持续发展提供重要的理论依据。 展开更多
关键词 PCA-BO-CNN模型 塞罕坝林场 人工林 遥感技术 树种识别
在线阅读 下载PDF
基于改进YOLOv7算法的无人机图像树种识别
2
作者 王婧怡 许杰 《林业工程学报》 北大核心 2025年第5期145-153,共9页
为解决目前大规模树种识别工作强度大、效率低且检测准确率欠佳的问题,本研究利用无人机采集的树冠影像,结合深度学习理论和网络剪枝技术,建立了高效的树种识别模型YOLOv7-Trees-T。以YOLOv7网络为基础,在特征提取网络中引入LSK(large s... 为解决目前大规模树种识别工作强度大、效率低且检测准确率欠佳的问题,本研究利用无人机采集的树冠影像,结合深度学习理论和网络剪枝技术,建立了高效的树种识别模型YOLOv7-Trees-T。以YOLOv7网络为基础,在特征提取网络中引入LSK(large selective kernel)注意力机制,在遥感场景中通过动态调整空间感受视野,模拟各种测距情景,提高检测精度;采用GSConv轻量级混合卷和一次性聚合VoVGSCSP模块重置特征融合网络,减少模型参数的同时实现特征多重利用;引入I-MPDIoU损失度量,解决在预测框与真实框具有相同宽高比,但宽度和高度值不同时导致损失函数无法收敛的问题,使模型更好地学习目标位置信息,提高模型回归效率;最后采用Network Slimming网络剪枝方法对模型进行剪枝微调,剔除对网络贡献率较低的通道,实现模型轻量化。研究结果表明,改进后的树种识别模型在数据集上平均精度达到96.39%,较原始YOLOv7模型提高了4.58%。通过使用网络剪枝方法,在保持检测精度的前提下,使浮点运算量和参数量分别下降了28.8%和63.4%,模型规模降低了63.6%。该算法模型能够利用无人机RGB图像快速准确识别树种,可为后续森林管理提供数据支持。 展开更多
关键词 树种识别 目标检测 特征提取 深度学习 YOLOv7
在线阅读 下载PDF
融合哨兵2号时序特征与连续变化检测分类算法的优势树种识别
3
作者 陈丹 李晶 +3 位作者 霍江润 马天跃 闫星光 李雨霏 《森林工程》 北大核心 2025年第3期505-516,共12页
优势树种识别是林业资源调查的重要组成部分,提高优势树种识别精度对开展森林资源调查和相关研究具有重要现实意义。采用GEE(Google Earth Engine)云平台获取霍东矿区2023年1~12月哨兵2号(Sentinel-2)时间序列影像,基于连续变化检测分... 优势树种识别是林业资源调查的重要组成部分,提高优势树种识别精度对开展森林资源调查和相关研究具有重要现实意义。采用GEE(Google Earth Engine)云平台获取霍东矿区2023年1~12月哨兵2号(Sentinel-2)时间序列影像,基于连续变化检测分类算法(continuous change detection and classification,CCDC)算法及归一化退化指数(normalized difference fraction index,NDFI)构建树种的年内生长轨迹特征,提出一种结合树种“轨迹特征+光谱特征+纹理特征”的长时序遥感影像的优势树种分层识别方法,通过设置对照组“光谱特征+纹理特征”,运用分层分类和随机森林分类算法对霍东矿区油松、辽东栎、白桦、华北落叶松、侧柏、山杨、其他杨树7种优势树种进行识别。结果表明,1)通过NDFI指数可以很好地将落叶林和常绿林区分开来;2)基于“轨迹特征+光谱特征+纹理特征”的优势树种识别效果较好,总体精度可达79.6%,Kappa系数为0.742,比对照组的总体精度高出7.3%。 展开更多
关键词 优势树种识别 GEE 时序轨迹特征 归一化退化指数 CCDC算法 时间谐波分析
在线阅读 下载PDF
改进ConvNeXt网络的树种识别方法
4
作者 杨兵兵 许杰 《林业科学》 北大核心 2025年第2期31-39,共9页
