[發明專利]一種利用深度學習的毛竹擴張程度評價和防控系統有效
| 申請號: | 202210047924.1 | 申請日: | 2022-01-17 |
| 公開(公告)號: | CN114383663B | 公開(公告)日: | 2023-06-20 |
| 發明(設計)人: | 曾掌權;吳衛紅;李明紅;楊蕊;田育新;肖亞琴;曠柏根;夏江林;牛艷東;羅佳;馬豐豐;鄧楠;吳小麗;徐佳孌;宋慶安;姚敏;李暉;袁穗波;尹華;龔自立 | 申請(專利權)人: | 湖南省林業科學院;湖南南岳衡山國家級自然保護區管理局 |
| 主分類號: | G01D21/02 | 分類號: | G01D21/02;G06N3/0464;G06N3/08 |
| 代理公司: | 北京清控智云知識產權代理事務所(特殊普通合伙) 11919 | 代理人: | 馬肅 |
| 地址: | 410004 *** | 國省代碼: | 湖南;43 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 利用 深度 學習 毛竹 擴張 程度 評價 系統 | ||
本發明涉及一種利用深度學習算法的毛竹擴張程度評價和防控系統,所述防控系統使用埋設于土壤中的地下監察單元的多個壓敏薄膜,監測毛竹竹鞭的生長情況;并進一步的,使用處理單元對獲取的多個監察數據進行深度學習處理,采用神經卷積網絡擬合基于非周期性的、周期性的以及非預期性的基于時間序列的生長模型,并將三部分的預測結果進行累加從而預測毛竹生長趨勢,并相應作出應對策略。
技術領域
本發明涉及生物防控技術領域。具體而言,涉及一種利用深度學習的毛竹擴張程度評價和防控系統。
背景技術
毛竹是中國亞熱帶地區分布最為廣泛的竹種,兼具重要的經濟、生態、文化價值。由于毛竹自身的具備適應能力強、繁衍拓展速度快的生物學特性,加之近年來持續性大面積栽植毛竹林,使得毛竹擴張入侵趨勢愈演愈烈。毛竹入侵擴張對于臨近森林的生態系統穩定性具有一定的破壞效應,并且呈現出越來越明顯的趨勢。毛竹擴張入侵對森林生態系統的影響主要體現在森林植物、土壤以及更深層次的氣候方面。目前,對于如何有效管控毛竹入侵的研究尚處于初步階段,需要發掘更多有利于提高防控效果的技術方案并投入實施。
查閱相關已公開技術方案,公開號為CN112544351(A)的技術方案提出使用一種芝麻浸提液澆灌毛竹苗木的方法有效降低毛竹的光合作用效率,從而調控毛竹生長的速率;公開號為CN112712087(A)的技術方案提供一種植物入侵生態學研究的便攜取樣裝置,有效提高了對入侵植物的研究工作效率;公開號為CN112307992(A)的技術方案提出一種利用無人機進行紅樹植物自動識別的方法,有效地對紅樹林地進行生長方面的監控和測定。以上技術方案對毛竹林擴長和生物防控方面具有一定指導意義,但還需要對相關領域的技術效果作進一步的提高。
發明內容
本發明的目的在于,采用包括多個壓敏薄膜的地下監察單元,對目標區域的目標毛竹植株的竹鞭進行無損監察,從而獲得多個監察數據;將多個監察數據輸入基于深度學習的處理單元,建立該目標區域的擴張。
本發明采用如下技術方案:
一種利用深度學習的毛竹擴張程度評價和防控系統,所述防控系統包括地下監察單元、處理單元以及控制單元:所述地下監察單元用于監察土壤中毛竹竹鞭的擴展情況;所述處理單元用于對所述監察單元采集的數據進行處理,并采用神經卷積網絡的深度學習方式,對毛竹的擴張趨勢進行預測;所述控制單元用于控制所述地下監察單元以及所述處理單元的工作,接收所述地下監察單元獲取的監控數據,并將監控數據輸入所述處理單元用于進行深度學習運算;
其中,所述地下監察單元包括放置于竹鞭延展方向一定范圍內的多個壓敏薄膜;所述壓敏薄膜上布置有壓變電阻層,用于感應竹鞭擴展到所述壓敏薄膜表面時的作用力;所述壓變電阻層同時由多組縱橫交錯布置的電阻帶組成;隨著竹鞭的前端繼續生長,所述壓變電阻層被竹鞭前端刺穿并通過;通過測量多組所述電阻帶的阻值變化,測量所述竹鞭的半徑變化;并且通過測量被穿過的所述壓敏薄膜,記錄竹鞭擴展到達的位置;
確定目標區域內的多個毛竹植株作為目標植株,布置安裝所述地下監察單元到所述目標植株的目標竹鞭前方;
所述地下監察單元還包括電阻儀;所述電阻儀通過信號通訊連接多個所述壓敏薄膜的多個所述電阻帶,測量所述電阻帶的阻值變化,并測量所述電阻帶是否被斷開;
對于同一個所述目標竹鞭,將多個所述壓敏薄膜布置在所述目標竹鞭的生長方向前方,通過測量所述目標竹鞭穿過多個所述壓敏薄膜的時間,計算所述目標竹鞭的生長速度;
所述地下監察單元采集的數據包括在同一采集日內進行固定時間間隔的多次數據采集;
其中,所述處理單元包括:
輸入模塊,用于對獲到的多個監控數據進行預處理,得到預處理數據集;
數據優化模塊,用于利用基于注意力機制的深度卷積網絡對所述預處理數據集進行特征的學習及優化,得到優化特征向量集;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于湖南省林業科學院;湖南南岳衡山國家級自然保護區管理局,未經湖南省林業科學院;湖南南岳衡山國家級自然保護區管理局許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210047924.1/2.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:巷道風量測定方法
- 下一篇:一種結合無監督和監督學習的液體狀態機在線學習方法





