CN112906468A - 一种基于图像识别技术的森林林木资源调查方法 - Google Patents
一种基于图像识别技术的森林林木资源调查方法 Download PDFInfo
- Publication number
- CN112906468A CN112906468A CN202110056476.7A CN202110056476A CN112906468A CN 112906468 A CN112906468 A CN 112906468A CN 202110056476 A CN202110056476 A CN 202110056476A CN 112906468 A CN112906468 A CN 112906468A
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional
- forest
- remote sensing
- difference value
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000011835 investigation Methods 0.000 title claims abstract description 19
- 238000005516 engineering process Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 56
- 201000010099 disease Diseases 0.000 claims abstract description 17
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 17
- 241000238631 Hexapoda Species 0.000 claims abstract description 13
- 238000007726 management method Methods 0.000 claims description 10
- 230000006866 deterioration Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004141 dimensional analysis Methods 0.000 claims description 6
- 241000607479 Yersinia pestis Species 0.000 abstract description 16
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- 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
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像识别技术的森林林木资源调查方法，本发明通过陆地卫星TM对森林区域全方位进行遥感图像，图像处理设备对遥感图像进行图像处理形成二维模板图像，将二维模板图像导入MATLAB软件中，以二维模板图像数据作为背景、二维模板图像数据中心点为坐标原点的二维坐标，可准确对森林区域进行全方位定位处理，利于后期进行点对点进行调查处理，提升了调查准确度，对变色位置进行全方位拍摄，提高了林业病虫害识别的准确度，方便林业工作人员作出准确的研判，利于林业工作人员及时采取措施，避免森林林木大面积出现虫害现象，避免造成巨大损失。
Description
技术领域
本发明涉及森林林木资源调查领域，具体地涉及一种基于图像识别技术的森林林木资源调查方法。
背景技术
森林资源是以林地、林木以及林区范围内生长的动、植物及其环境条件为对象的林业调查。简称森林调查。目的在于及时掌握森林资源的数量、质量和生长、消亡的动态规律及其与自然环境和经济、经营等条件之间的关系，为制订和调整林业政策，编制林业计划和鉴定森林经营效果服务，以保证森林资源在国民经济建设中得到充分利用，并不断提高其潜在生产力。
按调查的地域范围和目的，森林资源调查分为：以全国(或大区域)为对象的森林资源调查，简称一类调查；为编制规划设计而进行的调查，简称二类调查；为作业设计而进行的调查，简称三类调查。这三类调查上下贯穿、相互补充，形成森林调查体系，是合理组织森林经营，实现森林多功能永续利用、建立和健全各级森林资源管理和森林计划体制的基本技术手段。
