基于多信息融合的马尾松苗木活力快速精准评价模型研究

Masson pine is the major afforestation tree species in south China, and rapid and precision evaluation of seedling vigor is the key technique problem in forestry industry. The project takes color 3D reconstruction, near infrared spectroscopy and laser speckle as the means for measurement, also combine with forest science to realize rapid and precision detection of quality indexes for masson pine seedling, such as morphological indexes, physiological indexes and rate of root growth. Some modeling methods are used to construct rapid and precision evaluation model between multi-information indexes and seedling vigor, with comparison with standard root growth potential testing method’s indexes. In brief, the topic use the latest measurement technology to extend traditional seedling quality index acquisition method, and combine multidisciplinary theory to seek interactive mechanism. After this project study, the modes of seedling quality measurement are broaden and the construction of Chinese forestry digitization process is developed.

马尾松是我国南方主要造林树种,其苗木活力的快速精准评价是林业行业的关键技术问题。本项目将综合运用彩色3D重构技术，近红外光谱检测技术以及激光散斑技术等快速无损检测手段，并结合林学基础理论与方法实现马尾松苗木形态指标，生理指标以及根生长率指标的快速精准检测。在此基础上运用多种建模方法，通过与根生长势测试方法所得活力指标相类比，建立马尾松苗木多信息指标与苗木活力之间的快速精准评价模型。本项目以最新的测量检测技术丰富了传统的苗木质量指标数据获取的方法，并借鉴不同学科的理论挖掘蕴含其中的相互作用机理，进而为苗木质量评价研究和我国“数字化林业”的建设拓宽了思路。

项目应用多种先进技术手段实现马尾松苗木活力的快速精准评价，对生态文明建设、现代林业建设具有非常重要的意义。主要研究内容如下：1.基于多目视觉技术实现了马尾松苗木的形态学参数提取。设计了形态学提取系统硬件结构，继而对相机进行标定，再对图像进行预处理，经过图像校正、立体匹配得到苗木的空间点云数据，然后通过点云拼接与Delaunay三角剖分算法得到马尾松苗木的三维模型。在此基础上，通过马尾松苗木各部分的色彩信息差异在二维图像上对马尾松苗木的各部分进行自动识别分割，再从二维图像映射到三维点云空间中，实现苗木形态学参数进行提取。2. 马尾松苗木生理指标的NIR准确测定。项目首次将深度学习方法引入到马尾松苗木生理指标的NIR建模中，与传统算法相比建模精度大幅提高。提出了一种加权自适应1D-CNN模型，该模型中引入重要因子对不同波长进行自适应加权，能更有效的从NIR中提取有用信息实现生理指标准确测定。3. 马尾松根伸长率测定。项目提出基于激光散斑的亚纳米量级的光学干涉测量方法来代替根生长势测量，它可以将测量时间缩短到几分钟，远小于根生长势方法。项目通过持续测量根的伸长长度,从而计算根伸长率，为马尾松苗木活力的判断提供依据。该方法具有无损、非接触的特点，可用于连续监控根系生长过程。测量时只需要一个很小的根和很短的时间，对苗木的环境影响小，确保能得到更准确的信息。在微观尺度下可以观察到根并不总是在生长。通而过对根的连续监控，可以获得马尾松苗木活力的评判依据。4. 马尾松苗木活力快速测定机理研究。通过上述马尾松苗木的形态指标、生理指标的NIR测定、根伸长率测定，可以得到不同模态的特征信息，不同特征都从不同方面表现了马尾松苗木的活力。项目将多模态信息融合，再经过带有ReLU激活的隐藏层，构建最终的活力预评价测模型，输出马尾松苗木活力指标。实验结果表明准确率约81%，相关系数0.90。