申请/专利权人：四川省林业科学研究院

申请日：2023-12-04

公开（公告）日：2024-03-22

公开（公告）号：CN117746251A

主分类号：G06V20/13

分类号：G06V20/13;G06V20/17;G06V20/10;G06V10/22;G06V10/24;G06V10/44;G06V10/764;G06V10/82;G06N3/006;G06N3/042;G06N3/044;G06N3/0464;G06N3/08;G06N20/10

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及林业技术领域，具体为一种云杉人工林立地类型摸排标记方法及系统，包括以下步骤：基于卫星和无人机多源平台收集的数据，采用数据清洗和标准化方法，对地理、生态数据进行校正、配准、去噪，生成预处理后的云杉人工林综合数据集。本发明中，卷积神经网络和支持向量机提高了地块分类和树种识别的效率与准确性，图神经网络深入分析云杉人工林生态，助力病虫害识别与预测，结合卷积神经网络和长短时记忆网络，能更精准预测病虫害发展，从而及时采取有效措施，循环神经网络用于连续监测树木生长，为林业管理提供精准数据，遗传算法和粒子群优化算法用于优化林业决策，使管理决策更加科学、高效。

主权项：1.一种云杉人工林立地类型摸排标记方法，其特征在于，包括以下步骤：基于卫星和无人机多源平台收集的数据，采用数据清洗和标准化方法，对地理、生态数据进行校正、配准、去噪，生成预处理后的云杉人工林综合数据集；基于所述预处理后的云杉人工林综合数据集，采用卷积神经网络和支持向量机，生成地块分类和树种鉴定信息；基于所述地块分类和树种鉴定信息，采用图神经网络，构建云杉人工林生态网络模型；基于所述云杉人工林生态网络模型，采用卷积神经网络和长短时记忆网络，利用生态网络模型识别并预测病虫害的发展趋势，生成云杉人工林病虫害识别和预测报告；基于所述云杉人工林病虫害识别和预测报告，采用循环神经网络进行生长状态监测，生成云杉人工林树木生长状态监测报告；基于所述云杉人工林树木生长状态监测报告，采用包括遗传算法和粒子群优化算法的群体智能算法进行林业决策优化，生成云杉人工林管理决策方案。

全文数据：

权利要求：

百度查询： 四川省林业科学研究院 一种云杉人工林立地类型摸排标记方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD