郭颖
- 作品数：33 被引量：77H指数：6
- 供职机构：中国林业科学研究院资源信息研究所更多>>
- 发文基金：中央级公益性科研院所基本科研业务费专项中央级公益性科研院所基本科研业务费专项资金项目国家高技术研究发展计划更多>>
- 相关领域：农业科学自动化与计算机技术生物学天文地球更多>>
- 基于CPUGPU异构平台的多源遥感草地草畜平衡评估方法
- 本发明公开了一种基于CPUGPU异构平台的多源遥感草地草畜平衡评估方法，包括以下步骤：获取遥感数据并进行预处理；根据预处理的遥感数据进行草地分类提取；获得各分类草地产草量样本点实测数据；根据草地分类提取的遥感数据及各分类...
- 张旭郭颖侯亚男孙蕊陈艳
- 文献传递
- 一种改进的高空间分辨率遥感影像森林类型深度学习精细分类方法:双支FCN-8s被引量：8
- 2020年
- 【目的】对全卷积神经网络模型进行双支化改进,探索高空间分辨率遥感影像森林类型深度学习分类新方法,为提高森林资源遥感调查精度提供技术支撑。【方法】双支FCN-8s包含2个FCN-8s子模型,一个子模型基于R、G、B三波段特征,采用微调方式构建;另一个子模型基于五特征构建。将2个子模型8、16、32倍下的采样结果进行融合并分类,得到每个像元的类别。以旺业甸林场为研究区,采用GF-2卫星遥感影像提取标准化植被指数(NDVI),构建基于R+G+B三波段特征、R+G+B+NIR四波段特征和R+G+B+NIR+NDVI五特征的数据集,对双支FCN-8s优化方法的有效性进行定量评价。【结果】1)双支FCN-8s方法的总体分类精度为85.89%,Kappa系数为0.84;相比传统FCN-8s,双支FCN-8s方法可提高大部分森林类型的分类精度,尤其对油松、红松、白桦等类别改善效果明显。2)相对于传统基于特征优选的SVM模型而言,双支FCN-8s方法的总体分类精度由75%上升至85.89%,精度提升大于10%,各类别的分类效果均有改善。3)使用微调策略以及加入NDVI特征后,模型可有效改善油松、山杨及白桦等树种的分类效果。【结论】双支FCN-8s高空间分辨率遥感影像森林类型深度学习精细分类方法可有效提升森林类型的细分程度和分类精度。
- 郭颖李增元陈尔学张旭赵磊陈艳王雅慧
- 一种声音识别方法、装置、电子设备及存储介质
- 本申请涉及声音识别技术领域，具体提供一种声音识别方法、装置、电子设备及存储介质，对获取的长臂猿录音数据进行预处理、提取Mel谱特征，通过将Mel谱特征训练好的长臂猿声音分类模型得到待分类长臂猿录音数据中的长臂猿音频片段，...
- 郭颖高家军张旭陈艳范东璞于新文邓广欧阳萱
- 融合Swin Transformer的虫害图像实例分割优化方法研究被引量：5
- 2023年
- 【目的】为了实现对虫害的精准监测,提出了一种融合Swin Transformer的图像实例分割优化方法,以期有效解决复杂真实场景下多幼虫个体图像识别分割困难的问题。【方法】选用Swin Transformer模型,改进Mask R-CNN实例分割模型的主干网部分,对黄野螟幼虫虫害图像进行识别分割。针对不同结构参数的Swin Transformer模型与ResNet模型,调整各层的输入输出维度,将其分别设置为Mask R-CNN的主干网进行对比实验,从定量与定性两个角度分析不同主干网的Mask R-CNN模型对黄野螟幼虫的识别分割精度与效果,确定最佳模型结构。【结果】(1)该方法在虫害识别框选方面的测度(F1)分数可达89.7%,平均精度(A_(P))可达88.0%;在虫害识别分割方面的F1分数可达84.3%,A_(P)可达82.2%。相较于Mask R-CNN,在目标框选与目标分割方面分别提升8.75%与8.40%。(2)对于小目标虫害识别分割任务,该方法在虫害识别框选方面的F1分数可达88.4%,A_(P)可达86.3%;在虫害识别分割方面的F1分数可达84.0%,A_(P)可达81.7%。相较于Mask R-CNN,在目标框选与目标分割方面分别提升9.30%与9.45%。【结论】对于复杂真实场景下的图像实例分割任务,其识别分割效果极大地依赖于模型对图像特征的提取能力,而融合了Swin Transformer的Mask R-CNN实例分割模型,在主干网的特征提取能力更强,模型整体的识别分割效果更好,可为虫害的识别监测提供技术支撑,同时为保护农、林、牧等产业资源提供解决方案。
