基于人工智能的苗木质量无损检测研究进展

发布时间：2021-06-25 08:51

　　我国森林面积广域,人工林面积居世界首位。为了确保质优量足的苗木进一步提升苗木造林效果,苗木质量的无损检测成为苗木质量精准快速评价的关键。文中概述人工智能理论与算法在苗木质量的形态、生理和活力指标3个方面的无损检测应用现状;针对传统检测指标单一、效率低和主观误差大的问题,指出综合应用图像采集、数字图像处理和机器学习技术的人工智能算法与理论在苗木质量评价指标检测领域具有明显优势,并从检测技术融合、提升检测算法和多源数据融合等方面进行展望,旨在为苗木质量快速精准评价提供参考。 

【文章来源】：世界林业研究. 2020,33(06)北大核心CSCD

【文章页数】：6 页

【文章目录】：
1 人工智能在苗木形态指标无损检测中的应用
    1.1 苗高与地径检测
    1.2 根系指标检测
2 人工智能在苗木生理指标无损检测中的应用
    2.1 苗木水分检测
    2.2 矿物质营养检测
3 人工智能在苗木活力指标无损检测中的应用
    3.1 根生长潜力检测
    3.2 抗性检测
4 讨论与研究展望


【参考文献】：
期刊论文
[1]铅胁迫对黄花风铃木幼苗生长和生理指标的影响[J]. 张博宇,滕维超.  东北林业大学学报. 2020(07)
[2]截形叶螨危害下枣叶片含水率高光谱估测模型[J]. 高亚利,王振锡,连玲,师玉霞,杨勇强,李盼,玉荪·吐孙江.  经济林研究. 2020(02)
[3]基于PCA-Kmeans聚类法的橡胶树叶片氮含量的近红外高光谱诊断模型研究[J]. 钟穗希,李子波,唐荣年.  海南大学学报(自然科学版). 2020(03)
[4]一种基于图像处理技术的植物形态表型参数获取方法[J]. 李杨先,张慧春,杨旸.  林业工程学报. 2020(06)
[5]岩溶地区杉木容器苗分级方法及标准探讨[J]. 王竣,刘永国,曹建新,李思广,景跃波,杨斌.  西部林业科学. 2020(03)
[6]2年生云南松苗木分级与生物量分配关系研究[J]. 李亚麒,陈诗,孙继伟,王军民,许玉兰,蔡年辉.  西南林业大学学报(自然科学). 2020(05)
[7]基于机器视觉的植物水势测量装置设计[J]. 杨俊杰,左志宇,毛罕平,张晓东,徐超,王天宇,缪鹏.  农机化研究. 2020(11)
[8]镀膜型光谱成像数据提取与作物叶绿素分布探测研究[J]. 龙耀威,孙红,高德华,张智勇,李民赞,杨玮.  光谱学与光谱分析. 2020(05)
[9]切根与不同形态氮素对板栗苗木根系构型及生长的影响[J]. 王雪莹,郭素娟.  东北林业大学学报. 2020(04)
[10]植物表型平台与图像分析技术研究进展与展望[J]. 张慧春,周宏平,郑加强,葛玉峰,李杨先.  农业机械学报. 2020(03)

博士论文
[1]应用于植物生理检测的高通量叶绿素荧光成像系统研究[D]. 王恒.浙江大学 2018

硕士论文
[1]基于三维激光点云分割匹配的同步定位与构图算法研究[D]. 姬兴亮.电子科技大学 2020
[2]基于计算机视觉植物根系表型特征的研究[D]. 李加刚.山西农业大学 2019
[3]基于激光诱导叶绿素荧光检测技术研究[D]. 付美娟.浙江师范大学 2019
[4]马尾松苗木活力指数提取若干关键技术的研究[D]. 汪学良.南京林业大学 2018
[5]基于卷积神经网络的立体匹配技术研究[D]. 陈拓.浙江大学 2017



本文编号：3248907