【目的】为提高树种识别工作的效率和准确率,提出一种利用迁移学习策略并引入SimAM注意力机制和ECA通道注意力机制的ConvNeXt树种识别模型。【方法】以12种常见树种的树皮图像为研究对象,通过传统数据增强方法对数据进行扩充,防止模型... 【目的】为提高树种识别工作的效率和准确率,提出一种利用迁移学习策略并引入SimAM注意力机制和ECA通道注意力机制的ConvNeXt树种识别模型。【方法】以12种常见树种的树皮图像为研究对象,通过传统数据增强方法对数据进行扩充,防止模型过拟合。使用SimAM和ECA通道注意力机制构建以ConvNeXt为基础的改进网络,增强特征提取的SA-ConvNeXt、增强重要特征权重的E-ConvNeXt、结合两者的ES-ConvNeXt,测试数据集在增强前后对ES-ConvNeXt网络准确率的影响。使用ResNet34、ResNet50、GoogLeNet、Swin Transformer、DenseNet121和ConvNeXt网络,与ES-ConvNeXt模型识别效果进行比较。【结果】SA-ConvNeXt和E-ConvNeXt准确率分别达到(95.14±0.42)%、(96.085±0.235)%,ES-ConvNeXt在增强后数据集测试的准确率达到(97.445±0.635)%,对单一树种识别准确率均超过93%,最高类别准确率达到99.79%,为最优方案。经数据增强后进行训练的模型与使用原始数据进行训练的模型相比,其验证集的准确率和损失值,无论是收敛速度还是最终稳定值都是最优。数据集相同时,使用ResNet34、ResNet50、GoogLeNet、Swin Transformer、DenseNet121和ConvNeXt网络的识别准确率,分别为92.74%、94.47%、90.52%、92.85%、70.38%、94.72%,均低于新改进模型ES-ConvNeXt(97.81%),进一步说明了改进后的ESConvNeXt模型的有效性。【结论】数据增强对模型准确率提升有效,在数据增强后的数据集上,改进后的ESConvNeXt模型与其他模型相比可以更加准确地完成树种分类任务,在不同树种上也有较好的泛化能力。 展开更多
关键词 树种识别 ConvNeXt SimAM注意力机制 ECA通道注意力机制
在线阅读 下载PDF
基于改进YOLOv10和无人机影像的树种识别
5
作者 韩誉 刘浩然 林文树 《森林工程》 北大核心 2025年第5期922-935,共14页
精准高效的森林树种识别是智慧林业实现的关键。传统的地面调查方法存在效率低、成本高等问题,而基于机器学习的树种识别方法通常依赖于大量的特征提取和先验知识。为解决这些问题,提出一种基于改进YOLOv10的无人机影像树种识别算法,通... 精准高效的森林树种识别是智慧林业实现的关键。传统的地面调查方法存在效率低、成本高等问题,而基于机器学习的树种识别方法通常依赖于大量的特征提取和先验知识。为解决这些问题,提出一种基于改进YOLOv10的无人机影像树种识别算法,通过轻量化网络设计和注意力机制增强,实现边缘设备的高效部署,为森林资源数字化管理提供技术支持。选取东北地区5种常见的树种落叶松(Larix gmelinii)、黄檗(Phellodendron amurense)、胡桃楸(Juglans mandshurica)、榆树(Ulmus pumila)和水曲柳(Fraxinus mandshurica)构建无人机影像数据集,通过采用轻量化卷积(Ghost)重构主干网络以降低计算复杂度。此外,在特征融合层引入卷积块注意力模块(Convolutional Block Attention Module,CBAM),通过通道和空间双维度的特征校准增强细粒度特征提取能力。通过双向跨尺度连接(BiFPN)优化多尺度特征融合,采用对称交并比损失函数(Symmetric Intersection over Union Loss,SIoU)改进边界框回归速度。最后于Jetson Nano嵌入式平台进行模型部署验证。改进后的YOLOv10模型在验证集上达到91.5%的查准率(Precision)和77.5%的mAP@0.5,分别较基线模型提升4.5%和3.8%。部署实测平均推理速度为43.5 FPS,较基线模型提升35.5%,mAP@0.5达75.7%。结果表明,YOLOv10改进算法通过轻量化架构和优化多尺度特征提取,在保持实时性的同时提升复杂林区场景的树种识别精度。该算法为无人机林业调查提供可嵌入式部署的解决方案,特别适用于林冠层重叠度高、光照条件多变的实际作业环境。 展开更多
关键词 树种识别 深度学习 无人机 YOLO 目标检测
在线阅读 下载PDF
面向激光雷达点云数据的多结构树种识别 被引量：1
6
作者 陶旭 余富强 +2 位作者 蔡金金 么炜 刘博 《中国农机化学报》 北大核心 2024年第5期168-175,共8页
