CN112562074B - 一种智慧绿地的健康判定方法及养护管理方法 - Google Patents

一种智慧绿地的健康判定方法及养护管理方法 Download PDF

Info

Publication number
CN112562074B
CN112562074B CN202110207747.4A CN202110207747A CN112562074B CN 112562074 B CN112562074 B CN 112562074B CN 202110207747 A CN202110207747 A CN 202110207747A CN 112562074 B CN112562074 B CN 112562074B
Authority
CN
China
Prior art keywords
tree
health
model
trunk
health condition
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110207747.4A
Other languages
English (en)
Other versions
CN112562074A (zh
Inventor
梁逍
罗榆淇
黄振华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Southwest Architectural Design and Research Institute Co Ltd
Original Assignee
China Southwest Architectural Design and Research Institute Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Southwest Architectural Design and Research Institute Co Ltd filed Critical China Southwest Architectural Design and Research Institute Co Ltd
Priority to CN202110207747.4A priority Critical patent/CN112562074B/zh
Publication of CN112562074A publication Critical patent/CN112562074A/zh
Application granted granted Critical
Publication of CN112562074B publication Critical patent/CN112562074B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Primary Health Care (AREA)
  • Animal Husbandry (AREA)
  • Agronomy & Crop Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Computing Systems (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及树木管理领域，公开了一种智慧绿地的健康判定方法及养护管理方法，本发明提供的判定方法包括：利用航测的方式获取树木树冠的健康状况并构建相应的树冠三维模型，利用集合层析仪分析树干的健康状况并构建树干模型，利用探地雷达分析树根的健康状况并构建树根模型，利用树冠三维模型、树干模型和树根模型构成树木整体三维稳态模型，结合多项条件参数获取树木整体的健康状况，最后，构建整体的数学模型，将上述四个要素的健康状况进行平均打分，得到树木整体的健康状况。本发明可以全面的判定树木的健康状况，且本发明可以批量判定和管理树木，提高了工作效率。

