人工神经网络在林业上的应用研究进展

编号 lyqk007559

中文标题 人工神经网络在林业上的应用研究进展

作者 孙翊  姜树海  陈至灵 

作者单位 1. 南京林业大学机械电子工程学院, 南京 210037;
2. 南京林业大学智能控制与机器人技术研究所, 南京 210037

期刊名称 世界林业研究 

年份 2019 

卷号 32

期号 3

栏目编号 1

栏目名称 专题论述 

中文摘要 在目前的林业生产中，林业作业机械化、自动化与智能化的程度存在着一定的不足，在林业作业中借助人工神经网络技术优化作业系统可以有效地提高作业效率和精度。文中概述了国内外人工神经网络在林业作业应用中的研究现状以及人工神经网络在林业作业应用中的优势，介绍了人工神经网络在植树造林、森林监测、森林采伐、木材加工4个方面的应用现状，在分析林业作业应用人工神经网络存在问题的基础上，提出了人工神经网络在林业作业应用中未来的发展方向，以期提高林业作业的智能性和准确性。

关键词 人工神经网络  林业作业  应用研究 

基金项目 国家公益性行业科研专项重大项目课题三“森林火灾余火探测与清理机器人研发”（201404402-03）。

英文标题 Application of Artificial Neural Network to Forestry

作者英文名 Sun Yi, Jiang Shuhai, Chen Zhiling

单位英文名 1. College of Mechanical and Electronic Engineering, Nanjing Forestry University, Nanjing 210037, China;
2. Institute of Intelligent Control and Robotics, Nanjing Forestry University, Nanjing 210037, China

英文摘要 The current forestry production operation is short of mechanization, automation and intelligence. To fill the gap, the artificial neural network technology could be used to optimize the forest operation so as to effectively improve the sufficiency and precision of operations. This paper summarizes the research on the use of artificial neural network in forest operation and its advantages, and introduces the application of artificial neural network in four aspects, i.e., afforestation, forest monitoring, forest harvesting and wood processing. Based on the analysis of the problems found in the application of artificial neural networks to forestry operations, the authors propose the future development direction of its application to forest operations, in order to increase the intelligence and accuracy of forest operations.

