浙江省白鹭分布与迁徙规律

以浙江省野生动物疫源疫病日常监测数据为基础,选取常见候鸟白鹭Egretta garzetta为研究对象,通过分析近5 a的监测数据,从统计学角度研究白鹭在浙江境内的分布特点和迁徙规律。结合K-means聚类分析,初步绘制了白鹭在浙江省内的2条迁徙路线,春季北上迁徙的路径:宁波鄞州—绍兴上虞—杭州余杭—湖州德清,宁波鄞州—海上,台州三门—海上;秋季南下迁徙路径:湖州德清—杭州余杭—绍兴上虞—宁波鄞州—台州三门。以德清监测站为例探索了环境因子对区域白鹭数量变化的影响,得到气温级别的回归关系方程。总结得出白鹭在浙江省的迁徙时序、数量变化活动规律。

高光谱成像技术及其在木材无损检测中的研究进展

开展木材无损检测是提高木材利用率,优化木材资源的重要手段。高光谱成像技术作为一种先进的无损检测技术,能同时获取待测物的光谱与图像信息,具有图谱合一的优点。介绍了高光谱成像技术的原理、装置以及数据处理方法,并首次详细介绍了该技术在木材及木制品的缺陷识别、重要物理力学性质检测以及化学性质预测等方面的研究进展。通过综合分析已有的研究,表明高光谱成像技术在木材及木制品品质无损检测中具有良好的应用前景。

基于高光谱图像的水稻种子活力检测技术研究

随着种子活力逐渐受到人们的重视,快速且不破坏种子的活力检测方法逐渐成为研究的热点。试验以不同老化程度的水稻种子为材料,采用高光谱成像技术结合PCA-SVM方法,研究比较了不同活力水平的水稻种子的活力差异。采集两个水稻品种在400~1000 nm范围的高光谱图像数据,通过主成分分析法（PCA）获得主成分图像,确定特征波段;应用支持向量机（SVM）建立水稻种子活力鉴别模型。结果表明,预测的判别率可达100%,说明高光谱成像技术为快速准确无损测定种子活力提供了一条新的途径。

基于智能手机与机器视觉技术的立木胸径测量方法

针对现有森林资源调查中立木胸径测量工作劳动强度大、效率低,先进设备操作复杂、成本高等问题,结合相机标定、三维重建、机器视觉和近景摄影测量等技术,探索基于智能手机与机器视觉技术的立木胸径测量方法。通过智能手机获取待测立木的图像信息,运用Lab颜色空间模型(Lab color model)和3×3算子对图像进行卷积运算,得到立木图像的视觉显著图;结合HSV颜色模型(色调H,饱和度S,明度V)中的H分量增强图像中立木树干部分的颜色对比度,通过图像分割算法识别并获取自然环境下的目标立木轮廓区域;通过一种改进的带有非线性畸变项的相机标定模型标定智能手机的相机内、外参数,并借助相机参数和二维图像信息进行三维世界坐标重建,从而实现树干1.3 m处胸径的测量。经验证,一定距离内胸径测量结果的相对误差小于2.50%。该方法测量精度较高,符合森林资源调查对胸径测量的精度要求,可应用于森林资源调查。

基于网络模拟器的计算机网络实验教学的研究与应用

旨在找出适合在学生群体中推广GNS3网络模拟器这一适合计算机网络教学的集成平台的有效使用方法。设计过程中设计的所有相关操作都采用虚拟化及其他计算机软件进行(包括网络拓扑搭建,协议包分析等),有效地避免传统教学的局限性,有利于今后进行随时随地且形象生动地计算机网络教学,并方便学生进行自主独立的扩展练习。

林业数据采集系统设计与实现

在分析林业数据采集研究现状的基础上,通过对林业管理业务和野外数据采集的需求分析,并以林权和营造林业务为例,设计并实现了林业数据采集系统。对系统的数据流程、功能结构和数据库设计等进行了详细分析,研究并解决了系统设计与开发中的林业规划设计图绘制和数据校验等关键技术问题,并以Visual Studio 2010和Arc GIS Engine为开发工具,实现了应用系统自动更新、图表操作、数据处理以及系统的管理等功能。将林业管理信息化延伸至野外数据采集阶段,从而提高了林业数据采集的准确性和工作效率。

改进GWO优化SVM的云计算资源负载短期预测研究

云计算资源负载短期预测是云计算平台实现资源高效管理和系统安全、稳定运行的重要前提和保障措施之一。为了其提高负载短期预测的预测精度,提出一种改进灰狼搜索算法优化支持向量机的短期云计算资源负载预测模型(EGWO-SVM)。首先介绍灰狼搜索算法(GWO)的基本原理;然后提出基于极值优化的改进GWO模型;最后根据最优参数建立短期资源负载预测模型,并通过仿真实验对EGWO-SVM的性能进行测试。实验结果表明,相对于参比模型,EGWO-SVM能更加准确地刻画云计算短期资源负载的复杂变化趋势,从而有效提升云计算资源负载短期预测的精度。