Description

一种智慧绿地的健康判定方法及养护管理方法
技术领域
本发明涉及树木管理领域，尤其涉及一种智慧绿地的健康判定方法及养护管理方法。
背景技术
长期以来，由于自然因素和人为因素，我国的绿地树木损坏严重。虽然最近几年，人们开始关注我国的绿地树木，但是，由于缺乏科学的管理与养护，很难对绿地树木形成很好的保护，而且，人们也很难对绿地树木的健康状况作出准确的判断，因此，有必要对现在这种情况进行改善。
发明内容
本发明所要解决的技术问题是：针对上述存在的问题，提供了一种智慧绿地的健康判定方法及养护管理方法，通过深度学习来获取树木的树冠、树干、树根以及整体的健康信息，从而判定树木的健康状况。
本发明采用的技术方案如下：一种智慧绿地的健康判定方法，包括：
步骤1：对树冠进行健康信息采集，得到树冠的健康状况数据和树冠的三维模型，对获得的树冠健康状况数据进行标签化训练深度学习，在将相应的病害特征进行标签对应，自动批量得到多颗树冠的健康状况打分；
步骤2：对树干进行健康信息采集，得到树干的健康状况数据和树干模型，将获得的树干健康状况数据进行标签化训练深度学习，再将相应的病害特征进行标签对应，自动批量得到多颗树干的健康状况打分；
步骤3：对树根进行健康信息采集，得到树根的健康数据和树根模型，将获得的树根健康数据进行标签化训练深度学习，再将相应的病害特征进行标签对应，自动批量得到多颗树根的健康状况打分；
步骤4：将获得的树冠三维模型、树干模型和树根模型构建成树木的整体性三维稳态模型，将三维稳态模型进行三维深度学习模型训练，融入气候条件、植物类型和水热条件进行分析，自动批量得到多颗树木整体结构稳定性与健康打分；
步骤5：构建整体打分数学模型，将以上四个要素的打分根据树龄条件、微气候条件、城市条件进行加权平均，得到树木健康状况综合评分，从而判定树木整体健康状况。
进一步的，步骤1具体包括：
利用无人机进行航测获取多角度树冠叶片影像图片；
将树冠叶片影像图片采用自制TensorFlow训练集进行标签化训练深度学习，将树叶病虫害特征进行标签对应，自动批量得到多颗树冠叶片的病虫害健康状况打分。
进一步的，步骤2具体包括：
利用集合层析仪对树干进行透析采集，得到树干截面的水分、病虫害和木质的影像图片；
采用自制TensorFlow训练集对树干截面的水分、病虫害和木质的影像图片进行标签化训练深度学习；
将相应的水分特征、病虫害特征和木质特征一一进行标签对应，自动批量得到多颗树干的健康状况打分。
进一步的，步骤3具体包括：
利用探地雷达对树根进行透析采集，得到树根的连接度、完整度和病虫害的影像图片；
采用自制TensorFlow训练集对树根的连接度、完整度和病虫害的影像图片进行标签化训练深度学习；
将相应的树根连接度特征、完整度特征和病虫害特征一一进行标签对应，自动批量得到多颗树根的健康状况打分。
进一步的，在对树冠进行健康信息采集时，利用航测分析构建树冠三维模型；在对树干进行健康信息采集时，利用集合层析仪分析构建树干模型；在对树根进行健康信息采集时，利用探地雷达分析构建树根模型。
本发明还提供一种智慧绿地的养护管理方法，包括：构建智慧绿地的管理系统，将树木的地理信息数据、采集数据与判定得到的健康状况数据进行存储与可视化管理，并制定规则自动发出树木养护的工作任务单。
进一步的，所述树木地理信息数据的可视化管理具体为：将树木地理信息可视化成果开放成为网络参与平台。
进一步的，所述网络参与平台包括小程序APP 和网站。
本发明还提供一种智慧绿地的养护管理方法，包括：将树木的地理信息数据、采集数据与判定得到的健康状况数据进行存储与可视化管理，并制定规则自动发出树木养护的工作任务单。
进一步的，所述树木地理信息数据的可视化管理具体为：将树木地理信息可视化成果开放成为网络参与平台。
进一步的，所述网络参与平台包括小程序APP 和网站。
与现有技术相比，采用上述技术方案的有益效果为：
本发明可以科学的对绿地树木的健康作出准确的判断，同时，可以根据得到的判断结果对树木进行综合的管理及养护，解决了绿地树木难以管理的难题。
附图说明
图1是本发明一种智慧绿地的健康判定方法的流程示意图。
具体实施方式
下面结合附图对本发明做进一步描述。
如图1 所示，本发明实施例提供一种智慧绿地的健康判定方法，包括以下步骤：
S1：对树冠进行健康信息采集，得到树冠的健康状况数据和树冠的三维模型，对获得的树冠健康状况数据进行标签化训练深度学习，在将相应的病害特征进行标签对应，自动批量得到多颗树冠的健康状况打分；
S2：对树干进行健康信息采集，得到树干的健康状况数据和树干模型，将获得的树干健康状况数据进行标签化训练深度学习，再将相应的病害特征进行标签对应，自动批量得到多颗树干的健康状况打分；
S3：对树根进行健康信息采集，得到树根的健康数据和树根模型，将获得的树根健康数据进行标签化训练深度学习，再将相应的病害特征进行标签对应，自动批量得到多颗树根的健康状况打分；
S4：将获得的树冠三维模型、树干模型和树根模型构建成树木的整体性三维稳态模型，将三维稳态模型进行三维深度学习模型训练，融入气候条件、植物类型和水热条件进行分析，自动批量得到多颗树木整体结构稳定性与健康打分；
S5：构建整体打分数学模型，将以上四个要素的打分根据树龄条件、微气候条件、城市条件进行加权平均，得到树木健康状况综合评分，从而判定树木整体健康状况。
具体的，在本实施例中，所述步骤S1具体为：
利用无人机进行航测获取多角度树冠叶片影像图片；
将树冠叶片影像图片采用自制TensorFlow训练集进行标签化训练深度学习，将树叶病虫害特征进行标签对应，自动批量得到多颗树冠叶片的病虫害健康状况打分。
具体的，在本实施例中，所述步骤S2具体为:
利用集合层析仪对树干进行透析采集，得到树干截面的水分、病虫害和木质的影像图片；
采用自制TensorFlow训练集对树干截面的水分、病虫害和木质的影像图片进行标签化训练深度学习；
将相应的水分特征、病虫害特征和木质特征一一进行标签对应，自动批量得到多颗树干的健康状况打分。
具体的，在本实施例中，所述步骤S3具体为：
利用探地雷达对树根进行透析采集，得到树根的连接度、完整度和病虫害的影像图片；
采用自制TensorFlow训练集对树根的连接度、完整度和病虫害的影像图片进行标签化训练深度学习；
将相应的树根连接度特征、完整度特征和病虫害特征一一进行标签对应，自动批量得到多颗树根的健康状况打分。
具体的，步骤S1中，在获利用无人机进行航测获取多角度树冠叶片影像图片的同时，利用无人机航测分析树冠，构建树冠的三维模型；步骤S2中，在利用集合层析仪对树干进行透析采集的同时，利用集合层分析仪对树干进行分析，构建树干模型；步骤S3中，在利用探地雷达对树根进行透析采集的同时，利用探地雷达分析树根，构建树根模型。
本发明实施例还提供一种智慧绿地的养护管理方法，包括以下内容：
首先，将树木的地理信息数据、采集数据与健康状况数据进行存储与可视化管理；其中，健康状况数据通过本实施例中一种智慧绿地的健康判定方法得来；然后，通过专业的树木养护管理人员对可视化的健康状况数据进行决策，通过一定的时间，逐渐建立健康状况数据与决策的对应关系；然后再通过该对应关系对机器进行训练，形成树木养护工作任务单的派发规则，最后通过机器自动发出树木养护的工作任务单。
优选地，将树木地理信息可视化成果开放成为网络参与平台，公众可以直接注册登录，了解树木的品种、故事、历史、健康状态等信息，结合树木认领公益活动，每个人都可以进行捐款、树木修复众筹，相应可以获得树木的监护权与使用权（开展树下聚会等活动）。
优选地，网络参与平台包括小程序APP和网站。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。如果本领域技术人员，在不脱离本发明的精神所做的非实质性改变或改进，都应该属于本发明权利要求保护的范围。

