【技术实现步骤摘要】
本专利技术涉及山林治理，特别涉及一种基于多源信息的山林单株松树预测结果调整方法。
技术介绍
1、松树是一种常青乔木，在我国分布极为广泛，具有很大的经济和生态价值。准确掌握山林中松树的数量及其分布状况，对于资源管理和生态保护而言，具有重要的意义。
2、随着无人机技术和人工智能技术的发展，为松林资源的精准统计带来了革命性的变革。如今，我们可以借助高性能的无人机及其搭载的图像传感设备，获取到高质量、大范围的山林航拍图像。在此基础上，运用人工智能技术，实现对区域内松树的单株精准识别，完成对整个松林资源的全面、高效统计。
3、当前的松树识别统计结果完全依赖于视觉检测模型的准确性，视觉检测模型通过识别山林中的松树外观特征和其它树种的差异性来进行区分。然而由于航拍视角下的山林背景复杂、存在部分外观特征和松树较为类似的树种和其它干扰物，此外在大尺度的山林航拍图像采集中，由于无人机快速移动、光照强度变化和山林背阴等造成了山林图像中存在模糊和阴影等降质现象，正射影像拼接过程由于特征点的匹配不精准等因素进一步降低了原始图像的质量，导致...
【技术保护点】
1.一种基于多源信息的山林单株松树预测结果调整方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多源信息的山林单株松树预测结果调整方法，其特征在于：所述步骤S3包括分步骤S31，所述分步骤S31包括：利用松树分布规律信息和模型的预测结果进行对比，若预测结果的海拔高度低于松树正常分布海拔高度的最低阈值或者高于松树正常分布海拔高度的最高阈值，则在模型中剔除该预测结果。
3.根据权利要求2所述的一种基于多源信息的山林单株松树预测结果调整方法，其特征在于：所述步骤S3包括分步骤S32，所述分步骤S32包括：利用松树分布规律信息和模型的预...
【技术特征摘要】
1.一种基于多源信息的山林单株松树预测结果调整方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多源信息的山林单株松树预测结果调整方法，其特征在于：所述步骤s3包括分步骤s31，所述分步骤s31包括：利用松树分布规律信息和模型的预测结果进行对比，若预测结果的海拔高度低于松树正常分布海拔高度的最低阈值或者高于松树正常分布海拔高度的最高阈值，则在模型中剔除该预测结果。
3.根据权利要求2所述的一种基于多源信息的山林单株松树预测结果调整方法，其特征在于：所述步骤s3包括分步骤s32，所述分步骤s32包括：利用松树分布规律信息和模型的预测结果进行对比，若预测结果的海拔高度低于松树在目标区域分布的低值但高于最低阈值，则调整预测结果的置信度，其中预测结果的置信度的公式为：conf_adjusted＝conf_original*(altitude_predict-altitude_min)/(altitude_low-altitude_min)，其中conf_original为原模型的预测结果，conf_adjusted为调整后的预测结果，altitude_predict为预测结果中松树所在经纬度位置的海拔高度，altitude low为松树在该目标区域分布的低值，altitude min为预设__
4.根据权利要求2所述的一种基于多源信息的山林单株松树预测结果调整方法，其特征在于：所述步骤s3包括分步骤s33，所述分步骤s33包括：利用松树分布规律信息和模型的预测结果进行对比，若预测结果的海拔高度高于松树在目标区域分布的高值但低于最高阈值，则调整预测结果的置信度，其中预测结果的置信度的公式为：conf_adjusted＝conf_original*(altitude_max-altitude_predict)/(altitude_max-altitude_up)，其中conf_original为原模型的预测结果，conf_adjusted为调整后的预测结果，altitude_predict为预测结果中松树所在经纬度位置的海拔高度，altitude_up为松树在目标区域分布的高值，altitude_max为预设置的松树在目标区域分布的海拔最高阈值。
5.根据权利要求1所述的一种基于多源信息的山林单株松树预测结果调整方法，其特征在于：所述步骤s3...
【专利技术属性】
技术研发人员：叶振，叶诚，陶燎亮，叶亚宁，宋俊锋，吴子健，王国相，应旺君，朱珊，马毅，雷懂，胡丹妮，
申请(专利权)人：丽水学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。