英文关键词 artificial neural network;forest cooperation;application research

起始页码 7

截止页码 12

投稿时间 2018/7/18

最后修改时间 2019/1/23

作者简介 孙翊(1995-),男,硕士,主要研究方向为机器人自动化技术,E-mail:985114997@qq.com。

通讯作者介绍 姜树海(1964-),男,汉族,博士,副教授,主要从事机器人技术、智能控制技术研究,E-mail:shuhaijiang@aliyun.com。

E-mail 姜树海(1964-),男,汉族,博士,副教授,主要从事机器人技术、智能控制技术研究,E-mail:shuhaijiang@aliyun.com。

分类号 S7-05

DOI 10.13348/j.cnki.sjlyyj.2019.0002.y

参考文献 [1] 秦国伟,卫夏青,田明华.我国林业产业非均衡发展研究现状与展望[J].世界林业研究,2016,29(4):62-66.
[2] 张禹.3S技术在森林资源监测与管理中的应用研究[J].现代信息科技,2018,2(2):156-157.
[3] 焦李成,杨淑媛,刘芳,等.神经网络七十年:回顾与展望[J].计算机学报,2016,39(8):1697-1716.
[4] 毛健,赵红东,姚婧婧.人工神经网络的发展及应用[J].电子设计工程,2011,19(24):62-65.
[5] MCCULLOCH W S, PITTS W. A logical calculus of the ideas imma-nent in nervous activity[J]. The Bulletin of Mathematical Biophysics, 1943, 5(4):115-133.
[6] HEBB D. Orgnization of behavion[M]. New York:Pergem on Press Inc., 1949.
[7] HODGKIN A L, HUXLEY A F. A quantitative of membrane current and its application to conduction and excitation innerve[J].The Journal of Physiology, 1952, 117(4):500-544.
[8] 任志鸿.基于感知器模型的布尔函数实现[J].微型电脑应用,2008(11):57-59,6.
[9] ROSENBLATT F.The perceptron:a probabilistic model for information storage and organization in the brain[J].Psychological Review,1958,65(6):386-408.
[10] KOHONEN T.Self-organized formation of topologically correct feature maps[J].Biological Cybernetics,1982,43(1):59-69.
[11] FUKUSHIMA K, MIYAKE S. Neocognitron:a new algorithm for pattern recognition tolerant of deformations and shifts in position[J]. Pattern Recognition, 1982, 15(6):455-469.
[12] CARPENTER G A,GROSSBERG S.A massively parallel architecture for a self-organizing neural pattern recognition machine[J].Computer Vision Graphics, and Image Processing,1987,37(1):54-115.
[13] GELENBE E. Random neural networks with negative and positive signals and product form solution[J]. Neural Computation, 2014, 1(4):502-510.
[14] JANG J S R. Anfis:adaptive-network-based fuzzy inference system[J]. IEEE Transactions on Systems Man and Cybernetics, 1993, 23(3):665-685.
[15] FREEMAN W J. Simulation of chaotic EEG patterns with a dynamic model of the olfactory system[J]. Biological Cybernetics, 1987, 56(2/3):139-150.
[16] DENG J L. Control problem of grey systems[J]. Systems & Control Letters, 1982, 1(5):288-294.
[17] HOLLAND J H. Adaptation in natural and artificial systems:an introductory analysis with applications to biology, control,and artificial intelligence[M].2nd ed.Cambridge:MIT Press,1992.
[18] PECORA L M, CARROLL T L. Synchronization in chaotic systems[J]. Controlling Chaos, 1996, 6(8):142-145.
[19] MARKRAM H, MEIER K, LIPPERT T, et al. Introducing the human brain project[J]. Procedia Computer Science, 2011, 7:39-42.
[20] 朱大奇.人工神经网络研究现状及其展望[J].江南大学学报,2004(1):103-110.
