-
公开(公告)号：CN113609913A
公开(公告)日：2021-11-05
申请号：CN202110775562.3
申请日：2021-07-08
Applicant: 三峡大学
Abstract: 一种基于采样阈值区间加权的松材线虫病树检测方法，它包括步骤1:进行图像采集，对包含病树样本的图片进行标记作为训练集；步骤2:构建病树特征提取网络对训练集图片进行卷积，生成特征图；步骤3:构建采样筛选网络，对特征图进行样本采集，并根据采样阈值区间加权算法对样本进行筛选；步骤4:样本采集完成后送入解耦的网络检测头中，进行类型识别与定位，并生成训练模型；步骤5:获取验证集图片，并将处理后的图片投入训练模型中进行识别等步骤。本发明的目的是为了能准确、可靠的对松材线虫病树进行定位，而提供了一种鲁棒的、基于影像处理技术的对松材线虫病树进行检测的方法。
-
公开(公告)号：CN115019200B
公开(公告)日：2024-10-18
申请号：CN202210548613.3
申请日：2022-05-20
Applicant: 三峡大学
Abstract: 一种基于样本不平衡的松材线虫病树智能识别方法，包括以下步骤：步骤1：通过无人机获取遥感影像，对遥感影像进行预处理，并对影像中病树进行标注，制作成数据集；步骤2：将数据集输入无锚框跳跃聚合中心点网络中进行训练，得到松材线虫病树识别模型；步骤3：将需要识别的带有经纬度坐标信息的无人机影像输入到识别模型中，得到病树识别结果；步骤4：将识别出的病树坐标信息转换成经纬度坐标，根据经纬度坐标对松材线虫病树进行实地勘察治理。
-
Patent Agency Ranking
公开(公告)号：CN115761477A
公开(公告)日：2023-03-07
申请号：CN202211221100.8
申请日：2022-10-08
Applicant: 三峡大学
IPC: G06V20/10 , G06V20/17 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种基于注意力机制和中心圆采样的松材线虫病树检测方法，它包括以下步骤：步骤1：获得松材线虫病树图片并制作成数据集；步骤2：将松材线虫病树数据集输入到全局多尺度通道自适应网络中进行训练，获得训练后的松材线虫病树识别模型；步骤3：将需要识别的松林影像输入到松材线虫病树识别模型中，获得病树的识别结果以及经纬度坐标；步骤4：根据病树坐标找到病树，将患病早期的病树进行药物治疗，患病中晚期的病树进行砍伐焚烧处理。本发明的目的是为了解决现有针对松材线虫病树检测的方法存在的忽视了正负样本采样时正样本采样范围与松材线虫病树目标的圆形形态不匹配导致采样质量不高的技术问题。
-
公开(公告)号：CN115063700B
公开(公告)日：2024-12-10
申请号：CN202210617043.9
申请日：2022-06-01
Applicant: 三峡大学
IPC: G06V20/17 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/096 , G06N20/00
Abstract: 一种基于小尺度松材线虫病树的检测方法，包括以下步骤：步骤1：使用无人机航拍获取遥感图像，对松材线虫病树进行标记，制作成数据集；步骤2：将数据集输入底层特征批处理融合和多重特征复用网络模型中，进行特征提取，获得识别模型，识别松材线虫病树；步骤3：将松材线虫病树的识别结果矢量化，得到松材线虫病树的经纬度坐标文件；步骤4：将松材线虫病树的经纬度坐标信息上传到松材线虫病树监理平台，通过监理平台查看病树的地理分布情况，人工砍伐。本发明专利的目的是为了解决遥感影像复杂背景下一种对小尺度松材线虫病树漏检的问题，而提出的一种基于底层特征批处理融合和多重特征复用网络模型的松材线虫病树的检测方法。
-
公开(公告)号：CN115063700A
公开(公告)日：2022-09-16
申请号：CN202210617043.9
申请日：2022-06-01
Applicant: 三峡大学
Abstract: 一种基于小尺度松材线虫病树的检测方法，包括以下步骤：步骤1：使用无人机航拍获取遥感图像，对松材线虫病树进行标记，制作成数据集；步骤2：将数据集输入底层特征批处理融合和多重特征复用网络模型中，进行特征提取，获得识别模型，识别松材线虫病树；步骤3：将松材线虫病树的识别结果矢量化，得到松材线虫病树的经纬度坐标文件；步骤4：将松材线虫病树的经纬度坐标信息上传到松材线虫病树监理平台，通过监理平台查看病树的地理分布情况，人工砍伐。本发明专利的目的是为了解决遥感影像复杂背景下一种对小尺度松材线虫病树漏检的问题，而提出的一种基于底层特征批处理融合和多重特征复用网络模型的松材线虫病树的检测方法。
-
公开(公告)号：CN115019200A
公开(公告)日：2022-09-06
申请号：CN202210548613.3
申请日：2022-05-20
Applicant: 三峡大学
Abstract: 一种基于样本不平衡的松材线虫病树智能识别方法，包括以下步骤：步骤1：通过无人机获取遥感影像，对遥感影像进行预处理，并对影像中病树进行标注，制作成数据集；步骤2：将数据集输入无锚框跳跃聚合中心点网络中进行训练，得到松材线虫病树识别模型；步骤3：将需要识别的带有经纬度坐标信息的无人机影像输入到识别模型中，得到病树识别结果；步骤4：将识别出的病树坐标信息转换成经纬度坐标，根据经纬度坐标对松材线虫病树进行实地勘察治理。
-
公开(公告)号：CN113609913B
公开(公告)日：2022-08-19
申请号：CN202110775562.3
申请日：2021-07-08
Applicant: 三峡大学
IPC: G06V20/10 , G06V10/40 , G06V10/774 , G06V10/764
Abstract: 一种基于采样阈值区间加权的松材线虫病树检测方法，它包括步骤1:进行图像采集，对包含病树样本的图片进行标记作为训练集；步骤2:构建病树特征提取网络对训练集图片进行卷积，生成特征图；步骤3:构建采样筛选网络，对特征图进行样本采集，并根据采样阈值区间加权算法对样本进行筛选；步骤4:样本采集完成后送入解耦的网络检测头中，进行类型识别与定位，并生成训练模型；步骤5:获取验证集图片，并将处理后的图片投入训练模型中进行识别等步骤。本发明的目的是为了能准确、可靠的对松材线虫病树进行定位，而提供了一种鲁棒的、基于影像处理技术的对松材线虫病树进行检测的方法。
-
-
-
-
-
-
Search Results
7
records
(took 0.025 seconds)