针对由于树木种间相似性和种内差异性带来的识别困难,以及由于采集环境及设备的多样性导致的点云质量差异,提出面向激光雷达点云数据的多结构树种识别方法(MSTSR)。首先借助改进的组合采样策略,在有效降低数据冗余的同时,保留单木的主... 针对由于树木种间相似性和种内差异性带来的识别困难,以及由于采集环境及设备的多样性导致的点云质量差异,提出面向激光雷达点云数据的多结构树种识别方法(MSTSR)。首先借助改进的组合采样策略,在有效降低数据冗余的同时,保留单木的主体枝干结构;其次通过内建的近邻感知与增强模块(NAE)层次化聚合点云属性,以形成高阶的语义描述;最后通过融合树冠、主干以及整树的多结构信息,生成跨尺度的树木点云表征。在地面激光雷达采集的树种点云数据集上验证该方法的有效性,该数据集由7个树种共690棵树组成的。结果表明:该方法的总体准确率达到94.2%。相比主流的PointNet和PointNet++深度点云分类网络,分别提升13.04和9.42个百分点;相比基于点云的多视图2D投影方法,提升8.19个百分点;相比基于多个测树因子的随机森林方法,提升24.63个百分点,从而证实采用深度网络直接进行树种点云识别的潜力。 展开更多
关键词 树种识别 激光雷达 点云 深度学习
在线阅读 下载PDF
基于卷积神经网络的近红外光谱与数字图像特征信息融合木材树种识别 被引量：4
7
作者 潘玺 李康 杨忠 《林业科学》 EI CAS CSCD 北大核心 2024年第12期136-145,共10页
【目的】基于卷积神经网络自动提取,探究融合木材近红外光谱与数字图像特征信息准确识别木材树种的可行性。【方法】以樟科10种木材标本为例,使用手持式近红外光谱仪和便携式扫描仪采集木材标本横切面近红外光谱和图像。创新引入递归图... 【目的】基于卷积神经网络自动提取,探究融合木材近红外光谱与数字图像特征信息准确识别木材树种的可行性。【方法】以樟科10种木材标本为例,使用手持式近红外光谱仪和便携式扫描仪采集木材标本横切面近红外光谱和图像。创新引入递归图方法,将手持式近红外光谱仪采集的一维短波长近红外光谱转换为二维图像,促进卷积神经网络从近红外光谱数据中提取判别性更强的特征,实现近红外光谱与图像在二维尺度上的融合。构建结构简单的双分支卷积神经网络模型,自动提取、融合近红外光谱与图像特征识别木材树种。【结果】与直接使用一维近红外光谱的建模方法相比,近红外光谱递归图结合卷积神经网络模型的识别性能提升1.79%~14%;与使用近红外光谱或图像单一特征识别相比,双分支卷积神经网络模型自动提取、融合近红外光谱与图像特征,对10种木材的识别性能至少提高3%,模型准确率、精度和召回率均大于99%。【结论】一维短波长近红外光谱递归图转换能够促进卷积神经网络从近红外光谱数据中提取判别性更强的特征,提高模型识别性能。双分支卷积神经网络能够充分提取并有效融合木材近红外光谱与图像特征,一定程度上可克服使用单一特征识别木材树种的不足,提高木材树种识别效果。 展开更多
关键词 木材树种识别 卷积神经网络 近红外光谱 图像 特征提取与融合
在线阅读 下载PDF
基于机器学习算法的机载高光谱图像优势树种识别 被引量：4
8
作者 于航 谭炳香 +2 位作者 沈明潭 贺晨瑞 黄逸飞 《自然资源遥感》 CSCD 北大核心 2024年第1期118-127,共10页
对森林树种类型进行识别可以为森林资源清查工作的开展提供科学的参考价值,如何利用空间分辨率较高的高光谱数据准确识别森林优势树种是当前亟待解决的问题之一。文章以内蒙古大兴安岭根河森林保护区为研究区,在2种空间分辨率(1 m和3 m)... 对森林树种类型进行识别可以为森林资源清查工作的开展提供科学的参考价值,如何利用空间分辨率较高的高光谱数据准确识别森林优势树种是当前亟待解决的问题之一。文章以内蒙古大兴安岭根河森林保护区为研究区,在2种空间分辨率(1 m和3 m)下,使用样本点(样地对应像元的光谱值)与样本面(样地对应3×3窗口像元光谱平均值)2种样本取值尺度,采用3种机器学习分类算法(神经网络(neural network,NN)、三维卷积神经网络(three dimensional convolution neural network,3DCNN)和支持向量机(support vector machines,SVM))对机载高光谱图像的森林优势树种识别能力进行了探讨。结果表明:①无论使用何种空间分辨率与样本取值尺度,3DCNN的分类精度最高,其总体精度和Kappa系数最高(最高分别为95.42%和0.94);②高空间分辨率更有利于优势树种识别,其比低空间分辨率(3 m)总体精度最多可提高30.97%,Kappa系数最多可提高54.24%;③使用NN与SVM进行分类时,以样本面作为样本取值尺度进行树种识别的精度低于样本点。而在3 m空间分辨率情况下使用3DCNN进行分类时,以样本面作为样本取值尺度进行树种识别的精度高于样本点。总的来说,空间分辨率、样本取值尺度与分类算法均对优势树种识别精度有不同程度的影响。在机载高光谱图像识别森林优势树种过程中,优先选择高空间分辨率影像,利用小样本数据,采取深度学习算法将会提高优势树种识别精度。 展开更多