发明内容
针对现有技术所存在的上述缺点，本发明提供了一种基于图像识别技术的森林林木资源调查方法，能够有效地克服现有技术所存在的人的视觉系统存在许多不足之处，如局限性、模糊性、主观性、缺乏持久性等，大大降低了林业病虫害识别的准确度，容易造成森林林木大面积出现虫害现象，造成巨大损失的问题。
为实现以上目的，本发明通过以下技术方案予以实现：
一种基于图像识别技术的森林林木资源调查方法，具体调查方法步骤如下：
S1:采用陆地卫星TM对森林区域全方位进行遥感图像，图像处理设备对遥感图像进行图像处理形成二维模板图像，将二维模板图像导入MATLAB软件中，以二维模板图像数据作为背景、二维模板图像数据中心点为坐标原点的二维坐标；
S2:陆地卫星TM以固定周期对同一森林区域进行固定进行遥感图像，图像处理设备对遥感图像进行图像处理形成二维图像，将新采集的二维图像和二维模板图像均导入DiffImg软件中进行比对处理，计算出比对差值α；
S3:比对差值α小于2时，重复S1和S2工作对同一森林区域进行周期性监控，比对差值α大于2时，工作人员将二维图像导入DeCNN-DCRF模型中确定产生对处理差值α的树木，并提取树木的变色位置；
S4:比对差值α大于2时，工作人员将二维图像导入二维坐标中找到对处理差值α产生的地理位置，启动无人机，无人机飞至树木地理位置处，再根据DeCNN-DCRF模型体现出树木的变色位置，对变色位置进行全方位拍摄；
S5:将无人机拍摄拍摄图像资料进行全方位分析研判，确定病虫害的种类、病虫害恶化趋势，并作出相对应应对措施，将采集的原数据以及处理后的数据导入森林资源数据库进行存储管理。
更进一步地，所述步骤S1二维模板图像与森林区域全方位地形比例尺寸为1:3000。
更进一步地，所述步骤S1中的二维坐标的坐标单位为1cm。
更进一步地，所述步骤S2中固定周期100min。
更进一步地，所述二维模板图像可选新采集的二维图像之前的一组二维图像，实现相邻二维图像连续化比对。
更进一步地，所述步骤S2中比对差值α计算方式为：二维图像和二维模板对比时差异数之和。
更进一步地，所述步骤S4的无人机拍摄结束后将变色林木的遥感影像进行标记，并将标记后的遥感影像导入到DeCNN-DCRF模型样本库。
采用本发明提供的技术方案，与已知的公有技术相比，具有如下有益效果：
本发明通过陆地卫星TM对森林区域全方位进行遥感图像，图像处理设备对遥感图像进行图像处理形成二维模板图像，将二维模板图像导入MATLAB软件中，以二维模板图像数据作为背景、二维模板图像数据中心点为坐标原点的二维坐标，可准确对森林区域进行全方位定位处理，利于后期进行点对点进行调查处理，提升了调查准确度，再将新采集的二维图像和二维模板图像均导入DiffImg软件中进行比对处理，将二维图像导入DeCNN-DCRF模型中确定产生对处理差值α的树木，并提取树木的变色位置，二维图像导入二维坐标中找到对处理差值α产生的地理位置，无人机飞至树木地理位置处，再根据DeCNN-DCRF模型体现出树木的变色位置，对变色位置进行全方位拍摄，提高了林业病虫害识别的准确度，方便林业工作人员作出准确的研判，利于林业工作人员及时采取措施，避免森林林木大面积出现虫害现象，避免造成巨大损失。
本发明通过二维模板图像可选新采集的二维图像之前的一组二维图像，实现相邻二维图像连续化比对，同时，比对差值α计算方式为：二维图像和二维模板对比时差异数之和，保证了比对差值α是连续情况下的连续数字，利于比对差值α准确表达森林林木变化。
本发明通过无人机拍摄结束后将变色林木的遥感影像进行标记，并将标记后的遥感影像导入到DeCNN-DCRF模型样本库，再次遥感图像时方便林业工作人员着重关注标记处，利于林业工作人员及时比对，降低工作难度。
具体实施方式
为了加深对本发明的理解，下面结合实施例对本发明作进一步详细的说明。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1
本实施例的一种基于图像识别技术的森林林木资源调查方法，具体调查方法步骤如下：
S1:采用陆地卫星TM对森林区域全方位进行遥感图像，图像处理设备对遥感图像进行图像处理形成二维模板图像，二维模板图像与森林区域全方位地形比例尺寸为1:3000，将二维模板图像导入MATLAB软件中，以二维模板图像数据作为背景、二维模板图像数据中心点为坐标原点的二维坐标，二维坐标的坐标单位为1cm，可准确对森林区域进行全方位定位处理，利于后期进行点对点进行调查处理，提升了调查准确度；
