我國(guó)森林面積廣域,人工林面積居世界首位。為了確保質(zhì)優(yōu)量足的苗木進(jìn)一步提升苗木造林效果,苗木質(zhì)量的無(wú)損檢測(cè)成為苗木質(zhì)量精準(zhǔn)快速評(píng)價(jià)的關(guān)鍵。文中概述人工智能理論與算法在苗木質(zhì)量的形態(tài)、生理和活力指標(biāo)3個(gè)方面的無(wú)損檢測(cè)應(yīng)用現(xiàn)狀;針對(duì)傳統(tǒng)檢測(cè)指標(biāo)單一、效率低和主觀誤差大的問(wèn)題,指出綜合應(yīng)用圖像采集、數(shù)字圖像處理和機(jī)器學(xué)習(xí)技術(shù)的人工智能算法與理論在苗木質(zhì)量評(píng)價(jià)指標(biāo)檢測(cè)領(lǐng)域具有明顯優(yōu)勢(shì),并從檢測(cè)技術(shù)融合、提升檢測(cè)算法和多源數(shù)據(jù)融合等方面進(jìn)行展望,旨在為苗木質(zhì)量快速精準(zhǔn)評(píng)價(jià)提供參考。 

【文章來(lái)源】：世界林業(yè)研究. 2020,33(06)北大核心CSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
1 人工智能在苗木形態(tài)指標(biāo)無(wú)損檢測(cè)中的應(yīng)用
    1.1 苗高與地徑檢測(cè)
    1.2 根系指標(biāo)檢測(cè)
2 人工智能在苗木生理指標(biāo)無(wú)損檢測(cè)中的應(yīng)用
    2.1 苗木水分檢測(cè)
    2.2 礦物質(zhì)營(yíng)養(yǎng)檢測(cè)
3 人工智能在苗木活力指標(biāo)無(wú)損檢測(cè)中的應(yīng)用
    3.1 根生長(zhǎng)潛力檢測(cè)
    3.2 抗性檢測(cè)
4 討論與研究展望


【參考文獻(xiàn)】：
期刊論文
[1]鉛脅迫對(duì)黃花風(fēng)鈴木幼苗生長(zhǎng)和生理指標(biāo)的影響[J]. 張博宇,滕維超.  東北林業(yè)大學(xué)學(xué)報(bào). 2020(07)
[2]截形葉螨危害下棗葉片含水率高光譜估測(cè)模型[J]. 高亞利,王振錫,連玲,師玉霞,楊勇強(qiáng),李盼,玉蓀·吐孫江.  經(jīng)濟(jì)林研究. 2020(02)
[3]基于PCA-Kmeans聚類(lèi)法的橡膠樹(shù)葉片氮含量的近紅外高光譜診斷模型研究[J]. 鐘穗希,李子波,唐榮年.  海南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(03)
[4]一種基于圖像處理技術(shù)的植物形態(tài)表型參數(shù)獲取方法[J]. 李楊先,張慧春,楊旸.  林業(yè)工程學(xué)報(bào). 2020(06)
[5]巖溶地區(qū)杉木容器苗分級(jí)方法及標(biāo)準(zhǔn)探討[J]. 王竣,劉永國(guó),曹建新,李思廣,景躍波,楊斌.  西部林業(yè)科學(xué). 2020(03)
[6]2年生云南松苗木分級(jí)與生物量分配關(guān)系研究[J]. 李亞麒,陳詩(shī),孫繼偉,王軍民,許玉蘭,蔡年輝.  西南林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)). 2020(05)
[7]基于機(jī)器視覺(jué)的植物水勢(shì)測(cè)量裝置設(shè)計(jì)[J]. 楊俊杰,左志宇,毛罕平,張曉東,徐超,王天宇,繆鵬.  農(nóng)機(jī)化研究. 2020(11)
[8]鍍膜型光譜成像數(shù)據(jù)提取與作物葉綠素分布探測(cè)研究[J]. 龍耀威,孫紅,高德華,張智勇,李民贊,楊瑋.  光譜學(xué)與光譜分析. 2020(05)
[9]切根與不同形態(tài)氮素對(duì)板栗苗木根系構(gòu)型及生長(zhǎng)的影響[J]. 王雪瑩,郭素娟.  東北林業(yè)大學(xué)學(xué)報(bào). 2020(04)
[10]植物表型平臺(tái)與圖像分析技術(shù)研究進(jìn)展與展望[J]. 張慧春,周宏平,鄭加強(qiáng),葛玉峰,李楊先.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2020(03)

博士論文
[1]應(yīng)用于植物生理檢測(cè)的高通量葉綠素?zé)晒獬上裣到y(tǒng)研究[D]. 王恒.浙江大學(xué) 2018

碩士論文
[1]基于三維激光點(diǎn)云分割匹配的同步定位與構(gòu)圖算法研究[D]. 姬興亮.電子科技大學(xué) 2020
[2]基于計(jì)算機(jī)視覺(jué)植物根系表型特征的研究[D]. 李加剛.山西農(nóng)業(yè)大學(xué) 2019
[3]基于激光誘導(dǎo)葉綠素?zé)晒鈾z測(cè)技術(shù)研究[D]. 付美娟.浙江師范大學(xué) 2019
[4]馬尾松苗木活力指數(shù)提取若干關(guān)鍵技術(shù)的研究[D]. 汪學(xué)良.南京林業(yè)大學(xué) 2018
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的立體匹配技術(shù)研究[D]. 陳拓.浙江大學(xué) 2017



本文編號(hào)：3248907