关键词 高光谱数据 优势树种识别 空间分辨率 多尺度样本
在线阅读 下载PDF
基于生成对抗网络的树种识别方法 被引量：3
9
作者 苏彤 许杰 《林业科学》 EI CAS CSCD 北大核心 2024年第2期97-105,共9页
【目的】利用卷积神经网络模型进行图像自动识别时,为防止模型过拟合通常需要大量训练样本。本研究为提高树种识别准确率,在原有叶片图像基础上进行图像样本扩充来保证训练质量,提出一种融合生成对抗网络与卷积神经网络的树种识别方法... 【目的】利用卷积神经网络模型进行图像自动识别时,为防止模型过拟合通常需要大量训练样本。本研究为提高树种识别准确率,在原有叶片图像基础上进行图像样本扩充来保证训练质量,提出一种融合生成对抗网络与卷积神经网络的树种识别方法。【方法】在Pytorch框架下,采集10种常见树种(山杨、梣叶槭、榆、刺槐、紫丁香、杜仲、火炬树、山荆子、水曲柳、红端木)叶片图像作为研究对象。首先,采用均值滤波去噪和尺寸归一化对图像进行预处理。其次,以生成对抗网络生成的图像扩充数据集,其中,以深度卷积生成对抗网络(DCGAN)模型为基础并对其进行改进,建立残差条件深度卷积生成对抗网络(RC-DCGAN)模型,将随机噪声和类别标签作为生成器的输入,以控制样本生成过程;在生成器中嵌入残差结构,使生成模型学习更多特征信息,以提高生成图像质量。然后,将原始图像和扩充图像作为卷积神经网络(CNN)的训练集,一方面,使用RC-DCGAN模型和旋转、镜像、改变对比度等传统图像扩充方法,扩充图像11400幅;另一方面,将原始图像与生成图像、原始图像与传统扩充图像,分别输入至CNN中进行训练,并在原始图像的每个类别中随机挑选50幅对模型进行测试,以验证生成对抗网络对提升识别准确率的可行性。最后,确定适合试验要求的CNN分类模型,并与AlexNet模型、VGG-16模型、VGG-19模型、ResNet18模型的识别效果进行对比,以检验本研究方法的可行性。【结果】RC-DCGAN模型比DCGAN模型生成的图像质量更高,贴合真实图像;利用生成对抗网络扩充图像的方法与ResNet30树种识别模型,训练准确率为99.03%,平均验证识别准确率为97.20%;而在相同树种识别模型下,传统图像扩充方法的识别率为95.50%;在相同数据集下,AlexNet模型、VGG-16模型、VGG-19模型、ResNet18模型所获得的识别率分别为86.52%、87.57%、91.43%、93.25%,均低于本研究模型的识别率。【结论】联合生成对抗网络和卷积神经网络的方法对本研究10种树种叶片图像的识别准确率最高,且克服了使用传统图像处理扩充方法使模型泛化能力下降的问题,说明利用生成对抗网络对图像扩充的方法具有可行性和有效性,可为相关研究工作提供借鉴。 展开更多
关键词 卷积神经网络 树种识别 生成对抗网络 残差结构
在线阅读 下载PDF
基于木材纹理图像和改进ResNet50_DTPE模型的5种红木树种识别方法 被引量：2
10
作者 田朔 刘美怡 +2 位作者 杨东 李文珠 徐耀飞 《木材科学与技术》 北大核心 2024年第5期77-84,共8页