S2:陆地卫星TM以固定周期对同一森林区域进行固定进行遥感图像，图像处理设备对遥感图像进行图像处理形成二维图像，将新采集的二维图像和二维模板图像均导入DiffImg软件中进行比对处理，计算出比对差值α；
S3:比对差值α小于2时，重复S1和S2工作对同一森林区域进行周期性监控，比对差值α大于2时，工作人员将二维图像导入DeCNN-DCRF模型中确定产生对处理差值α的树木，并提取树木的变色位置；
S4:比对差值α大于2时，工作人员将二维图像导入二维坐标中找到对处理差值α产生的地理位置，启动无人机，无人机飞至树木地理位置处，再根据DeCNN-DCRF模型体现出树木的变色位置，对变色位置进行全方位拍摄，提高了林业病虫害识别的准确度，方便林业工作人员作出准确的研判，利于林业工作人员及时采取措施，避免森林林木大面积出现虫害现象，避免造成巨大损失；
S5:将无人机拍摄拍摄图像资料进行全方位分析研判，确定病虫害的种类、病虫害恶化趋势，并作出相对应应对措施，将采集的原数据以及处理后的数据导入森林资源数据库进行存储管理。
实施例2
实施例2是对实施例1的进一步改进
本实施例的一种基于图像识别技术的森林林木资源调查方法，具体调查方法步骤如下：
S1:采用陆地卫星TM对森林区域全方位进行遥感图像，图像处理设备对遥感图像进行图像处理形成二维模板图像，二维模板图像与森林区域全方位地形比例尺寸为1:3000，将二维模板图像导入MATLAB软件中，以二维模板图像数据作为背景、二维模板图像数据中心点为坐标原点的二维坐标，二维坐标的坐标单位为1cm；
S2:陆地卫星TM以固定周期对同一森林区域进行固定进行遥感图像，固定周期100min，图像处理设备对遥感图像进行图像处理形成二维图像，二维模板图像可选新采集的二维图像之前的一组二维图像，实现相邻二维图像连续化比对，将新采集的二维图像和二维模板图像均导入DiffImg软件中进行比对处理，计算出比对差值α，比对差值α计算方式为：二维图像和二维模板对比时差异数之和，保证了比对差值α是连续情况下的连续数字，利于比对差值α准确表达森林林木变化；
S3:比对差值α小于2时，重复S1和S2工作对同一森林区域进行周期性监控，比对差值α大于2时，工作人员将二维图像导入DeCNN-DCRF模型中确定产生对处理差值α的树木，并提取树木的变色位置；
S4:比对差值α大于2时，工作人员将二维图像导入二维坐标中找到对处理差值α产生的地理位置，启动无人机，无人机飞至树木地理位置处，再根据DeCNN-DCRF模型体现出树木的变色位置，对变色位置进行全方位拍摄；
S5:将无人机拍摄拍摄图像资料进行全方位分析研判，确定病虫害的种类、病虫害恶化趋势，并作出相对应应对措施，将采集的原数据以及处理后的数据导入森林资源数据库进行存储管理。
实施例3
实施例3是对实施例2的进一步改进
本实施例的一种基于图像识别技术的森林林木资源调查方法，具体调查方法步骤如下：
S1:采用陆地卫星TM对森林区域全方位进行遥感图像，图像处理设备对遥感图像进行图像处理形成二维模板图像，二维模板图像与森林区域全方位地形比例尺寸为1:3000，将二维模板图像导入MATLAB软件中，以二维模板图像数据作为背景、二维模板图像数据中心点为坐标原点的二维坐标，二维坐标的坐标单位为1cm；
S2:陆地卫星TM以固定周期对同一森林区域进行固定进行遥感图像，固定周期100min，图像处理设备对遥感图像进行图像处理形成二维图像，二维模板图像可选新采集的二维图像之前的一组二维图像，实现相邻二维图像连续化比对，将新采集的二维图像和二维模板图像均导入DiffImg软件中进行比对处理，计算出比对差值α，比对差值α计算方式为：二维图像和二维模板对比时差异数之和；
S3:比对差值α小于2时，重复S1和S2工作对同一森林区域进行周期性监控，比对差值α大于2时，工作人员将二维图像导入DeCNN-DCRF模型中确定产生对处理差值α的树木，并提取树木的变色位置；
S4:比对差值α大于2时，工作人员将二维图像导入二维坐标中找到对处理差值α产生的地理位置，启动无人机，无人机飞至树木地理位置处，再根据DeCNN-DCRF模型体现出树木的变色位置，对变色位置进行全方位拍摄，无人机拍摄结束后将变色林木的遥感影像进行标记，并将标记后的遥感影像导入到DeCNN-DCRF模型样本库，再次遥感图像时方便林业工作人员着重关注标记处，利于林业工作人员及时比对，降低工作难度；