基于近红外光谱技术的针叶材板材表面节子缺陷检测

为了实现木板材依据节子进行自动化分级,采用近红外光谱技术研究了多种针叶材表面节子缺陷的检测方法。采用Smart Eye 1700近红外光谱仪获取北美黄杉Pseudotsuga menziesii,铁杉Tsuga chinensis,云杉Picea asperata,白云杉Picea glauca-英格曼云杉Picea engelmannii-扭叶松Pinus contorta-冷杉Abies laciocarp a(SPF)等4种板材的近红外光谱(1 000~1 650 nm),比较了光谱预处理方法、建模方法对节子识别的影响,并首次对多种针叶树材进行了节子识别的适应性研究,随后引入一种新的变量选择方法即随机青蛙算法用于优选节子检测的特征波长,在此基础上建立了板材节子识别的最小二乘-支持向量机(LS-SVM)模型。结果显示:一阶导数光谱预处理结合LS-SVM所建混合树种板材节子识别模型性能最优。随机青蛙算法提取了8个特征波长变量,仅占全波段变量的1.23%,所建简化模型效果最好。该模型对测试集的敏感性、特异性和识别准确率分别为98.49%,93.42%和96.30%。近红外光谱技术结合化学计量学方法可以对针叶材树种板材的表面节子进行快速准确检测,随机青蛙算法是提取板材表面节子缺陷特征的有效方法。该结果可为下一步搭建木材节子快速检测系统提供技术支撑。

应用近红外光谱技术快速鉴别铁皮石斛的产地

采用近红外漫反射光谱技术结合簇类独立软模式方法(SIMCA)建立了预测模型,并对5个产地的铁皮石斛进行了快速鉴别研究。光谱数据经过Savitzky-Golay(S-G)平滑、1阶Savitzky-Golay(S-G)求导和均值中心化组合光谱预处理和波段选择优化后,所建的SIMCA模型为最佳模型。所建模型的识别率和拒绝率均为100%,而且5个产地铁皮石斛的模型也能拒绝其他3种石斛金钗石斛、紫皮石斛和金石斛。研究表明,模型合理,能够成功实现铁皮石斛产地快速鉴别,为不同产地的铁皮石斛的快速鉴别提供了一种新的方法。

基于InVEST模型的森林碳储量动态监测

森林碳储量主要通过地面调查数据来估算,存在着统计工作量大,建模复杂度高等难点。如何快捷、准确地估测森林碳储量一直是国内外林业领域研究的热点和难题。结合遥感图像监测尺度大和InVEST模型输入参数少的特点,提出一种基于InVEST模型结合遥感图像估测森林碳储量的方法。该方法根据森林类型碳储量信息和相应的栅格数据,利用InVEST模型估测区域森林碳储量,然后通过比对多期遥感数据估测出的碳储量得出该区域碳储量变化,从而实现森林碳储量的动态监测。对浙江省庆元县2009年的碳储量进行了估算和绘图,根据行政区划图可估算出乡（镇）和村级的碳储量。实验分别对坑西村2009年和2014年的碳储量进行了估算,根据基于碳库差别的方法实现了碳储量动态监测。实验结果表明：1庆元县2009年的森林碳储量为3.274 3×10~7Mg;2坑西村2009年到2014年碳储量增加了1.780 3×10~4Mg。相比不对森林类型进行细分的森林平均碳密度,将各森林类型平均碳储量和森林类型年度碳汇量引入到森林碳储量监测中,使得森林碳储量的估测精度得到了提升。另外,提出的森林碳储量动态监测可实现对县、乡（镇）和村级的监测,具有模型输入数据量少和输出结果可视化的优点,以及监测手段简单便捷,操作性强等特点。

基于WebGIS的国有林权管理信息系统研建

根据国有林权改革以及林权信息化管理的需要,以国有林管理为研究对象,分析其监管过程,实现国有林监管过程的数字化与网络化。基于Web GIS技术,研建了国有林权管理信息系统,实现了国有林权管理的山场管理、林权管理、地图管理、报表管理等功能。分析了国有林权管理的技术架构,功能结构,数据流程,数据库等,基于RBAC的权限角色设置技术使林权信息登记查询更准确,使管理更加有效。

香榧品质检测技术与分级方法探讨

针对香榧品质检测、分级手段比较落后,检测效率较低等问题,讨论其他农特产品的无损检测技术及方法,借鉴果蔬等农产品无损检测技术,探讨基于机器视觉和多光谱技术的香榧品质检测技术及与方法。最后指出:围绕这些问题开展创新性研究,建立一个完整的香榧质量分级体系,对香榧产业发展中的规划、选育与栽培、智能及规模化加工具有重要的指导意义。