针对5种常用于家具的红木用材树种:刺猬紫檀(Pterocarpus erinaceus Poir.)、大果紫檀(Pterocarpus macrocarpus Kurz)、交趾黄檀(Dalbergia cochinchinensis Pierre)、阔叶黄檀(Dalbergia latifolia Roxb.)和微凹黄檀(Dalbergia retusa... 针对5种常用于家具的红木用材树种:刺猬紫檀(Pterocarpus erinaceus Poir.)、大果紫檀(Pterocarpus macrocarpus Kurz)、交趾黄檀(Dalbergia cochinchinensis Pierre)、阔叶黄檀(Dalbergia latifolia Roxb.)和微凹黄檀(Dalbergia retusa Hemsl.),基于残差网络(residual network 50,ResNet50)与详细纹理感知引擎(detailed texture perception engine,DTPE)的改进注意力机制算法,提出一种新型木材纹理识别模型,获得快速简便且高效准确的红木树种识别方法。通过采集红木家具表面木材花纹,提取木材纹理图像构建数据集,采用稳定扩散结合控制网络技术生成额外图像扩充数据集,同时进行数据增强处理,构建ResNet50_DTPE模型,并与当前主流的卷积神经网络模型ConvNeXt和EfficientNetV2进行比较。结果显示,数据集扩充和增强提高图像数量同时增强图像质量,模型的识别准确率、召回率和F1分数均呈现上升趋势,对5种红木树种识别准确率均在90%以上;将DTPE集成到ResNet50末端,同时保持ResNet50原有网络结构,验证集最高准确率达到99.8%;通过消融试验对比验证,改进的ResNet50_DTPE模型在运行速率和识别准确率上有显著提升,训练时间为11.0 h,推理时间为24.0 ms/张,最高识别准确率为99.8%。结果验证了ResNet50_DTPE模型对5种红木树种图像识别的有效性,为木材树种识别提供了一种新的思路和解决方案。 展开更多
关键词 红木 树种识别 木材纹理图像 残差网络 详细纹理感知引擎
在线阅读 下载PDF
基于无人机高光谱遥感的太行山经济林树种识别研究
11
作者 孙一丹 杨晓楠 +5 位作者 张海涛 张爱军 庞立欣 郭艳超 郭雪涛 梁欣 《林业与生态科学》 2024年第2期123-133,共11页
以太行山区经济林种植区为研究对象,通过无人机高光谱遥感数据,构建不同经济林树种高光谱特征数据库,利用CART决策树、最大似然法(Maximum likelihood classifier,MLC)、随机森林(Random forest,RF)和支持向量机(Support vector machine... 以太行山区经济林种植区为研究对象,通过无人机高光谱遥感数据,构建不同经济林树种高光谱特征数据库,利用CART决策树、最大似然法(Maximum likelihood classifier,MLC)、随机森林(Random forest,RF)和支持向量机(Support vector machine,SVM)等方法,获得高光谱遥感经济林树种最优识别模型。研究结果表明:(1)苹果、杏、柿、樱桃、核桃的反射峰在550 nm、750~950 nm及960 nm附近的水汽吸收带差异明显;(2)简单比值指数(SR)、类胡萝卜素反射指数2(CRI2)、绿波段指数(GRVI)等7种植被指数重要性评分大于0.05,利于经济林树种识别;(3)基于光谱特征波段、植被指数、纹理特征的组合方式通过SVM的分类效果最好,优于MLC和RF算法,总体精度(Overall accuracy,OA)达到95.11%,Kappa系数为0.9158。综上所述,基于特征波段、植被指数、纹理特征3种特征组合并采用支持向量机(SVM)分类的识别方法,为6种树种识别的最佳识别方法。 展开更多
关键词 经济林 树种识别 无人机 高光谱 支持向量机
在线阅读 下载PDF
基于改进YOLOv8的无人机遥感影像树种识别方法 被引量：3
12
作者 陈琦 林鑫 白澳坤 《广西林业科学》 2024年第4期523-529,共7页
为利用周围环境信息识别不同树种,建立松树(Pinus spp.)、杉木(Cunninghamia lanceolata)、桉树(Eucalyptus spp.)和其他阔叶树的高分辨率无人机影像数据集,验证YOLOv8-LSK算法的识别效果;通过公共数据集,验证YOLOv8-LSK算法的泛化能力... 为利用周围环境信息识别不同树种,建立松树(Pinus spp.)、杉木(Cunninghamia lanceolata)、桉树(Eucalyptus spp.)和其他阔叶树的高分辨率无人机影像数据集,验证YOLOv8-LSK算法的识别效果;通过公共数据集,验证YOLOv8-LSK算法的泛化能力;为验证YOLOv8-LSK算法的精确率,将YOLOv8-LSK算法与5种算法进行对比;通过消融试验,验证YOLOv8-LSK算法的有效性。