S5:将无人机拍摄拍摄图像资料进行全方位分析研判，确定病虫害的种类、病虫害恶化趋势，并作出相对应应对措施，将采集的原数据以及处理后的数据导入森林资源数据库进行存储管理。
选取扬州市某区的森林进行监测，选取二维图像中点坐标进行实时监测，监测数据如下表：
| 0min | 100min | 200min | 300min | 400min | 500min | 600min | |
| 是否变色 | 是 | 否 | 是 | 否 | 是 | 是 | 否 |
表1
表2
通过表1和表2可知，变色趋势和害虫总量的变化趋势，可得出森林树木的变色林木是否变色可得出害虫总量是否增加，同时，通过对各种害虫数量的详细统计，有利于及时掌握各种害虫变化趋势，确定病虫害的种类、病虫害恶化趋势，并作出相对应应对措施。
使用时，一种基于图像识别技术的森林林木资源调查方法，具体调查方法步骤如下：
S1:采用陆地卫星TM对森林区域全方位进行遥感图像，图像处理设备对遥感图像进行图像处理形成二维模板图像，二维模板图像与森林区域全方位地形比例尺寸为1:3000，将二维模板图像导入MATLAB软件中，以二维模板图像数据作为背景、二维模板图像数据中心点为坐标原点的二维坐标，二维坐标的坐标单位为1cm，可准确对森林区域进行全方位定位处理，利于后期进行点对点进行调查处理，提升了调查准确度；
S2:陆地卫星TM以固定周期对同一森林区域进行固定进行遥感图像，固定周期100min，图像处理设备对遥感图像进行图像处理形成二维图像，二维模板图像可选新采集的二维图像之前的一组二维图像，实现相邻二维图像连续化比对，将新采集的二维图像和二维模板图像均导入DiffImg软件中进行比对处理，计算出比对差值α，比对差值α计算方式为：二维图像和二维模板对比时差异数之和，保证了比对差值α是连续情况下的连续数字，利于比对差值α准确表达森林林木变化；
S3:比对差值α小于2时，重复S1和S2工作对同一森林区域进行周期性监控，比对差值α大于2时，工作人员将二维图像导入DeCNN-DCRF模型中确定产生对处理差值α的树木，并提取树木的变色位置；
S4:比对差值α大于2时，工作人员将二维图像导入二维坐标中找到对处理差值α产生的地理位置，启动无人机，无人机飞至树木地理位置处，再根据DeCNN-DCRF模型体现出树木的变色位置，对变色位置进行全方位拍摄，提高了林业病虫害识别的准确度，方便林业工作人员作出准确的研判，利于林业工作人员及时采取措施，避免森林林木大面积出现虫害现象，避免造成巨大损失，无人机拍摄结束后将变色林木的遥感影像进行标记，并将标记后的遥感影像导入到DeCNN-DCRF模型样本库，再次遥感图像时方便林业工作人员着重关注标记处，利于林业工作人员及时比对，降低工作难度；
S5:将无人机拍摄拍摄图像资料进行全方位分析研判，确定病虫害的种类、病虫害恶化趋势，并作出相对应应对措施，将采集的原数据以及处理后的数据导入森林资源数据库进行存储管理。
要说明的是，以上所述实施例是对本发明技术方案的说明而非限制，所属技术领域普通技术人员的等同替换或者根据现有技术而做的其他修改，只要没超出本发明技术方案的思路和范围，均应包含在本发明所要求的权利范围之内。
Claims (7)
1.一种基于图像识别技术的森林林木资源调查方法，其特征在于，具体调查方法步骤如下：
S1:采用陆地卫星TM对森林区域全方位进行遥感图像，图像处理设备对遥感图像进行图像处理形成二维模板图像，将二维模板图像导入MATLAB软件中，以二维模板图像数据作为背景、二维模板图像数据中心点为坐标原点的二维坐标；
S2:陆地卫星TM以固定周期对同一森林区域进行固定进行遥感图像，图像处理设备对遥感图像进行图像处理形成二维图像，将新采集的二维图像和二维模板图像均导入DiffImg软件中进行比对处理，计算出比对差值α；
S3:比对差值α小于2时，重复S1和S2工作对同一森林区域进行周期性监控，比对差值α大于2时，工作人员将二维图像导入DeCNN-DCRF模型中确定产生对处理差值α的树木，并提取树木的变色位置；
S4:比对差值α大于2时，工作人员将二维图像导入二维坐标中找到对处理差值α产生的地理位置，启动无人机，无人机飞至树木地理位置处，再根据DeCNN-DCRF模型体现出树木的变色位置，对变色位置进行全方位拍摄；
S5:将无人机拍摄拍摄图像资料进行全方位分析研判，确定病虫害的种类、病虫害恶化趋势，并作出相对应应对措施，将采集的原数据以及处理后的数据导入森林资源数据库进行存储管理。
