期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
深度学习在无人机遥感城市行道树提取中的应用
被引量：
1
1
作者
曹明兰
李亚昆
+2 位作者
张力小
武俊喜
李亚东
《中南林业科技大学学报》
CAS
CSCD
北大核心
2023年第6期79-84,115,共7页
【目的】城市行道树对改善城市环境、净化空气、降噪遮阴等方面具有重要的生态职能。行道树调查是城市生态资源调查的重要组成,传统城市行道树人工调查方法的成本高、效率低,无法高效地满足管理部门监测城市生态信息的需求。无人机低空...
【目的】城市行道树对改善城市环境、净化空气、降噪遮阴等方面具有重要的生态职能。行道树调查是城市生态资源调查的重要组成,传统城市行道树人工调查方法的成本高、效率低,无法高效地满足管理部门监测城市生态信息的需求。无人机低空遥感的方法提取城市行道树信息,虽然能提高外业调查效率,但仍然存在内业数据处理时人工编辑DEM和树冠分割工作量过大等问题。为解决以上不足,文章探索了一种改进Mask R-CNN实例分割模型的无人机遥感城市行道树提取方案。【方法】基于深度学习的实例分割Mask R-CNN模型,针对城市行道树不存在两棵完全重叠的情况,采用非极大值抑制NMS(Non-maximum suppression)算法对所有检测物进行非极大值抑制,并根据检测树冠区域和待检测掩模之间的重叠比例,判断是否重复检测,以提高数据训练效率和准确率。构建精度评价指标,根据测试集的预测结果评估模型的性能和可适应性。【结果】利用同一架大疆DJI Phantom 4pro无人机,对香樟树、法国梧桐、银桦等典型城市行道树进行影像数据采集,创建了基于无人机遥感影像的行道树数据集,并采用Mask R-CNN实例分割模型实现行道树的树冠检测与分割,同时与人工提取方法进行对比分析。结果表明,本方法的行道树树冠自动分割平均总体精度为0.865、平均检测率为0.887,再经人工简单修正后,行道树树冠分割平均总体精度能达到0.948、平均检测率能达到0.965。【结论】无人机航测外业数据采集周期短、效率高,结合深度学习的改进Mask R-CNN实例分割算法,能自动获取较准确的树冠检测与轮廓分割信息,可节省大量外业调查和内业数据处理时间,对提升城市行道树监测效率和自动化水平具有重要意义。
展开更多
关键词
深度学习
无人机
Mask
R-CNN
树冠分割
城市行道树
在线阅读
下载PDF
职称材料
基于无人机激光雷达点云的树干提取
被引量：
2
2
作者
周理想
曹明兰
+2 位作者
郎博
李爱国
王强
《中南林业科技大学学报》
CAS
CSCD
北大核心
2024年第11期22-28,共7页
【目的】无人机搭载激光雷达技术具有灵活性高、监测周期短、具有穿透力等优势。在实际应用中,由于树干间的遮挡,易导致激光雷达获取的林冠下点云数据密度不足。而且从激光点云提取树干的算法尚不成熟,存在数据处理量大、提取精度低等...
【目的】无人机搭载激光雷达技术具有灵活性高、监测周期短、具有穿透力等优势。在实际应用中,由于树干间的遮挡,易导致激光雷达获取的林冠下点云数据密度不足。而且从激光点云提取树干的算法尚不成熟,存在数据处理量大、提取精度低等挑战。该研究旨在提高从无人机激光雷达数据中提取树干的精度和效率,为森林监测和林业管理提供准确高效的技术支持。【方法】无人机搭载激光雷达从不同高度多次飞行,以获取覆盖林冠和林下的完整点云。采用基于回波类型的分类方法,将点云数据分为地面点和植被点,并利用地面点云生成数字地形模型。根据树干和树叶的反射强度差异,通过阈值和半监督支持向量机算法进行分类,并基于区域生长法将点群分割成连通区域。计算连通区域与水平面的交点,整合同一高度的交点信息,重建树干模型。采用假设检验法判断横截面的连续性和半径变化,识别并构建完整的树干网格模型。【结果】采用多旋翼无人机搭载激光雷达,设定50 m航高、90%航向重叠率、75%旁向重叠率、云台镜头角度90°,以4 m/s的飞行速度采集了林冠点云数据。同时利用相同设备从1.5~2.5 m高度,以0°、45°和-45°的云台角度,获取林冠下更精细的点云信息。经过处理,去除了植被和地面点云,精确提取了树干点云。利用区域生长法分割点云并生成二维距离图像,对图像进行噪声过滤和颜色分割后进一步提升了数据质量。