为验证空间注意力效果,采用YOLOv8算法作为基线,将LSK模块与不同轻量级模块进行比较。结果表明,与R3Det、CFA、AOPG和RVSA算法相比,YOLOv8-LSK算法mAP最高(81.23%),泛化能力较高。与TridentNet、RT-DETR、ReDet、Faster-RCNN和RTMDet算法相比,YOLOv8-LSK算法mAP最高(78.61%),精确率较高。消融试验结果表明,与YOLOv8、YOLOv7和YOLOv6算法相比,YOLOv8-LSK算法mAP显著提升。与CBAM、SKNet和ConvNext模块相比,YOLOv8-LSK算法mAP最高(78.61%)。YOLOv8-LSK算法识别的树种图斑边界均较明显,感受野更大。 展开更多
关键词 深度学习 图斑区划 树种识别 森林资源调查 YOLOv8
在线阅读 下载PDF
基于BP神经网络的木材近红外光谱树种识别 被引量：19
13
作者 王学顺 孙一丹 +1 位作者 黄敏高 黄安民 《东北林业大学学报》 CAS CSCD 北大核心 2015年第12期82-85,89,共5页
利用木材近红外光谱数据建立反向传播(BP)神经网络模型,实现对木材树种的分类识别。以桉木、杨树、落叶松、马尾松、樟子松5个树种的296个样本的近红外光谱数据为研究对象,运用主成分分析对光谱数据进行降维,并以处理后的主成分数据作... 利用木材近红外光谱数据建立反向传播(BP)神经网络模型,实现对木材树种的分类识别。以桉木、杨树、落叶松、马尾松、樟子松5个树种的296个样本的近红外光谱数据为研究对象,运用主成分分析对光谱数据进行降维,并以处理后的主成分数据作为分类模型的输入变量,分别建立了不同属的桉树和杨树以及同属的落叶松和樟子松的BP神经网络二分类模型;建立了桉木、杨树、落叶松、马尾松、樟子松5个树种的BP神经网络识别模型,并利用遗传算法和粒子群算法对5树种分类模型进行优化。结果显示,对于不同属木材,BP神经网络模型树种识别率可达100%,对于同属木材树种识别率也可达85%以上;对所建立的5树种识别模型,BP神经网络树种识别率有所下降,但正确识别率也均可达到75%以上,经过遗传算法和粒子群算法对模型的优化,木材树种平均识别率可分别达到84%和87%以上,表明遗传算法和粒子群算法可以有效提高木材树种识别率。 展开更多
关键词 近红外光谱 木材树种识别 BP神经网络 遗传算法 粒子群算法
在线阅读 下载PDF
人工神经网络结合近红外光谱用于木材树种识别 被引量：18
14
作者 马明宇 王桂芸 +3 位作者 黄安民 张卓勇 相玉红 顾轩 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2012年第9期2377-2381,共5页
测量了不同产地及品种的89个木材样品的近红外光谱,并分别使用反向传播人工神经网络(backpropagation artificial neural networks,BPANN)与广义回归神经网络(generalized regression neural network,GRNN)建立了NIRS树种识别模型。通... 测量了不同产地及品种的89个木材样品的近红外光谱,并分别使用反向传播人工神经网络(backpropagation artificial neural networks,BPANN)与广义回归神经网络(generalized regression neural network,GRNN)建立了NIRS树种识别模型。通过方差分析分别选择两种神经网络所用参数,并采用最优参数进行网络训练。考虑到样品光谱的差异,对含不同水平白噪声与不同水平偏置的光谱进行模拟,并使用建立的模型对模拟光谱进行预测。发现两种神经网络模型均有较好的预测结果,其中BPANN模型,对含偏置水平不高于2%、噪声水平不高于4%的模拟光谱识别正确率在97%以上;GRNN模型,对含偏置水平不高于2%、噪声水平不高于4%的模拟光谱识别正确率在99%以上。 展开更多
关键词 人工神经网络 木材树种识别 近红外光谱 方差分析
在线阅读 下载PDF
基于环境与灾害监测预报小卫星的树种识别 被引量：11
15
作者 李俊明 邢艳秋 +1 位作者 杨超 李增元 《东北林业大学学报》 CAS CSCD 北大核心 2013年第11期41-45,50,共6页