Claims (5)

1.一种智慧绿地的健康判定方法，其特征在于，包括：
步骤1：对树冠进行健康信息采集，得到树冠的健康状况数据和树冠的三维模型，对获得的树冠健康状况数据进行标签化训练深度学习，在将相应的病害特征进行标签对应，自动批量得到多颗树冠的健康状况打分；
步骤2：对树干进行健康信息采集，得到树干的健康状况数据和树干模型，将获得的树干健康状况数据进行标签化训练深度学习，再将相应的病害特征进行标签对应，自动批量得到多颗树干的健康状况打分；
步骤3：对树根进行健康信息采集，得到树根的健康数据和树根模型，将获得的树根健康数据进行标签化训练深度学习，再将相应的病害特征进行标签对应，自动批量得到多颗树根的健康状况打分；
步骤4：将获得的树冠三维模型、树干模型和树根模型构建成树木的整体性三维稳态模型，将三维稳态模型进行三维深度学习模型训练，融入气候条件、植物类型和水热条件进行分析，自动批量得到多颗树木整体结构稳定性与健康打分；
步骤5：构建整体打分数学模型，将以上四个要素的打分根据树龄条件、微气候条件、城市条件进行加权平均，得到树木健康状况综合评分，从而判定树木整体健康状况。
2.根据权利要求1所述的一种智慧绿地的健康判定方法，其特征在于，所述步骤1具体包括：
利用无人机进行航测获取多角度树冠叶片影像图片；
将树冠叶片影像图片采用自制TensorFlow训练集进行标签化训练深度学习，将树叶病虫害特征进行标签对应，自动批量得到多颗树冠叶片的病虫害健康状况打分。
3.根据权利要求1所述的一种智慧绿地的健康判定方法，其特征在于，所述步骤2具体包括：
利用集合层析仪对树干进行透析采集，得到树干截面的水分、病虫害和木质的影像图片；
采用自制TensorFlow训练集对树干截面的水分、病虫害和木质的影像图片进行标签化训练深度学习；
将相应的水分特征、病虫害特征和木质特征一一进行标签对应，自动批量得到多颗树干的健康状况打分。
4.根据权利要求1所述的一种智慧绿地的健康判定方法，其特征在于，所述步骤3具体包括：
利用探地雷达对树根进行透析采集，得到树根的连接度、完整度和病虫害的影像图片；
采用自制TensorFlow训练集对树根的连接度、完整度和病虫害的影像图片进行标签化训练深度学习；
将相应的树根连接度特征、完整度特征和病虫害特征一一进行标签对应，自动批量得到多颗树根的健康状况打分。
5.根据权利要求1所述的一种智慧绿地的健康判定方法，其特征在于，在对树冠进行健康信息采集时，利用航测分析构建树冠三维模型；在对树干进行健康信息采集时，利用集合层析仪分析构建树干模型；在对树根进行健康信息采集时，利用探地雷达分析构建树根模型。
CN202110207747.4A 2021-02-25 2021-02-25 一种智慧绿地的健康判定方法及养护管理方法 Active CN112562074B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110207747.4A CN112562074B (zh) 2021-02-25 2021-02-25 一种智慧绿地的健康判定方法及养护管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110207747.4A CN112562074B (zh) 2021-02-25 2021-02-25 一种智慧绿地的健康判定方法及养护管理方法

Publications (2)

Publication Number Publication Date
CN112562074A CN112562074A (zh) 2021-03-26
CN112562074B true CN112562074B (zh) 2021-05-04

Family

ID=75034709

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110207747.4A Active CN112562074B (zh) 2021-02-25 2021-02-25 一种智慧绿地的健康判定方法及养护管理方法

Country Status (1)

