-
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。
-
公开(公告)号：CN113378642B
公开(公告)日：2022-05-06
申请号：CN202110518952.2
申请日：2021-05-12
Applicant: 三峡大学
IPC: G06V20/00 , G06V10/28 , G06V10/30 , G06V10/46 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种对农村违法占地建筑物进行检测的方法，包括以下步骤：步骤1：采集遥感影像，对图像进行裁剪操作，对图像进行标记；步骤2：输入深度特征交融和多重关系强化机制识别模型，识别建筑物与在建建筑物；步骤3：将结果矢量化，位置配准，得到建筑、在建建筑物中心点经纬度坐标文件；步骤4：采用土地利用现状图可初步判断该建筑是否违规建筑，外业勘察核实结果。
-
公开(公告)号：CN109548112B
公开(公告)日：2021-11-09
申请号：CN201910032276.0
申请日：2019-01-14
Applicant: 三峡大学
Abstract: 一种基于多维度路径质量因子的无线传感网分布式路由方法，包括如下步骤：网络路由建立阶段，网络启动后，基站(Sink)广播路由发现分组，路由发现分组沿传播路径收集当前节点到基站的最小路径跳数、最大路径信号强度和最大路径剩余能量，当前节点根据这些信息生成到基站的最优路径；网络数据传输阶段，节点需要传输数据时，根据步骤A建立的最优路径传输数据到基站；网络路由更新阶段，基站周期性地广播路由发现分组以更新网络路由。本发明方法将最小路径跳数、最大路径信号强度和最大路径剩余能量三者综合起来作为路径质量的评价因子，有效地降低了网络的丢包率，延长了网络的寿命。
-
Patent Agency Ranking
公开(公告)号：CN112965557A
公开(公告)日：2021-06-15
申请号：CN202110137164.9
申请日：2021-02-01
Applicant: 三峡大学
Abstract: 本发明公开了智能龙虾养殖监测装置，包括养殖监测船和监控计算机，养殖监测船包括船体以及取水机构、增氧机构、控制器，取水机构内部设有与控制器连接的溶氧传感器；增氧机构包括曝气盘，曝气盘经气管与鼓风机的输出口连接，曝气盘布满微孔，鼓风机的控制端与控制器连接；船体底部设有与控制器连接的超声波传感器、水下摄像头；船体上设有与控制器连接的水上摄像头。本发明还公开了一种龙虾养殖监测方法。本发明提供了能检测虾群分布、活动情况的远程控制的监测船，利用神经网络模型识别判断是否有龙虾密度大的情况，并进行龙虾密度的识别，实时性和准确性好。
-
公开(公告)号：CN110674947B
公开(公告)日：2021-02-19
申请号：CN201910824079.2
申请日：2019-09-02
Applicant: 三峡大学
IPC: G06N20/00 , G06N3/12 , G01N21/359 , G01N21/3577
Abstract: 本发明公开了基于Stacking集成框架的光谱特征变量选择与优化方法，包括构建样本集，将样本集分为训练样本集和测试样本集；在变量区间选择法、变量信息选择法、变量优化选择法大类中选出具有代表性的特征变量选择方法；构建多个基学习器，采用Stacking集成框架将基学习器集成，构建元学习器，将基学习器的输出作为元学习器的输入；利用样本集对Stacking集成框架的基学习器和元学习器进行训练与测试；将待检测光谱信息输入基学习器，依据元学习器的输出得到待检测光谱的检测结果。本发明的基于Stacking集成框架的光谱特征变量选择与优化方法克服了单一特征变量选择方法的缺陷，对测试样本的检测精度高，检测结果稳定性好。
-
公开(公告)号：CN110674947A
公开(公告)日：2020-01-10
申请号：CN201910824079.2
申请日：2019-09-02
Applicant: 三峡大学
IPC: G06N20/00 , G06N3/12 , G01N21/359 , G01N21/3577
Abstract: 本发明公开了基于Stacking集成框架的光谱特征变量选择与优化方法，包括构建样本集，将样本集分为训练样本集和测试样本集；在变量区间选择法、变量信息选择法、变量优化选择法大类中选出具有代表性的特征变量选择方法；构建多个基学习器，采用Stacking集成框架将基学习器集成，构建元学习器，将基学习器的输出作为元学习器的输入；利用样本集对Stacking集成框架的基学习器和元学习器进行训练与测试；将待检测光谱信息输入基学习器，依据元学习器的输出得到待检测光谱的检测结果。本发明的基于Stacking集成框架的光谱特征变量选择与优化方法克服了单一特征变量选择方法的缺陷，对测试样本的检测精度高，检测结果稳定性好。
-
公开(公告)号：CN106777596A
公开(公告)日：2017-05-31
申请号：CN201611092502.7
申请日：2016-12-01
Applicant: 三峡大学
Abstract: 本发明实施例公开了一种微电网半实物仿真系统及风力发电机闭环控制方法，包括用于将模拟得到的风力发电机的输入参数发送至风力发电机仿真模块的输入参数控制模块、用于根据接收的输入参数进行仿真运行的风力发电机仿真模块，以及用于控制风力发电机仿真模块接入微电网模拟源及本地电网的并网模块。本发明更贴近实际情况的风力发电半实物仿真系统，减小模拟过程中产生的误差，且能够模拟多变的风力环境，同时增加了仿真系统的准确性。
-
公开(公告)号：CN214413848U
公开(公告)日：2021-10-19
申请号：CN202120279447.2
申请日：2021-02-01
Applicant: 三峡大学
Abstract: 本实用新型公开了龙虾养殖监测船，包括船体以及取水机构、增氧机构、控制器和DTU，取水机构内部设有与控制器连接的溶氧传感器；增氧机构包括曝气盘，曝气盘经气管与鼓风机的输出口连接，曝气盘布满微孔，鼓风机的控制端与控制器连接。取水机构包括容水腔体以及分别与其连接的进水管、出水管，容水腔体上方设有多个检测筒，溶氧传感器位于检测筒底端，进水管设有水泵。本实用新型提供了可检测虾群分布、活动情况的可远程控制的监测船；实时检测虾塘水体含氧量，利用鼓风机和曝气盘对虾塘水体进行增氧，增氧效率高，增氧效果好；可检测虾塘不同位置的水深及水深变化，便于养殖管理人员及时补水或排水，提高龙虾产量。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.028 seconds)
