一种基于机器学习的森林生长建模与预测的方法及装置制造方法及图纸

本发明专利技术公开一种基于机器学习的森林生长建模与预测的方法及装置，涉及森林工业领域；所述方法包括：通过至少一个图像传感装置采集树木的破坏性取样图像数据；对图像数据中的年轮进行标注，获取标注数据；获取图像数据对应树木的基本参数，其中基本参数至少包括树木生物质量数据；将图像数据、标注数据、基本参数作为训练数据输入至机器学习模型并进行训练，生成生物质量模型；生物质量模型用于对后续采集到的破坏性取样图像数据进行自动识别并输出当前及预测的树木生物质量数据。采用本发明专利技术的技术方案，能够将多维度的训练数据输入至机器学习模型生成生物质量模型，使得生物质量模型的自适应性更强、预测准确度更高。

A Method and Device for Forestry Growth Modeling and Forecasting Based on Machine Learning

【技术实现步骤摘要】
一种基于机器学习的森林生长建模与预测的方法及装置
本专利技术涉及森林工业、森林测量领域，具体涉及一种基于机器学习的森林生长建模与预测的方法及装置。
技术介绍
在森林工业领域，对木材的生物质量(Biomass)的测量、估计和预测是一个重要的工作。这是由于森林的价值直接取决于森林的储量，而生物质量是其储量的重要指标。例如，森林的固碳总量、经济林的商业价值总量均可以从森林的生物质量计算得来。在现有技术中，已经存在有多种生物质量的测量、估计和预测方法，这些方法总结起来均是使用测量固定的参数，例如胸径，并根据数学模型估计单棵树木或区域森林的生物质量。例如，基于异速生长学(Allometry)的生物质量估计(BiomassEstimation)方法是广泛应用的方法。例如，通过简单的异速生长学公式：w＝aHbDc就可以计算出树木的生物质量；其中w为生物质量，H为树木高度，D为树木胸径，a，b，c为估计参数。然而，这种方法的准确度较低，模型精度随不同的材种而变化，但是好处在于无需破坏树木。近年来，基于遥测遥感的森林生物质量测量、估计与预测得到了很快的发展，例如基于无人机或微星为载体、基于激光雷达或多光谱传感器为测量手段的方法得到了发展。然而，遥测遥感的方法精度受到地形等因素的影响，精度不可靠。
技术实现思路
为了解决现有技术中存在的问题，本申请实施例提供了一种基于机器学习的森林生长建模与预测的方法及装置。本申请实施例的第一方面提供了一种基于机器学习的森林生长建模与预测的方法，包括：通过至少一个图像传感装置采集树木的破坏性取样图像数据；对图像数据中的年轮进行标注，获取标注数据；获取图像数据对应树木的基本参数，其中基本参数至少包括树木生物质量数据；将图像数据、标注数据、基本参数作为训练数据输入至机器学习模型并进行训练，生成生物质量模型；生物质量模型用于对后续采集到的破坏性取样图像数据进行自动识别并输出当前及预测的树木生物质量数据。在一些实施例中，对图像数据中的年轮进行标注，具体包括：对图像数据中每一圈年轮的边缘进行标注；根据已标注的每一圈年轮的边缘标注每一圈年轮的尺寸信息。在一些实施例中，生物质量模型用于对后续采集到的破坏性取样图像数据进行自动识别并输出当前及预测的树木生物质量数据具体包括：生物质量模型根据图像数据自动识别出各圈年轮的边缘，并根据各圈年轮的图像数据输出当前及预测的树木生物质量数据。在一些实施例中，图像传感装置包括：可见光图像传感器、主动式太赫兹探测传感器和多光谱图像传感器中的至少一种。在一些实施例中，破坏性取样图像数据包括：树木砍伐横截面的图像数据、横截面的太赫兹传感图像数据和钻取的树木生长样本图像数据中的至少一种。本申请实施例的第二方面提供了一种基于机器学习的森林生长建模与预测的装置，包括：图像采集模块，用于通过至少一个图像传感装置采集树木的破坏性取样图像数据；训练数据获取模块，用于对图像数据中的年轮进行标注，获取标注数据；获取图像数据对应树木的基本参数，其中基本参数至少包括树木生物质量数据；并将图像数据、标注数据、基本参数作为训练数据；模型生成模块，用于将训练数据获取模块获取到的训练数据输入至机器学习模型并进行训练，生成生物质量模型；生物质量模型用于对后续采集到的破坏性取样图像数据进行自动识别并输出当前及预测的树木生物质量数据。在一些实施例中，训练数据获取模块包括数据标注子模块；标注子模块，用于对图像数据中每一圈年轮的边缘进行标注；根据已标注的每一圈年轮的边缘标注每一圈年轮的尺寸信息。在一些实施例中，模型生成模块生成的生物质量模型，具体用于根据图像数据自动识别出各圈年轮的边缘，并根据各圈年轮的图像数据输出当前及预测的树木生物质量数据。在一些实施例中，图像采集模块中的图像传感装置包括：可见光图像传感器、主动式太赫兹探测传感器和多光谱图像传感器中的至少一种。在一些实施例中，图像采集模块采集的破坏性取样图像数据包括：树木砍伐横截面的图像数据、横截面的太赫兹传感图像数据和钻取的树木生长样本图像数据中的至少一种。本申请实施例的第三方面还提供了一种电子设备，包括：存储器以及一个或多个处理器；其中，所述存储器与所述一个或多个处理器通信连接，所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行时，所述电子设备用于实现如前述各实施例所述的方法。本申请实施例的第四方面提供了一种计算机可读存储介质，其上存储有计算机可执行指令，当所述计算机可执行指令被计算装置执行时，可用来实现如前述各实施例所述的方法。本申请实施例的第五方面提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，可用来实现如前述各实施例所述的方法。本专利技术的有益效果为：本专利技术提出了一种基于机器学习的森林生长建模与预测的方法及装置，能够将多维度的训练数据输入至机器学习模型生成生物质量模型，使得生物质量模型的自适应性更强、预测准确度更高。附图说明为了更清楚的说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是现有技术中根据破坏性取样得到的生物质回归曲线；图2是本申请一个实施例中公开的一种基于机器学习的森林生长建模与预测的方法流程图；图3是本申请一个实施例中公开了按照年轮标注信息的示意图；图4是本申请一个实施例中公开的生物质量随着时间变化的增长曲线示意图；图5是本申请一个实施例中公开的基于年轮图像的生物质量预测示意图；图6是本申请一个实施例中公开的一种基于机器学习的森林生长建模与预测的装置框图；图7是本申请一个实施例中公开的一种电子设备的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。在现有技术中，破坏性的取样相比其他的方法拥有较好的精度。这种方法需要将森林区域中的一定数量树木砍倒，然后带入实验室进行各种测量，最后能得到精度较高的模型。如图1所示，x轴表示树木胸径，y轴表示总生物量，图中离散点表示不同的样本情况，根据样本情况拟合出生物质回归曲线，其中，所述生物质回归曲线用来描述树木胸径与总生物量的关系。然而，破坏性取样的缺点在于需要对树木进行破坏，并且只适用于学术研究。一旦研究结束，数据和模型则不再发生变化，固定的模型被应用到不同的区域、材种，因此可能带来预测的偏差，例如在全球森林碳储量的预测上，不同结果带来较大的出入。而在真实的林业工业中，模型受到各种其他因素的影响、例如树种、降雨、地形等因素的影响，因此这种小型的用于研究的模型不能适用于真实的林业生产和经营中，预测偏差可能带来直接的经济损失或估值偏差。除此之外，由于获得大量的破坏性样本的成本过于高昂，现有的模型只能拟合少量的重要的参数。然而，随着近几年本文档来自技高网...