[21] 崔莹莹,舒清态.人工神经网络在林业中的应用现状与趋势[J].西南林业大学学报,2013,33(5):98-103.
[22] 陈幸良,巨茜,林昆仑.中国人工林发展现状、问题与对策[J].世界林业研究,2014,27(6):54-59.
[23] 邱仁辉,周新年,杨玉盛.森林采伐作业的环境影响及其保护对策[J].中国生态农业学报,2003(1):136-138.
[24] DAUPHIN Y, BENGIO Y. Big neural networks waste capacity[J]. Molecular Genetics & Metabolism, 2013, 102(2):116-121.
[25] 赵茂程,郑加强,封晓强,等.人工神经网络在林业中的应用研究与展望[J].中国制造业信息化,2003(4):99-102.
[26] 车少辉,张建国,段爱国,等.杉木人工林胸径生长神经网络建模研究[J].西北农林科技大学学报(自然科学版),2012,40(3):84-92.
[27] 刘素青,周元满,黄月琼.造林地规划的神经网模型及其生产力预测[J].东北林业大学学报,2004(1):58-60.
[28] 李新立,于慧伶.基于改进GA-BP神经网络的种苗需求预测[J].黑龙江大学自然科学学报,2017,34(5):626-630.
[29] 李永慈,唐守正.用Mixed和Nlmixed过程建立混合生长模型[J].林业科学研究,2004, 17(3):279-283.
[30] MUNRO D D. Forest growth models:a prognosis[J].Growth Models for Tree and Stand Simulation,1974(1):7-21.
[31] 马翔宇,段文英,崔金刚.白桦人工林单木生长的人工神经网络模型研究[J].森林工程,2009,25(3):30-33,38.
[32] 金星姬,贾炜玮,李凤日.基于BP人工神经网络的兴安落叶松天然林全林分生长模型的研究[J].植物研究,2008(3):370-374, 384.
[33] 林国华.基于人工神经网络的马尾松人工林优势高生长模型[J].林业勘察设计,2012(1):5-8.
[34] 吴楠,李增元,廖声熙,等.国内外林业遥感应用研究概况与展望[J].世界林业研究,2017,30(6):34-40.
[35] DIAMANTOPOULOU M J. Artificial neural networks as an alternative tool in pine bark volume estimation[J].Computers and Electronics in Agriculture, 2005, 48(3):235-244.
[36] 尹瑞安,吴达胜,周如意,等.基于BP神经网络模型的森林资源蓄积量动态估测[J].现代农业科技,2018(10):154-155,161.
[37] 许炜敏,陈友飞,陈明华,等.基于BP神经网络的杉木林蓄积量估测研究[J].福建林学院学报,2012,32(4):310-315.
[38] 黄家荣,刘倩,高光芹,等.森林火灾成灾面积的人工神经网络BP模型预测[J].河南农业大学学报,2007(3):273-275.
[39] 白书华,况明星.基于PSO-GA-BP神经网络的林火预测设计与研究[J].系统仿真学报,2018,30(5):1739-1748.
[40] 姜树海,张楠.六足仿生森林消防机器人机构设计与分析[J].机械设计与制造,2015(12):208-212.
[41] 张宇晗,刘兆龙,贾惟充.履带式森林消防车造型设计[J].机械设计,2017,34(10):129.
[42] 杨小菊,张伟,高宏伟,等.基于模糊神经网络的移动机器人避障研究[J].电子世界,2016(21):189-191.
[43] 宋勇,李贻斌,栗春,等.基于神经网络的移动机器人路径规划方法[J].系统工程与电子技术,2008(2):316-319.
[44] 陈煜.浅谈数字林业建设的现状与未来发展趋势[J].农业与技术,2016,36(8):171.
[45] 徐辉,潘萍,宁金魁, 等.多元线性回归与神经网络模型在森林地上生物量遥感估测中的应用[J].东北林业大学学报,2018,46(1):63-67.
[46] 任冲. 中高分辨率遥感影像森林类型精细分类与森林资源变化监测技术研究[D].北京:中国林业科学研究院,2016.
[47] 周媛. 基于激光测距数据组合特征的森林环境地形分类[C]. 中国自动化学会控制理论专业委员会,中国系统工程学会.第三十二届中国控制会议论文集(D卷). 2013.
[48] 王学顺,孙一丹,黄敏高,等.基于BP神经网络的木材近红外光谱树种识别[J].东北林业大学学报,2015,43(12):82-85,89.
[49] 李子艺,王振锡,岳俊,等.基于BP神经网络的高光谱果树树种识别研究[J].江苏农业科学,2016,44(5):410-414.
[50] 于文勇,王立海,杨慧敏,等.超声波木材缺陷检测若干问题的探讨[J].森林工程,2006(6):7-9.
[51] SILVEN O,NISKANEN M,KAUPPINEN H.Wood inspection with non-supervised clustering[J]. Machine Vision and Applications,2003(13):275-285
[52] LAMPINEN J, SMOLANDER S, KORHONEN M. Wood surface inspection system based on generic visual features[C]. Industrial Applications of Neural Networks,2014.
[53] 牟洪波,王世伟,戚大伟,等.基于灰度共生矩阵和模糊BP神经网络的木材缺陷识别[J].森林工程,2017,33(4):40-43,54.
[54] COOK D F, MASSEY J G, SHANNON R E. A neural network to predict particleboard manufacturing process parameters[J]. Forest Science, 1991, 37(5):1463-1478.
[55] 杨铁滨,侯玉婷,刘一星,等.基于图像的木材机械加工表面质量评价研究[J].森林工程,2015,31(1):59-62.

PDF全文 浏览全文