应用环境与灾害监测预报小卫星的高光谱遥感影像,对吉林省汪清林业局施业区内的典型树种蒙古栎、白桦和落叶松进行分类。依据各树种在相同波段灰度值的差异性,从HJ-1A遥感影像的115个波段中提取3个树种可分性好的波段区域,建立基于植被... 应用环境与灾害监测预报小卫星的高光谱遥感影像,对吉林省汪清林业局施业区内的典型树种蒙古栎、白桦和落叶松进行分类。依据各树种在相同波段灰度值的差异性,从HJ-1A遥感影像的115个波段中提取3个树种可分性好的波段区域,建立基于植被灰度值的分类规则进行预分类,再结合地形因子的坡向数据和DEM数据等地形因子进行再分类。预分类的总体分类精度为68.33%,分别结合坡向数据和高程数据的分类精度为81.67%和80.00%;在预分类中,结合坡向和高程数据的总体分类精度为88.33%。 展开更多
关键词 HJ-1A 森林类型 地形因子 树种识别
在线阅读 下载PDF
叶片传统特征和距离矩阵与角点矩阵相结合的树种识别算法 被引量：10
16
作者 陈明健 陈志泊 +1 位作者 杨猛 莫琴 《北京林业大学学报》 CAS CSCD 北大核心 2017年第2期108-116,共9页
针对基于叶片特征进行树种识别的问题,本文在结合叶片纹理、不变矩以及传统形状共25维传统特征的基础上,自定义了叶尖角、边角均值等2个叶片轮廓特征,并以相似多边形定义及其推论作为理论依据,提出了一种基于叶片轮廓构建距离矩阵与角... 针对基于叶片特征进行树种识别的问题,本文在结合叶片纹理、不变矩以及传统形状共25维传统特征的基础上,自定义了叶尖角、边角均值等2个叶片轮廓特征,并以相似多边形定义及其推论作为理论依据,提出了一种基于叶片轮廓构建距离矩阵与角点矩阵进行树种识别的分类方法。该方法首先对树木叶片图像进行预处理,提取出归一化的叶片特征向量,然后利用KNN最近邻分类器筛选出相似度最高的前20个结果集(Top 20),然后构建距离矩阵和角点矩阵进行更为精确的识别匹配。在图像预处理阶段,为获取更为准确的叶片轮廓特征,利用叶片在HSV颜色空间中饱和度特征以及色度特征方面的显著差异性,设计了一种消除叶片阴影的图像预处理算法。在识别匹配阶段,利用Douglas Peucker approximation算法提取叶片轮廓的近似多边形,定义了距离矩阵、角点矩阵、矩阵中元素间相似度、矩阵相似度以及综合相似度计算方法,设计了全局匹配与局部匹配相结合的算法。该算法在Android系统的手机平台上进行了实现和运行验证,结果表明:在Flavia数据集中,对32种共1 907个正常叶片样本的识别准确率为99.61%,对32种共851个残叶样本的准确率为94.92%;在Leafsnap数据集中,对185种共23 147个Lab样本前5个结果集(Top 5)的识别准确率为98.26%。相对其他算法,该算法识别准确率更高,对叶片外形描述能力更强,对残叶、扭曲叶、阴影叶具有更好的鲁棒性,算法的实用性和适应性更强。 展开更多
关键词 树种识别 距离矩阵 角点矩阵 动态规划 叶片轮廓
在线阅读 下载PDF
木材树种识别技术现状、发展与展望 被引量：47
17
作者 姜笑梅 殷亚方 刘波 《木材工业》 北大核心 2010年第4期36-39,共4页
介绍了木材树种宏观及其与微观特征结合的识别技术、木材识别特征的术语和定义、木材识别辅助工具和软件以及命名依据;阐述了DNA标记、稳定同位素、近红外光谱分析等木材树种识别新技术的发展,及对木材树种和产地鉴定的应用前景。
关键词 木材树种识别 DNA标记 稳定同位素分析 近红外光谱分析
在线阅读 下载PDF
中红外光谱的进口木材树种识别方法 被引量：7
18
作者 冯国红 朱玉杰 李耀翔 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2020年第7期2128-2132,共5页
基于支持向量机和马氏距离探索了中红外光谱分析识别进口的卢氏黑黄檀、风车木、微凹黄檀、燃料紫檀和东非黑黄檀的能力。应用中红外光谱仪采集了500组试验样本进行分析,对试验数据进行了预处理:首先,为了保证样本的有效性,对异常光谱... 基于支持向量机和马氏距离探索了中红外光谱分析识别进口的卢氏黑黄檀、风车木、微凹黄檀、燃料紫檀和东非黑黄檀的能力。应用中红外光谱仪采集了500组试验样本进行分析,对试验数据进行了预处理:首先,为了保证样本的有效性,对异常光谱进行了诊断。基于莱特检验法诊断出卢氏黑黄檀和微凹黄檀各有2组异常,风车木、燃料紫檀和东非黑黄檀各有1组异常。为使样本数量统一,五种树种分别剔除了包含异常光谱在内的5组数据;其次,分析了近红外光谱的树种识别研究,结果表明:对光谱数据进行一阶导数处理,可提高识别的精度。