Country Link
CN (1) CN112562074B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103678707A (zh) * 2013-12-30 2014-03-26 北京林业大学 一种行道树生态景观监测系统和方法
CN109191074A (zh) * 2018-08-27 2019-01-11 宁夏大学 智慧果园种植管理系统
CN112395905A (zh) * 2019-08-12 2021-02-23 北京林业大学 一种森林病虫害实时检测方法、系统及模型建立方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BRPI0805608B1 (pt) * 2008-12-15 2018-11-21 Embrapa Pesquisa Agropecuaria método, equipamento e sistema para diagnóstico de estresses e doenças em plantas superiores
EP3340130A1 (en) * 2016-12-23 2018-06-27 Hexagon Technology Center GmbH Method for prediction of soil and/or plant condition
US20190059202A1 (en) * 2017-08-07 2019-02-28 Michael C. Lorek Artificial Intelligence System for In-Vivo, Real-Time Agriculture Optimization Driven by Low-Cost, Persistent Measurement of Plant-Light Interactions
US10761075B2 (en) * 2018-10-19 2020-09-01 The Climate Corporation Detecting infection of plant diseases by classifying plant photos
US10713542B2 (en) * 2018-10-24 2020-07-14 The Climate Corporation Detection of plant diseases with multi-stage, multi-scale deep learning
CN110188419A (zh) * 2019-05-15 2019-08-30 中国建筑西南设计研究院有限公司 一种景观生态现状条件分析与定量规划设计的方法
CN110309762A (zh) * 2019-06-26 2019-10-08 扆亮海 一种基于航空遥感的林业健康评价系统
CN110598532B (zh) * 2019-07-31 2022-09-13 长春市万易科技有限公司 一种树木病虫害监控系统及方法
CN111639877A (zh) * 2020-06-07 2020-09-08 上海应用技术大学 一种行道树健康状况评价方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103678707A (zh) * 2013-12-30 2014-03-26 北京林业大学 一种行道树生态景观监测系统和方法
CN109191074A (zh) * 2018-08-27 2019-01-11 宁夏大学 智慧果园种植管理系统
CN112395905A (zh) * 2019-08-12 2021-02-23 北京林业大学 一种森林病虫害实时检测方法、系统及模型建立方法

Also Published As

Publication number Publication date
CN112562074A (zh) 2021-03-26

Similar Documents

Publication Publication Date Title
Canterbury et al. Bird communities and habitat as ecological indicators of forest condition in regional monitoring
Whitman et al. A comparison of two bird survey techniques used in a subtropical forest
Jobes et al. Effects of selection cutting on bird communities in contiguous eastern hardwood forests
CN111767802A (zh) 一种对象异常状态的检测方法和装置
Holmes et al. Response of bird communities to selection harvesting in a northern tolerant hardwood forest
CN113327021A (zh) 一种基于topsis熵权法的土地综合评价方法及装置
CN112562074B (zh) 一种智慧绿地的健康判定方法及养护管理方法
Blackburn et al. Filling the gaps: remote sensing meets woodland ecology
Torras et al. Changes in biodiversity indicators in managed and unmanaged forests in NE Spain
Suchocka et al. Management of urban forest to ensure the safety of touristic use on the example of Warsaw
Kiviste et al. Diameter distribution models and height-diameter equations for Estonian forests.
Kuttankulangara Manoharan et al. Coconut Tree Structure Analysis-Background Work for an Unmanned Coconut Harvesting Robot Design
Epee et al. Characterising retained dormant shoot attributes to support automated cane pruning on Vitis vinifera L. cv. Sauvignon blanc
Kromroy et al. Using forest service forest inventory and analysis data to estimate regional oak decline and oak mortality
Pachnowska et al. EUROPEAN ARBORICULTURAL STANDARDS
Kaur et al. Estimating the availability of potential hornbill nest trees in a secondary forest patch in Kinabatangan, Sabah
Kenefic Quantitative assessment of wildlife habitat in uneven-aged northern hardwood stands
Akimoto Street Tree Surveys Using Google Street View: A Pilot Study on Street Tree Mortality Rates in Toronto
Klockow Tree mortality and decomposition dynamics following an extreme drought in East Texas, USA
Oliver et al. Effects of forest management on private lands in West Virginia on Cerulean Warblers (Setophaga cerulea) and the avian community
McRae Effects of landscape composition on edge-sensitive songbirds in a forest-dominated landscape
Iron et al. Lab 2-Forester-in-a-Box Product Description
Perdue Maryland comprehensive state forest assessment
Lestari et al. Assessment of urban tree condition using VTA at Urban Green Space of Mataram University Rectorate
Mills Evaluation of a habitat capability model for nongame birds in the Black Hills, South Dakota

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant