-
公开(公告)号：CN114581400A
公开(公告)日：2022-06-03
申请号：CN202210198698.7
申请日：2022-03-02
Applicant: 西南林业大学
Abstract: 本发明公开了一种基于时间序列遥感影像的茶园打顶时间检测方法，包括：获取茶园区域内Landsat‑8OLI与Sentinel‑2MSI卫星传感器的地表反射率数据；根据地表反射率数据构建时间分辨率为5天的时间序列遥感影像集；基于时间序列遥感影像集进行每个像元的NDVI、LSWI、EVI、RGRI指数的计算以及平滑；计算每个像元在时间序列遥感影像集上相邻时间的指数变化强度系数及NDVI、LSWI、EVI、RGRI指数的变化方向；基于时间序列遥感影像集，获取像元上NDVI、LSWI、EVI指数变化方向为下降同时RGRI指数变化方向为上升且指数变化强度系数最大处的相应时间，即为茶园打顶时间，完成茶园打顶时间检测。本发明利用茶园在时间序列遥感影像上的时序特征，快速检测茶园的打顶时间，方法简单，结果准确。
-
公开(公告)号：CN110496726A
公开(公告)日：2019-11-26
申请号：CN201910834732.3
申请日：2019-09-05
Applicant: 西南林业大学
Abstract: 本发明公开了一种树木打标枪，包括枪体和设置在枪体上的供气筒、容水箱、容漆箱和旋转履带机构；枪体上设置有开/关供气筒的触发机构，供气筒的出气口密封连接有漆水混合箱；容水箱和容漆箱的开口均通过软管连通到漆水混合箱内，所述软管上设置有开合装置；旋转履带机构包括多层可转动的数字模型履带，每层数字模型履带上均镂空雕刻有″0、1、2、3、4、5、6、7、8、9″；漆水混合箱的端头具有多个分支。本发明喷漆式的编号克服了传统挂牌编号容易被损坏，保存时限短的缺点；旋转履带机构能够自动滚动数字，提高了编号的准确性，进而解决了传统手动编号时容易遗忘编号顺序的问题。
-
公开(公告)号：CN118960552A
公开(公告)日：2024-11-15
申请号：CN202410825040.3
申请日：2024-06-25
Applicant: 西南林业大学 , 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心)
Abstract: 本发明涉及单株立木材积测量技术领域，尤其涉及S1、立木上部直径的测量，根据针孔相机成像原理，激光雷达获取立木上部直径的点云数据，在根据双目相机成像原理，把立木上部直径的信息转换成了一张由像素组成的照片；S2、对深度图像的特征点进行检测、描述、匹配及预处理；S3、对深度相机先验位姿的估计，在估计帧与帧之间位姿阶段；S4、构建地图，对深度相机的位姿图初始化；S5、测量木材上部直径对应高度；并通过上部直径、对应高度、胸径和树高构建削度方程，并进行参数估计和计算得到立木材积。本发明用于解决立木上部直径精确测量、对应高度精确测量、干形指数和立木材积计算的问题。
-
公开(公告)号：CN114184123B
公开(公告)日：2024-07-19
申请号：CN202111537627.7
申请日：2021-12-15
Applicant: 西南林业大学
IPC: G01B11/00 , G01B11/06 , G01B11/28 , G01N9/24 , G06F17/11 , G06T3/4038 , G06T7/11 , G06T7/136 , G06T7/90 , G06T17/00
Abstract: 本发明公开了一种测算草地样方三维绿量的装置及方法，该装置包括：顶层板、侧面板、图像处理显示模块、图像采集装置以及电路控制开关，侧面板设置有四个，四个侧面板与一个顶层板拼接形成一个底端开口的壳体，壳体罩设在草地样方上；壳体内部设置有五组图像采集装置，五组图像采集装置分别安装在四个侧面板和一个顶层板上，每个侧面板上垂向设置有刻度线；图像处理显示模块和电路控制开关设置在顶层板的上部，图像处理显示模块包括处理器和显示屏，处理器分别与五组图像采集装置电性连接。本发明可以对于草地样方实现多角度实时成像分析，并即时计算出草地样方的三维绿量，装置结构简单，可拆卸组装，方便携带，成本低于常用装置，且易于操作。
-
公开(公告)号：CN117078938A
公开(公告)日：2023-11-17
申请号：CN202311109465.6
申请日：2023-08-30
Applicant: 西南林业大学
IPC: G06V10/26 , G06V20/10 , G06V20/70 , G06V10/764 , G06V10/84
Abstract: 本申请公开了一种基于马尔可夫随机场的遥感图像语义分割方法，包括以下步骤：步骤S1：利用MS算法生成图像Y的过度分割区域集R＝{R1,R2,…,Rn}，基于R建立区域邻接图；步骤S2：由SVM分类器得到k类的高语义初始分类结果和类条件概率，由经典的像素级MRF方法得到k1类的低语义初始分类结果；步骤S3：根据SVM分类结果和经典MRF方法的分类结果初始化MRF‑MSSP的标签Xl和#imgabs0#并计算标签#imgabs1#的类条件概率；步骤S4：设置步长t＝0，基于#imgabs2#和#imgabs3#更新#imgabs4#基于#imgabs5#和#imgabs6#更新#imgabs7#步骤S5：判断：如果X(t+1)≠X(t)或者X1(t+1)≠X1(t)，返回步骤S4，设置步长t＝t+1继续迭代，直到X(t+1)＝X(t)和X1(t+1)＝X1(t)时，输出分割结果。该方法可以自动地提取遥感图像的分层语义信息来指导语义分割，并且通过光谱抑制性函数极大地保留图像边界信息。
-
Patent Agency Ranking
公开(公告)号：CN106403887B
公开(公告)日：2018-09-11
申请号：CN201610737727.7
申请日：2016-08-26
Applicant: 国家林业局昆明勘察设计院 , 西南林业大学
IPC: G01C5/00
Abstract: 本发明公开一种长颈自动伸缩测量杆，包括一伸缩杆，伸缩杆包括至少两层相互嵌套的中空套管，其中最外层所述套管为固定，其余各层套管为可伸缩；所述套管的伸缩通过在伸缩杆中心设置一金属杆，金属杆顶部连接一步进电机，步进电机带动一齿轮，齿轮与套管内壁上的齿条啮合实现；在伸缩杆中心设置一弹簧杆，弹簧杆支撑并拉拽所述金属杆，使齿轮始终靠向齿条；步进电机由控制电路控制，还可实现自动计算步进数，达到测量的目的。本发明集自动伸缩和测量为一体，是一种长度可调的伸缩杆，伸缩自如且便于携带，且可以测量并显示。
-
公开(公告)号：CN118396887A
公开(公告)日：2024-07-26
申请号：CN202410213529.5
申请日：2024-02-27
Applicant: 西南林业大学
Abstract: 本发明涉及一种基于pix2pix着色概念的全色锐化方法，属于遥感影像融合领域。本发明包括S1：对图像进行色彩空间转换以及对比度受限的直方图均衡化；S2：将所述步骤S1中的原始多光谱图像以及最后得到的预上色图像作为配对训练数据输入pix2pix模型中进行训练，训练过程中，使用频谱绝对差异损失函数作为条件损失；S3：pix2pix模型训练后进行测试，输出全色锐化图像。本发明通过对图像进行色彩空间转换以及对比度受限的直方图均衡化，保证模型能够学习到准确的色彩映射关系，使模型输出的图像与原图之间具有更高的色彩相似性；通过从频域角度定义条件损失，使模型更加关注图像的结构和纹理，具有更强的鲁棒性。
-
公开(公告)号：CN116739330A
公开(公告)日：2023-09-12
申请号：CN202210190320.2
申请日：2022-02-27
Applicant: 西南林业大学
IPC: G06Q10/0635 , G06Q10/10 , G06Q50/26 , G06F16/2458 , G06F16/248
Abstract: 本发明公开了一种基于可燃物特征的森林火险信息管理系统及方法，包括系统登陆模块、巡护信息模块、可燃物管理模块、火情信息管理模块、报表展示模块、用户管理模块。采用B/S模式，ASP.NET框架，以面向对象为思想，对系统进行需求分析及系统设计；以可燃物类型及燃烧特性作为系统的基础数据，通过火情信息获取数据并且实现数据可视化展示，在数据展示中提供研究人员对火灾机理的发生，本系统为森林消防、火情监测单位在火灾管理中提高了效率，同时可为森林防火等研究提供有价值参考。
-
公开(公告)号：CN110531025A
公开(公告)日：2019-12-03
申请号：CN201910834752.0
申请日：2019-09-05
Applicant: 西南林业大学
Abstract: 本发明公开了一种智能化可燃物燃烧床，包括矩形燃烧床体，燃烧床体下方设置有底座支架，底座支架上端设置有底板一和底板二，底板二可折叠在底板一上；燃烧床体内部设置有可移动的隔板；燃烧床体的上方设置有移动支架，移动支架的顶梁下端可滑动的设置有第一滑杆、第二滑杆和火焰高度测量尺，第一滑杆下端设置有温度传感器，第二滑杆下端设置有热辐射传感器；燃烧床体的四周侧壁中间位置上安装有风力机模拟仪；底板一远离搭接板的一端设置有螺旋丝杆升降机；燃烧床体内侧壁上设置有可移动的滑动标尺。该发明结构巧思，是集燃烧载体、测量装置于一体的多功能、智能化燃烧床，操作便捷，测量精确高，具有很好的市场前景和技术推广优势。
-
公开(公告)号：CN119273994A
公开(公告)日：2025-01-07
申请号：CN202411493850.X
申请日：2024-10-24
Applicant: 西南林业大学
IPC: G06V10/764 , G06V20/10 , G06V10/42 , G06V10/44 , G06V10/58 , G06V10/77 , G06V10/82 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本申请公开了基于光谱深度提取卷积神经网络SDA‑CNN的树种分类方法及其系统，可以克服高光谱影像中的光谱信息的利用效率较低以及无法有效地提取每个光谱通道的有效特征，导致树种分类性能被限制的技术缺陷，最终提升树种分类性能以及分类准确性。树种分类方法包括：使用高光谱森林影像数据构建的深度学习样本集，对光谱深度提取卷积神经网络SDA‑CNN模型进行模型训练以及树种分类，在SDA‑CNN模型中采用包括二维卷积和逐深度卷积的混合神经网络模块，并新增设置有领域像素感知模块，使得二维卷积用于提取图像的全局空间信息以生成全局特征；逐深度卷积用于在每个光谱通道上独立执行卷积操作而不在各光谱通道间共享权重以提取各光谱通道间的相关性信息，领域像素感知模块用于提取邻近像素中包含的目标像素周围的环境信息。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.032 seconds)