切割线集合和RANSAC算法的应用,有效估计了主干截面形状,并构建了精确的树干模型。在联想Think Station图形工作站测试表明,树干点群提取仅需15.9 s,树干网格模型生成也仅需71.5 s。该方法的乔木树干胸径提取平均精度为0.958、树高平均提取精度达到0.964。【结论】文章应用多旋翼无人机搭载激光雷达,采用多架次、多航高、多姿态方法采集了高质量的森林点云数据,结合基于回波类型的点云数据分类、区域生长、距离图像构建、噪声过滤和颜色分割等方法,完善了单木树干点云分割算法,有效估计了主干截面形状,并构建了准确的树干模型,克服了树冠穿透率受限和树干间遮挡问题,有效提高了树干提取效率和精度。该方法可为森林资源管理提供高精度的树干数据,对提升森林监测效率和自动化水平具有重要的实际应用价值。
展开更多
关键词
无人机
激光雷达
树干提取
乔木树种
在线阅读
下载PDF
职称材料
基于深度学习的无人机造林成活率自动检测方法
被引量：
1
3
作者
李亚东
曹明兰
+3 位作者
金红玉
姚树军
李亚昆
贾树华
《中南林业科技大学学报》
CAS
CSCD
北大核心
2023年第10期20-27,79,共9页
【目的】造林是实现林业资源可持续利用的重要手段。造林地块分散、分布偏远、交通条件差,人工造林成活率检查耗费大量人力、物力和时间成本,且效率低、无法及时全面精准掌握造林成活率、采用的抽样检查方法受主观因素和偶然因素影响较...
【目的】造林是实现林业资源可持续利用的重要手段。造林地块分散、分布偏远、交通条件差,人工造林成活率检查耗费大量人力、物力和时间成本,且效率低、无法及时全面精准掌握造林成活率、采用的抽样检查方法受主观因素和偶然因素影响较大。为解决以上问题,本研究探索了一种基于目标检测模型和多目标追踪的无人机造林成活率自动检测方法。【方法】利用大疆Mavic2多旋翼无人机采集不同时期云杉人工造林地的影像,利用YOLOv5深度学习网络模型训练了苗木对象检测模型,并与DeepSort多目标追踪算法相结合,在安装Mavic2无人机地面站的安卓平板电脑上进行二次开发。通过整合无人机4G图传,将无人机拍摄的视频实时回传至无人机地面站安卓平板电脑上。利用YOLOv5s+DeepSort实现了实时苗木检测与动态多目标追踪,通过对跟踪到的苗木进行类别判定和计数汇总,最终自动计算目标小班的造林成活率。【结果】在内蒙古大兴安岭大杨树林业局乌鲁布铁林场2022年春季造林地块中随机抽取了7个造林小班进行试验,结果表明本研究与人工检查相比成活率检测平均相对精度能达到99.62%,可平均节省50.94%人力工时。【结论】文章采用基于目标检测模型和多目标追踪的无人机造林成活率自动检测方法,不仅效率高、精度可靠、容易操作、可以极大地减少人力工时。与传统人工检查方法相比具有以下优势:1)有效提高了检测效率,减少了人力、时间、交通成本,能够实现对所有造林地块的全面检测,减少了抽样检查方法导致的随机误差;2)实现利用基于视频检测的算法自动完成成活率统计,统一了检测标准,避免了人工检测带来的主观误差;3)在检测视频中标注每株苗木的判定类别,可作为过程资料保存输出,为复核提供了有效依据。
展开更多
关键词
深度学习
无人机
目标检测
多目标追踪
造林成活率
在线阅读
下载PDF
职称材料
题名
深度学习在无人机遥感城市行道树提取中的应用
被引量：
1
1
作者
曹明兰
李亚昆
张力小
武俊喜
李亚东
机构
北京
工业职业技术学院
北京市城市空间信息工程重点实验室
内蒙古乌兰坝国家级自然保护区管理局
北京
师范大学环境学院环境模拟与污染控制国家
重点
联合
实验室
中国科学院地理科学与资源研究所
出处
《中南林业科技大学学报》
CAS
CSCD
北大核心
2023年第6期79-84,115,共7页
基金
国家杰出青年科学基金项目(52225902)
北京工业职业技术学院重点课题(BGY2022KY-13Z,BGY2022KY-12Z)。
文摘