2.根据权利要求1所述的一种基于图像识别技术的森林林木资源调查方法，其特征在于，所述步骤S1二维模板图像与森林区域全方位地形比例尺寸为1:3000。
3.根据权利要求2所述的一种基于图像识别技术的森林林木资源调查方法，其特征在于，所述步骤S1中的二维坐标的坐标单位为1cm。
4.根据权利要求1所述的一种基于图像识别技术的森林林木资源调查方法，其特征在于，所述步骤S2中的固定周期为100min。
5.根据权利要求3所述的一种基于图像识别技术的森林林木资源调查方法，其特征在于，所述二维模板图像选新采集的二维图像之前的一组二维图像，实现相邻二维图像连续化比对。
6.根据权利要求1所述的一种基于图像识别技术的森林林木资源调查方法，其特征在于，所述步骤S2中比对差值α计算方式为：二维图像和二维模板对比时差异数之和。
7.根据权利要求1所述的一种基于图像识别技术的森林林木资源调查方法，其特征在于，所述步骤S4的无人机拍摄结束后将变色林木的遥感影像进行标记，并将标记后的遥感影像导入到DeCNN-DCRF模型样本库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110056476.7A CN112906468A (zh) | 2021-01-15 | 2021-01-15 | 一种基于图像识别技术的森林林木资源调查方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110056476.7A CN112906468A (zh) | 2021-01-15 | 2021-01-15 | 一种基于图像识别技术的森林林木资源调查方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112906468A true CN112906468A (zh) | 2021-06-04 |
Family
ID=76113719
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110056476.7A Pending CN112906468A (zh) | 2021-01-15 | 2021-01-15 | 一种基于图像识别技术的森林林木资源调查方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112906468A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116258977A (zh) * | 2023-05-09 | 2023-06-13 | 凉山州现代林业产业发展指导服务中心 | 一种基于视频图像识别森林病虫害防控方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020194780A1 (en) * | 2001-05-24 | 2002-12-26 | Blanchette Robert A. | Cultivated agarwood |
| JP2005190417A (ja) * | 2003-12-26 | 2005-07-14 | Taketani Shoji:Kk | 固定物管理システム及びこのシステムに用いる個体識別子 |
| WO2020215283A1 (zh) * | 2019-04-25 | 2020-10-29 | 深圳市汇顶科技股份有限公司 | 人脸识别方法、处理芯片以及电子设备 |
-
2021
- 2021-01-15 CN CN202110056476.7A patent/CN112906468A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020194780A1 (en) * | 2001-05-24 | 2002-12-26 | Blanchette Robert A. | Cultivated agarwood |
| JP2005190417A (ja) * | 2003-12-26 | 2005-07-14 | Taketani Shoji:Kk | 固定物管理システム及びこのシステムに用いる個体識別子 |
| WO2020215283A1 (zh) * | 2019-04-25 | 2020-10-29 | 深圳市汇顶科技股份有限公司 | 人脸识别方法、处理芯片以及电子设备 |