基于高光谱成像技术的红酸枝木材种类识别

为了实现市场上常见红酸枝类Dalbergia spp.木材的快速无损识别,利用高光谱成像技术对不同红酸枝木材进行种类识别研究。以交趾黄檀Dalbergia cochinchinensis,巴里黄檀Dalbergia bariensis,奥氏黄檀Dalbergia oliveri和微凹黄檀Dalbergia retusa为研究对象,采集高光谱图像并提取感兴趣区域内的反射光谱,采用Savitsky-Golay（SG）平滑算法、标准正态变量变换（SNV）和多元散射校正（MSC）对955~1 642 nm波段光谱进行预处理,并通过主成分分析法（PCA）,回归系数法（RC）以及连续投影法（SPA）选择特征波长,分别建立了偏最小二乘判别分析（PLSDA）和极限学习机（ELM）判别分析模型。研究结果表明：经SG和MSC光谱预处理,采用SPA选择的特征波长建立的ELM模型性能最优,建模集和预测集的识别率均为100.0%。这为红酸枝木材种类的快速无损识别提供了新的方法。

森林资源信息集成系统的设计与实现

森林资源的管理数据相对分散,不同环节的管理系统及信息相对独立,不利于森林资源的整体管理和决策。围绕森林资源管理的不同环节,基于正在运行的10余个应用系统,在森林资源信息集成机制研究的基础上,较全面地分析了用户、数据、安全等方面的需求,并基于MVC模式的WPF架构,采用Visual Studio 2010开发工具,以Arc GIS Server为地图服务器,选用Mssql作为数据库引擎,设计和实现了森林资源信息集成系统,最后在浙江省龙泉市林业局投入使用。该系统集林权、采伐、营造林、生态公益林、森林资源调查等15个管理方面、77项管理内容于一体,较好地实现了信息的综合表达,全面、系统地表达一个区域的森林资源状况以及林业生产、经营和管理情况,为森林资源管理的信息共享与协同监管提供了统一的平台。

基于OpenGL的交互式三维树木建模与可视化研究

通过讨论树体枝干几何建模的理论和方法,重点围绕树木交互式建模技术和三维可视化实现进行了研究探讨。实现过程主要分为3步:首先,对真实树木枝干的几何形态结构进行分析,利用分析结果构建枝干模型生成方法,用六边形棱柱近似模拟树干和枝段,再用六边形棱台作为枝段元经过连续偏转、连接的方法模拟枝干弯曲的形态。其次,基于枝干生成方法,利用分形迭代思想实现整株树体的建模。为提高仿真度,通过加入干扰因子使最终生成的树体枝干模型不过于规则。最后,为实现模型的可视化,选用OpenGL图形技术和Visual C++作为模型可视化工具和开发工具,通过对所建立的模型进行数学描述以及场景渲染和特征参数提取,建立一个支持交互的三维树木建模系统。

大学课程内容的衔接与裁剪

当前课堂教学虽仍是大学教育的重点,但已受到了信息技术革命很大的影响,这使得教育行政部门、学校、院系和教师都有责任来提高课堂教学的效率。本研究主要讨论教师在现有条件下,提高课堂教学效果的方法。以农林院校的信息管理和信息系统专业的空间信息学课程为例,探讨了裁剪课程内容,增加内容的衔接处理,使用辅助教学手段等方法。

计算机类实验教学中心多方位改革与实践

依照"资源共享,效益为先,优化配置,促进开放"的建设原则,浙江农林大学信息技术实验教学中心积极探索以专业功能分类建立的运行模式。从实验室统一空间布局、统一设备与仪器配置、统一实验队伍管理、统一经费预算开支及统一课程任务安排等5个方面介绍中心在计算机类实验室建设过程中所取得的改革与实践的经验及成果。

基于嵌入式的智能农业环境监控系统开发

设计了一个智能农业环境监测系统,系统通过Internet和GPRS网络,远程实时监测农作物种植地传感器采集的数据,嵌入式Linux终端接收Zigbee网络各节点的环境数据,将数据存入到数据库中,同时可以发送给远程监控中心。远程监控中心将接收到的数据存入数据库,并且进行数据分析,实现远程调控,优化作物生长环境。

基于词袋模型的林业业务图像分类

针对林业业务图像的特点,提出了一种基于稠密尺度不变特征转换(Dense SIFT)特征的词袋(BoW)模型,并联合直方图正交核的支持向量机(SVM)对图像自动分类。首先采用Dense SIFT提取林业业务图像特征,然后使用BoW模型描述各业务图像,最后利用SVM进行分类识别。实验结果表明:采用Dense SIFT特征比SIFT特征训练时间和识别时间更短,并有更高的识别率,更适应实时性较高的场合;SVM采用多项式核函数(Poly),径向基核函数(RBF),多层感知器核函数(Sigmoid)以及直方图交叉核对3类林业业务图像分类时,直方图正交核取得的平均识别率最高;综合Dense SIFT在局部特征上的优势,加上BoW模型和直方图交叉核SVM分类器,平均识别率达到了86.7%,有较好的识别效果。

基于LabVIEW和多光谱成像技术的苹果品质无损检测装置

基于Lab VIEW和多光谱成像技术设计了一套苹果品质检测装置,包括硬件设计和软件设计。硬件部分主要由单片机控制模块、光源模块、电机模块以及图像采集模块等组成;软件部分采用基于LabVIEW的G语言进行编写,包括通信模块、图像采集与保存模块以及图像处理与显示模块等。检测装置经调试后,对每个苹果的图像采集与处理时间为8 s,能够对大小、形状、损伤以及糖度等指标进行检测,具有无损、快速的特点。