军工企业技术创新能力建设的几点思考

军工企业是指承担国防科研生产任务,从事为国家武装力量提供各种武器装备研制和生产经营活动的企业。该文从军工企业与技术创新项目的各自特点出发,对现有管理模式进行了分析和思考,提出了通过制定原则来推进创新的管理思路,结合当前军工企业生产任务特点,给出了技术创新能力建设的具体措施。

无人机遥感监测技术在松材线虫病疫木治理中的应用

相对于传统的人工普查松材线虫病疫木,利用无人机遥感监测有着成本低、效率高等诸多优点。文章以青岛市崂山区松材线虫病疫木监测为例,介绍无人机监测的完整流程,并提出了一种基于PhotoScan的集群构建方法,采用集群可以大量、高速处理无人机航拍图像,进而快速完成疫木的判读,为后续快速处理疫木奠定基础。

基于改进RetinaNet算法和无人机影像的松材线虫病疫木检测

松材线虫病是一种传播速度快的毁灭性森林病害,及时识别、处置染病变色疫木是控制该病扩散蔓延的主要手段。该文研究了利用RetinaNet算法自动识别无人机遥感影像上的松材线虫病变色疫木,并将注意力机制引入到主干特征提取网络以减少背景对检测效果的影响,提高特征提取能力。结果表明,改进后的RetinaNet算法平均精度为97.2%,单张影像测试时间为17 ms,表现优于Fasterr R-CNN、SSD和RetinaNet。基于研究成果,对崂山区林地进行疫木航拍图像检测,实地抽检准确率达到98%。

基于深度学习的松材线虫病疫木无人机影像检测算法比较研究

松材线虫病是一种传播速度快的毁灭性森林病害,快速识别、定位病害疫木并及时进行治理是控制松材线虫病蔓延的有效手段。为了测试不同深度学习目标检测算法在松材线虫病疫木检测中效果,该文构建了一个包括6035张复杂背景下不同季节的松材线虫病疫木的数据集,基于此数据集对Faster R-CNN、YOLOv3、RetinaNet算法进行训练和测试,其中:Faster RCNN模型的主干网络为ResNet50、ResNet101;YOLOv3模型的主干网是DarkNet53;RetinaNet模型的主干网是ResNet101,总计4种算法模型。结果表明,在精度上Faster R-CNN-ResNet50模型最高,RetinaNet-ResNet101模型次之,为后续开展松材线虫病疫木无人机航拍检测的工程化应用奠定了基础。