因此,对中红外光谱数据进行了平滑处理和一阶导数处理。采用主成分分析提取了光谱数据的特征值,测试集的第一和第二主成分得分的散点图显示,平滑加一阶导数处理的测试集的各自聚类性较平滑处理好。以主成分的得分为特征,基于支持向量机和马氏距离进行了识别研究。考虑到识别方法中主成分个数的选取会直接影响识别的精度,而通常主成分的选取仅参考累计贡献率,此处为使主成分的选取更科学,在支持向量机识别方法中利用粒子群算法进行参数寻优时,对主成分的个数(范围为[5, 30])与5折检验下的最佳判别准确率的关系进行了试验,结果表明:平滑处理和平滑加一阶导数处理的主成分个数在[7, 11]范围内的5折检验下的最佳判别准确率较高,结合对应的判别准确率,确定了最佳的主成分个数为8个。以前8个主成分作为输入变量,基于支持向量机和马氏距离对测试集进行了测试,结果得出:两种识别方法的正确识别率均较高,支持向量机的识别率略高于马氏距离,平滑加一阶导数处理的识别率均优于平滑处理,平滑加一阶导数处理的支持向量机正确识别率达到了98%,识别效果最好。因此,中红外光谱分析可以作为木材树种识别的一种有效手段。 展开更多
关键词 中红外光谱 树种识别 一阶导数 主成分分析 支持向量机 马氏距离
在线阅读 下载PDF
基于地面激光雷达点云数据的树种识别方法 被引量：18
19
作者 王佳 张隆裕 +1 位作者 吕春东 牛利伟 《农业机械学报》 EI CAS CSCD 北大核心 2018年第11期180-188,共9页
为了能够更有效地利用地面激光雷达的点云数据识别树种,以北京林业大学为研究区域,利用FARO Photon120型地面激光雷达在研究区内获取4个树种、共92棵树木的点云数据。依据点云的三维坐标值提取研究区内立木的胸径、枝下高、树高、冠高... 为了能够更有效地利用地面激光雷达的点云数据识别树种,以北京林业大学为研究区域,利用FARO Photon120型地面激光雷达在研究区内获取4个树种、共92棵树木的点云数据。依据点云的三维坐标值提取研究区内立木的胸径、枝下高、树高、冠高、最长冠幅、垂直最长方向冠幅6个测树因子,同时提取由测树因子组合而成具有鲁棒性的6个树形特征参数,包括冠长树高比、胸径树高比、冠高树高比、分枝角、冠长最大冠幅之比、最长冠幅与垂直方向冠幅之比。分别使用测树因子和组合特征参数,采用支持向量机、分类回归决策树和随机森林的方法,对树种进行冠幅自动识别。研究结果表明:使用测树因子树木识别方法,识别平均准确率为0. 765,平均召回率为0. 778,3种识别方法中,分类效果较好的依次为分类回归决策树、随机森林、支持向量机;使用组合特征参数树木识别方法,识别平均准确率为0. 891,平均召回率为0. 896,分类效果较好的方法是随机森林和支持向量机,其次是分类回归决策树;总体上来看,不论是对于单个树种还是总体的准确率和召回率,组合特征参数法均高于测树因子法,而对于3种不同的分类方法,随机森林相对最好。研究结果表明,结合地面激光雷达获取的点云和不同机器学习分类方法进行树种识别分类可以达到满意的效果,且能节省大量时间和人力。 展开更多
关键词 树种识别 地面激光雷达 点云 测树因子 组合特征参数
在线阅读 下载PDF
基于热裂解及液滴分析技术的树种识别初探
20
作者 冯国红 姜雪松 张敏 《森林工程》 2014年第4期31-33,38,共4页
将木粉用热裂解装置进行液化,应用液滴分析技术对树种识别进行研究。木粉液化后,能否形成具有一定重复性的液滴,对于能否将液滴分析技术应用在木材识别上至关重要。本文对红松木粉液化后,采用5种不同的流速进行实验。结果表明,通过选择... 将木粉用热裂解装置进行液化,应用液滴分析技术对树种识别进行研究。木粉液化后,能否形成具有一定重复性的液滴,对于能否将液滴分析技术应用在木材识别上至关重要。本文对红松木粉液化后,采用5种不同的流速进行实验。结果表明,通过选择合适的流速,可以获得重复性较好的液滴。同时,通过初步比较特征相似的红松和白松的液滴指纹图,发现二者有明显的不同,说明应用液滴分析技术识别树种有一定的可行性。 展开更多
关键词 液滴分析技术 树种识别 热裂解
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 5 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部