【目的】城市行道树对改善城市环境、净化空气、降噪遮阴等方面具有重要的生态职能。行道树调查是城市生态资源调查的重要组成,传统城市行道树人工调查方法的成本高、效率低,无法高效地满足管理部门监测城市生态信息的需求。无人机低空遥感的方法提取城市行道树信息,虽然能提高外业调查效率,但仍然存在内业数据处理时人工编辑DEM和树冠分割工作量过大等问题。为解决以上不足,文章探索了一种改进Mask R-CNN实例分割模型的无人机遥感城市行道树提取方案。【方法】基于深度学习的实例分割Mask R-CNN模型,针对城市行道树不存在两棵完全重叠的情况,采用非极大值抑制NMS(Non-maximum suppression)算法对所有检测物进行非极大值抑制,并根据检测树冠区域和待检测掩模之间的重叠比例,判断是否重复检测,以提高数据训练效率和准确率。构建精度评价指标,根据测试集的预测结果评估模型的性能和可适应性。【结果】利用同一架大疆DJI Phantom 4pro无人机,对香樟树、法国梧桐、银桦等典型城市行道树进行影像数据采集,创建了基于无人机遥感影像的行道树数据集,并采用Mask R-CNN实例分割模型实现行道树的树冠检测与分割,同时与人工提取方法进行对比分析。结果表明,本方法的行道树树冠自动分割平均总体精度为0.865、平均检测率为0.887,再经人工简单修正后,行道树树冠分割平均总体精度能达到0.948、平均检测率能达到0.965。【结论】无人机航测外业数据采集周期短、效率高,结合深度学习的改进Mask R-CNN实例分割算法,能自动获取较准确的树冠检测与轮廓分割信息,可节省大量外业调查和内业数据处理时间,对提升城市行道树监测效率和自动化水平具有重要意义。
关键词
深度学习
无人机
Mask
R-CNN
树冠分割
城市行道树
Keywords
deep learning
UAV
Mask R-CNN
crown segmentation
urban street trees
分类号
S758.5 [农业科学—森林经理学]
在线阅读
下载PDF
职称材料
题名
基于无人机激光雷达点云的树干提取
被引量：
2
2
作者
周理想
曹明兰
郎博
李爱国
王强
机构
河南地矿职业学院
北京
工业职业技术学院
北京市城市空间信息工程重点实验室
河南理工大学测绘与国土
信息
工程
学院
中国电建市政建设集团有限公司
出处
《中南林业科技大学学报》
CAS
CSCD
北大核心
2024年第11期22-28,共7页
基金
北京市教育委员会科研计划一般项目(KM202110853001)
北京工业职业技术学院重点课题(BGY2024KY-11Z,BGY2024KY-10Z)。
文摘
【目的】无人机搭载激光雷达技术具有灵活性高、监测周期短、具有穿透力等优势。在实际应用中,由于树干间的遮挡,易导致激光雷达获取的林冠下点云数据密度不足。而且从激光点云提取树干的算法尚不成熟,存在数据处理量大、提取精度低等挑战。该研究旨在提高从无人机激光雷达数据中提取树干的精度和效率,为森林监测和林业管理提供准确高效的技术支持。【方法】无人机搭载激光雷达从不同高度多次飞行,以获取覆盖林冠和林下的完整点云。采用基于回波类型的分类方法,将点云数据分为地面点和植被点,并利用地面点云生成数字地形模型。根据树干和树叶的反射强度差异,通过阈值和半监督支持向量机算法进行分类,并基于区域生长法将点群分割成连通区域。计算连通区域与水平面的交点,整合同一高度的交点信息,重建树干模型。采用假设检验法判断横截面的连续性和半径变化,识别并构建完整的树干网格模型。【结果】采用多旋翼无人机搭载激光雷达,设定50 m航高、90%航向重叠率、75%旁向重叠率、云台镜头角度90°,以4 m/s的飞行速度采集了林冠点云数据。同时利用相同设备从1.5~2.5 m高度,以0°、45°和-45°的云台角度,获取林冠下更精细的点云信息。经过处理,去除了植被和地面点云,精确提取了树干点云。利用区域生长法分割点云并生成二维距离图像,对图像进行噪声过滤和颜色分割后进一步提升了数据质量。切割线集合和RANSAC算法的应用,有效估计了主干截面形状,并构建了精确的树干模型。在联想Think Station图形工作站测试表明,树干点群提取仅需15.9 s,树干网格模型生成也仅需71.5 s。该方法的乔木树干胸径提取平均精度为0.958、树高平均提取精度达到0.964。【结论】文章应用多旋翼无人机搭载激光雷达,采用多架次、多航高、多姿态方法采集了高质量的森林点云数据,结合基于回波类型的点云数据分类、区域生长、距离图像构建、噪声过滤和颜色分割等方法,完善了单木树干点云分割算法,有效估计了主干截面形状,并构建了准确的树干模型,克服了树冠穿透率受限和树干间遮挡问题,有效提高了树干提取效率和精度。该方法可为森林资源管理提供高精度的树干数据,对提升森林监测效率和自动化水平具有重要的实际应用价值。