- 高家军张旭郭颖刘昱坤郭安琪石蒙蒙王鹏袁莹
- 关键词：土沉香
- 联合LiDAR、高光谱数据及3D-CNN方法的树种分类
- 2023年
- 【目的】探究三维卷积神经网络(3D-CNN)在高光谱数据支持的树种分类中的有效网络构建方式,以提高树种分类精度。【方法】以美国加利福尼亚州内华达山脉南部为研究区,LiDAR数据获取的森林冠层高(CHM)进行单木分割并以此为补充建立样本,改进一种结构更简单、分类精度更高且无需对高光谱数据进行预处理的3D-CNN网络结构用于森林树种识别。【结果】相较于常规机器学习分类方法【支持向量机(SVM),随机森林(RF)】、传统二维卷积神经网络模型(2D-CNN)及最新多光谱分辨率三维卷积神经网络(MSR 3D-CNN)模型,本研究提出的3D-CNN模型对树种总体分类精度为99.79%,平均交并比(MIoU)为99.53%。与SVM和RF分类结果相比,本研究构建的3D-CNN模型总体分类精度提高5%左右,且具有对树种边界提取更加准确、椒盐现象更少发生的特点;与2D-CNN相比,总体分类精度提高10%左右,MIoU提高7%左右;与MSR 3D-CNN相比,总体精度相差不大,但在训练和测试过程中,本模型耗时远远小于MSR 3D-CNN模型。【结论】本研究改进的3D-CNN模型结构能够高效对原始高光谱影像进行树种分类并制图,可有效提高树种分类的精度。
- 毛英伍郭颖张王菲苏勇关塬
- 关键词：LIDAR卷积神经网络
- 一种树木害虫识别方法和装置
- 本发明的实施例提供了一种树木害虫识别方法和装置，所述方法包括如下步骤：获取图像数据，所述图像数据包括感兴趣区域，所述感兴趣区域包括树木害虫；使用PestSwinNet模型对图像数据进行处理，以得到感兴趣区域；所述Pest...
- 郭颖王雪峰高家军张旭郭安琪
- 神农架声景构成及空间影响因素被引量：3
- 2022年
- 通过采集神农架野外录音数据,使用声景功率值及声音相异性指数等相关方法,分析试验区的声景主要构成及声音来源,探究植被类型及周边环境对声景构成的影响。结果表明,试验区声景中主要包含1~5 kHz范围内的声音,其中,1~2 kHz的声音主要来自录音设备的底噪干扰,2~4 kHz的声音以鸟类鸣声为主,其他动物声音为辅,4~5 kHz的声音比较少;在试验区范围内,植被类型与声景构成没有明显相关性,而周边环境则会显著影响采集到的相关声景信息。结果显示,基于声景生态学的方法,可以有效掌握目标地区的动物活动特征,为建立长期有效的声音监测体系提供理论支持和数据基础。
- 侯亚男张旭郭颖郭颖欧阳萱于新文
- 关键词：声景
- 一种基于深度ISA数据融合的植被类型识别方法
- 本发明公开了一种基于深度ISA数据融合的植被类型识别方法，包括以下步骤：基于时间t获取MODIS数据和Landsat影像数据并进行预处理；构建时空适应性反射率融合模型融合MODIS数据和Landsat影像数据并生成时序遥...
- 张旭郭颖侯亚男陈艳范东璞孙蕊
- 文献传递
- 面对多尺度分割的产草量估算方法、装置及存储介质
- 本发明公开了一种面对多尺度分割遥感数据和随机森林算法的产草量估算方法，包括以下步骤：获取遥感数据并进行预处理；对预处理后的数据进行多尺度分割获得分割结果；获取产草区样本点实测数据并根据实测数据分别创建草地类别分类样本和产...
- 张旭郭颖侯亚男陈艳范东璞孙蕊
- 文献传递
- 基于SOA的数字林业基础服务平台被引量：11
- 2009年
- 在分析了数字林业建设以及国家重点林业生态工程和全国森林资源监测管理等业务的具体需要之后,提出了基于SOA的数字林业基础服务平台的体系架构.从概念框架、层次结构、实现框架、服务开发方式等几个方面对基于SOA的数字林业基础服务平台框架进行了设计,同时探讨了如何通过建立具有普适性和稳定性的数字林业核心服务组件解决数字林业平台中异构系统之间的资源共享等问题.
- 郭颖张旭李凡邓广曾宣皓
- 关键词：数字林业SOA服务组件资源共享