【技术保护点】
1.一种基于机器学习的森林生长建模与预测的方法，其特征在于，所述方法包括：通过至少一个图像传感装置采集树木的破坏性取样图像数据；对所述图像数据中的年轮进行标注，获取标注数据；获取所述图像数据对应树木的基本参数，其中所述基本参数至少包括树木生物质量数据；将所述图像数据、所述标注数据、所述基本参数作为训练数据输入至机器学习模型并进行训练，生成生物质量模型；所述生物质量模型用于对后续采集到的所述破坏性取样图像数据进行自动识别并输出当前及预测的树木生物质量数据。

【技术特征摘要】
1.一种基于机器学习的森林生长建模与预测的方法，其特征在于，所述方法包括：通过至少一个图像传感装置采集树木的破坏性取样图像数据；对所述图像数据中的年轮进行标注，获取标注数据；获取所述图像数据对应树木的基本参数，其中所述基本参数至少包括树木生物质量数据；将所述图像数据、所述标注数据、所述基本参数作为训练数据输入至机器学习模型并进行训练，生成生物质量模型；所述生物质量模型用于对后续采集到的所述破坏性取样图像数据进行自动识别并输出当前及预测的树木生物质量数据。2.根据权利要求1所述的方法，其特征在于，所述对所述图像数据中的年轮进行标注，具体包括：对所述图像数据中每一圈年轮的边缘进行标注；根据已标注的每一圈年轮的边缘标注每一圈年轮的尺寸信息。3.根据权利要求2所述的方法，其特征在于，所述生物质量模型用于对后续采集到的所述破坏性取样图像数据进行自动识别并输出当前及预测的树木生物质量数据具体包括：所述生物质量模型根据所述图像数据自动识别出所述各圈年轮的边缘，并根据各圈年轮的图像数据输出当前及预测的树木生物质量数据。4.根据权利要求1所述的方法，其特征在于，所述图像传感装置包括：可见光图像传感器、主动式太赫兹探测传感器和多光谱图像传感器中的至少一种。5.根据权利要求1所述的方法，其特征在于，所述破坏性取样图像数据包括：树木砍伐横截面的图像数据、横截面的太赫兹传感图像数据和钻取的树木生长样本图像数据中的至少一种。6.一种基于机器学习的森林生...

【专利技术属性】
技术研发人员：丁磊，
申请(专利权)人：北京木业邦科技有限公司，
类型：发明
国别省市：北京,11