中国林学会(服务号)
中国林学会资讯(订阅号)
官网移动端

人工智能助力智慧林草建设

本文发布于:
2021-12-15
来源:
咨询部
阅读8662
推荐1
评论0

近日,第二届中国林草计算机应用大会分会场四以“人工智能技术”为主题,围绕6个特邀报告和4个专题报告进行线上直播,来自全国不同单位的670余人参会。分会场报告由东北林业大学景维鹏教授、南京林业大学业巧林教授共同主持。

与会专家、代表一致认为,随着人工智能理论的不断发展,深度学习模型将进一步应用在林草信息化的各个领域,成为智慧林业建设的关键技术,需在如下几方面开展深入研究:

加强人工智能基础理论研究,围绕人工智能前瞻性科学与技术问题,在类脑计算、机器学习、机器认知、混合智能等理论方面开展探索,在遥感影像、无人机影像处理,海量基础调查数据智能分析方面形成完备的技术体系,在模型、方法上取得突破。

加快人工智能多场景应用示范,结合国家关于人工智能发展的有关要求及林草行业特点,站在生态需求的高度开展研究,推进人工智能、卫星遥感、无人机、大数据等技术的应用,重点推进在自然灾害预警、森林资源动态监测、森林病虫害防治、碳储量计量等领域应用。

集社会公众力量做开放式研究,加快推进人工智能数据样本库建设,推进林业人工智能标注数据规范化、标准化,促进不同主体形成“数据共享池”,围绕林业数据权益保护、个人信息隐私保护、知识产权以及人工智能技术推广应用等制定标准和相关制度。

经大会评审,中南林业科技大学马开森、南京林业大学沈婉莹的报告被评选为优秀报告。(现将部分报告内容与读者分享)

 

人工智能技术分会场

 

国防科技大学窦勇教授首先介绍了深度学习模型技术原理与方法,然后结合遥感图像分析的具体应用,介绍了深度学习技术在在遥感图像中飞行器检测与识别应用、大尺度河流检测与定位中的应用。

报告指出,通过深度学习的模型和方法可以有效提高遥感图像中目标检测的准确率,尤其是在具体应用场景中,小样本数据问题成为制约识别准确率的关键问题,先验知识迁移学习的思路能有效解决遥感目标检测中的数据问题。对关联性强、大小样本不均衡、特征复杂的目标检测,基于多层神经网络的迁移学习模型可以进一步提高准确性。

 

特邀报告1:深度学习与遥感图像智能分析应用

 

南京理工大学肖亮教授从反问题建模与重建机理出发,阐述了双路数据保真约束的变分正则化融合方法,分析了有效挖掘异源遥感数据中的互补信息关键技术。

报告指出,在林业应用中,大量异源、多模态图像信息需要融合与识别,数据融合的核心是有效挖掘异源遥感数据中的互补信息,提高目标探测与识别能力。基于先验正则的多源空谱图像融合,可以有效解决图谱融合面临数据缺失问题,通过数据驱动的观测模型到变分融合模型以及深度正则的变分融合模型优化,可以有效提高融合的准确率。

 

特邀报告3:多源空-谱遥感融合:变分到深度学习

 

南京林业大学刘云飞教授分析了现阶段识别森林火焰所面临的困难和存在漏检与误检两个主要问题,将两个弱监督模型Yolov5和EfficientDet集成起来,形成全面的强监督模型,显著提高识别准确率。

报告指出,森林火灾图像面临着形状、纹理特征差异较大,传统的方法提取特征语义信息较弱等问题,通过深度学习模型的学习和感知能力可以较好识别林火。利用人工智能技术进行林火识别应用中,识别的体模型和单个模型很难保持识别的准确性,深度学习模型过大、层数过多将成为制约技术发展的关键因素。同时细粒度的林火检测模型,例如地表火、树干火、树冠火以及烟雾识别的数据集的不足也影响人工智能技术在林火检测中的应用推广,因此如何进行公开数据集的收集工作是开展林火检测的重要目标。

 

特邀报告4:基于深度学习的林火图像识别及其检测系统研发