关键词
无人机
激光雷达
树干提取
乔木树种
Keywords
UAV
lidar
trunk extraction
arbor tree species
分类号
S758.5 [农业科学—森林经理学]
在线阅读
下载PDF
职称材料
题名
基于深度学习的无人机造林成活率自动检测方法
被引量：
1
3
作者
李亚东
曹明兰
金红玉
姚树军
李亚昆
贾树华
机构
北京
工业职业技术学院
北京市城市空间信息工程重点实验室
国家林业和草原局森林资源管理司
内蒙古乌兰坝国家级自然保护区管理局
内蒙古大杨树林业局
出处
《中南林业科技大学学报》
CAS
CSCD
北大核心
2023年第10期20-27,79,共9页
基金
国家自然科学基金项目(U1710123)
北京工业职业技术学院重点课题(BGY2022KY-12Z,BGY2022KY-13Z,BGY2021KY-10)
环境模拟与污染控制国家重点联合实验室开放基金资助项目(23K01ESPCW)。
文摘
【目的】造林是实现林业资源可持续利用的重要手段。造林地块分散、分布偏远、交通条件差,人工造林成活率检查耗费大量人力、物力和时间成本,且效率低、无法及时全面精准掌握造林成活率、采用的抽样检查方法受主观因素和偶然因素影响较大。为解决以上问题,本研究探索了一种基于目标检测模型和多目标追踪的无人机造林成活率自动检测方法。【方法】利用大疆Mavic2多旋翼无人机采集不同时期云杉人工造林地的影像,利用YOLOv5深度学习网络模型训练了苗木对象检测模型,并与DeepSort多目标追踪算法相结合,在安装Mavic2无人机地面站的安卓平板电脑上进行二次开发。通过整合无人机4G图传,将无人机拍摄的视频实时回传至无人机地面站安卓平板电脑上。利用YOLOv5s+DeepSort实现了实时苗木检测与动态多目标追踪,通过对跟踪到的苗木进行类别判定和计数汇总,最终自动计算目标小班的造林成活率。【结果】在内蒙古大兴安岭大杨树林业局乌鲁布铁林场2022年春季造林地块中随机抽取了7个造林小班进行试验,结果表明本研究与人工检查相比成活率检测平均相对精度能达到99.62%,可平均节省50.94%人力工时。【结论】文章采用基于目标检测模型和多目标追踪的无人机造林成活率自动检测方法,不仅效率高、精度可靠、容易操作、可以极大地减少人力工时。与传统人工检查方法相比具有以下优势:1)有效提高了检测效率,减少了人力、时间、交通成本,能够实现对所有造林地块的全面检测,减少了抽样检查方法导致的随机误差;2)实现利用基于视频检测的算法自动完成成活率统计,统一了检测标准,避免了人工检测带来的主观误差;3)在检测视频中标注每株苗木的判定类别,可作为过程资料保存输出,为复核提供了有效依据。
关键词
深度学习
无人机
目标检测
多目标追踪
造林成活率
Keywords
deep learning
UAV
target detection
multi-target tracking
survival rate of forestation
分类号
S758.51 [农业科学—森林经理学]
S771.51 [农业科学—森林工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
深度学习在无人机遥感城市行道树提取中的应用
曹明兰
李亚昆
张力小
武俊喜
李亚东
《中南林业科技大学学报》
CAS
CSCD
北大核心
2023
1
在线阅读
下载PDF
职称材料
2
基于无人机激光雷达点云的树干提取
周理想
曹明兰
郎博
李爱国
王强
《中南林业科技大学学报》
CAS
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
3
基于深度学习的无人机造林成活率自动检测方法
李亚东
曹明兰
金红玉
姚树军
李亚昆
贾树华
《中南林业科技大学学报》
CAS
CSCD
北大核心
2023
1
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