Non-Patent Citations (2)
| Title |
|---|
| 王廷银;林明贵;陈达;吴允平;: "基于北斗RDSS的核辐射监测应急通讯方法", 计算机系统应用, no. 12 * |
| 颜伟;吴正星;漆基海;谭靖;李健生;: "森林防火视频监控预警系统设计与应用", 贵州林业科技, no. 04 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116258977A (zh) * | 2023-05-09 | 2023-06-13 | 凉山州现代林业产业发展指导服务中心 | 一种基于视频图像识别森林病虫害防控方法及系统 |
| CN116258977B (zh) * | 2023-05-09 | 2023-07-21 | 凉山州现代林业产业发展指导服务中心 | 一种基于视频图像识别森林病虫害防控方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110110595B (zh) | 一种基于卫星遥感影像的农田画像及药肥大数据分析方法 | |
| CN111727457B (zh) | 一种基于计算机视觉的棉花作物行检测方法、装置及存储介质 | |
| US11716985B2 (en) | Method for remediating developmentally delayed plants | |
| CN109032174B (zh) | 一种无人机作业航线规划方法以及作业执行方法 | |
| CN111563430A (zh) | 一种基于卷积神经的公益林地类图像智能识别方法及系统 | |
| Ozdemir et al. | Precision Viticulture tools to production of high quality grapes. | |
| CN112906468A (zh) | 一种基于图像识别技术的森林林木资源调查方法 | |
| CN111444774A (zh) | 一种基于无人机航测技术的森林资源监测方法 | |
| CN112861666A (zh) | 一种基于深度学习的鸡群计数方法及应用 | |
| CN116030343A (zh) | 一种基于机器视觉识别的农作物病虫害监管系统 | |
| CN106339717A (zh) | 一种基于混合多尺度特征模型的活立木快速识别方法 | |
| CN114066327A (zh) | 一种区域耕地质量评价方法及系统 | |
| CN117132891A (zh) | 一种玉米苗情苗势获取方法及系统 | |
| CN117115654A (zh) | 一种基于综合遥感技术的森林环境遥感监测系统 | |
| CN102236844B (zh) | 一种田间调查的自动化管理方法 | |
| CN115424151A (zh) | 一种基于图像处理的农业智能平台 | |
| CN115358991A (zh) | 一种秧苗的漏秧数量和漏秧位置的识别方法及系统 | |
| CN115314851A (zh) | 一种基于大数据平台的农业信息化管理平台 | |
| CN113159644A (zh) | 基于无人机遥感技术及gis数据处理的林业管理系统及方法 | |
| CN112241440A (zh) | 一种基于LiDAR点云数据的三维绿量估算及管理方法 | |
| CN114782844B (zh) | 一种松材线虫病树识别方法、系统和存储介质 | |
| CN116844075B (zh) | 一种耕地环境判定方法及系统 | |
| CN113052959B (zh) | 一种基于碳排放的海岛植被资源投放方法及装置 | |
| CN115761545A (zh) | 一种基于深度学习的林木种类和数量识别方法和系统 | |
| UA155606U (uk) | Спосіб вимірювання діаметра крони дерева |
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 | ||
| AD01 | Patent right deemed abandoned | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240301 |