一种融合多源异构数据的松材线虫病受害木识别深度学习方法

    公开(公告)号:CN116051982A

    公开(公告)日:2023-05-02

    申请号:CN202211639316.6

    申请日:2022-12-20

    Abstract: 本发明公开一种基于无人机高光谱和LiDAR的融合数据而提出的3D点云深度学习方法(BH3DNet),适用于区域松材线虫病害的超高精度监测,属于深度学习和数据融合在林业应用技术领域。关键技术要点包括:1.使用特定方法将高光谱数据赋值到点云数据上来融合高光谱和点云数据;2.使用特定方法高斯噪声抖动扩增样本数据集;3.构建了一种基于点云的实例分割算法模型(BH3DNet)。本发明将基于无人机遥感数据监测病虫害发生区域做到了单木尺度,形成单木定位、单木边界分割和感病阶段识别一体化的监测技术体系,从而快速、自动完成受害木定位和感病阶段监测,为灾害的早期防控提供有力技术支撑。

    基于飞行航迹数据的森林飞防监理方法

    公开(公告)号:CN109829632A

    公开(公告)日:2019-05-31

    申请号:CN201910037159.3

    申请日:2019-01-15

    Abstract: 本发明涉及一种森林飞防监理技术领域,是一种基于飞行航迹数据的森林飞防监理方法,包括以下步骤:S1,在飞防飞机上设置导航装置,导航装置记录该飞防飞机在森林上空的飞行航迹;S2,根据该飞防飞机的技术指标和飞行航迹,分析飞行航迹的缓冲区;S3,获取飞防作业区界线矢量数据及作业森林的森林资源数据,将飞行航迹的缓冲区、森林资源数据、飞防作业区界线矢量数据进行分析,计算飞防任务完成率和飞防作业有效率。本发明利用飞行航迹、森林资源数据、飞防作业区界线矢量数据对森林飞防完成率进行了评估,实现了森林飞防的监管,解决了森林飞防完成率评估的问题,为森林飞防监理提供了依据和方法,为林业主管部门飞防管理提供了决策依据。

Patent Agency Ranking