-
公开(公告)号：CN117830822A
公开(公告)日：2024-04-05
申请号：CN202311505273.7
申请日：2023-11-13
Applicant: 三峡大学
IPC: G06V20/10 , G06V10/82 , G06V10/80 , G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 用于外来入侵植物识别的双分支细粒度网络的构建方法，它包括以下步骤：步骤S1：构建粗粒度分支识别子网络及细粒度分支识别子网络；步骤S2：输入的外来入侵植物图像经由细粒度分支识别子网络的第一Transformer Encoder生成细粒度特征，粗粒度分支识别子网络的第二Transformer Encoder生成粗粒度特征，将细粒度特征和粗粒度特征在第一SCHA模块和第二SCHA模块进行融合；步骤S3：将外来入侵植物不同尺度的图像送入粗粒度分支识别子网络和细粒度分支识别子网络，将经过两个Transformer Encoder的输出送到两个SCHA模块进行融合，两个MLP模块输出类别分数，最后利用类别分数来计算两个分类交叉熵损失，从而优化网络的训练；通过以上步骤对双分支细粒度网络进行构建。
-
公开(公告)号：CN117636151A
公开(公告)日：2024-03-01
申请号：CN202311359053.8
申请日：2023-10-19
Applicant: 三峡大学
IPC: G06V20/10 , G06V10/764 , G06V10/42 , G06V10/80 , G06V10/82
Abstract: 基于注意力的双分支细粒度网络识别外来入侵植物的方法，它包括以下步骤：S1、构建双分支细粒度分类网络的输入，即图片分块操作；S2：构建双分支细粒度分类网络模型，即包括一个粗粒度分支网络和一个细粒度分支网络。双分支结构相同，都包含：线性投射层、多尺度交叉融合模块和MLP模块；S3、构建多尺度交叉融合模块，用于将粗粒度分支和细粒度分支的输入进行融合；S4、将不同大小的图像块送到粗粒度分支和细粒度分支网络，多尺度交叉融合模块会将粗粒度分支和细粒度分支的网络进行融合，输出最终用于分类的分类头，最后利用输出的分类头来计算损失，来优化网络进行训练；通过以上步骤会双分支细粒度识别网络进行构建。
-
公开(公告)号：CN114354666B
公开(公告)日：2023-12-26
申请号：CN202111677903.X
申请日：2021-12-31
Applicant: 三峡大学
IPC: G01N23/223 , G06F30/20 , G06F17/18 , G06F111/06 , G06F111/08
Abstract: 本发明涉及基于波长频次选择的土壤重金属光谱特征提取、优化方法，包括：采集土壤样品，配置样本，获取样本的光谱，形成样本数据集；多次运行BOSS算法，计算各变量被选中的概率，挑选出概率大的波长变量，计算预测模型的RMSECV平均值，调整波长变量的数量使RMSECV平均值最小，确定波长变量的最优数量N；重复运行串联的ICO‑BOSS算法进行波长变量选择，计算各变量被选中的概率，从中选出N个概率大的波长变量，计算预测模型的RMSECV平均值，调整波长变量的数量使RMSECV平均值最小，得到最优波长变量集；利用得到的波长变量集预测重金属含量。本发明采用串联的ICO‑BOSS算法，并采用波长频次选择策略，选出最优波长变量集，用于重金属含量的预测，提高了预测模型的稳定性和精度。
-
公开(公告)号：CN117274098A
公开(公告)日：2023-12-22
申请号：CN202311273860.8
申请日：2023-09-28
Applicant: 三峡大学
IPC: G06T5/00 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 一种基于U‑Net的部分孪生去雾网络的构造方法，该框架包含两个权值共享的子网络，通过将有雾图像输入第一个子网络进行去雾后再将生成的图像作为去雾先验信息传给第二个子网络，第二个子网络通过输入有雾图像和先验指导信息能够拥有更强的去雾能力和图像重构能力。此外，本发明在该框架的子网络中设计了一个双编解码模块。给子网络输入有雾图像，进行卷积下采样分别得到编码特征，之后通过二次编码模块将编码特征进行二次编码并特征融合得到融合后的二次编码特征。将上一步得到的融合后的二次编码特征通过二次解码模块，之后将得到的二次解码特征分别与编码阶段、解码阶段对应尺度的特征相融合，再通过上采样得到最终的去雾图像。
-
公开(公告)号：CN109902411B
公开(公告)日：2020-08-11
申请号：CN201910173177.4
申请日：2019-03-07
Applicant: 三峡大学
IPC: G06F30/20
Abstract: 本发明实施例提供一种土壤重金属含量检测建模方法及装置、检测方法及装置。其中，建模方法包括：对于每一土壤样本，获取土壤样本的荧光光谱和目标重金属含量，将土壤样本的荧光光谱和目标重金属含量的组合作为一个训练样本，获得多个训练样本，组成训练样本集；基于训练样本集，利用向后间隔偏最小二乘法依次建立多个基模型；根据预设的集成策略，将各基模型集成为土壤重金属含量检测模型。本发明实施例提供的土壤重金属含量检测建模方法及装置、检测方法及装置，根据预设的集成策略，将利用向后间隔偏最小二乘法建立的多个基模型集成为土壤重金属含量检测模型，所建立的土壤重金属含量检测模型具有更高的精度。
-
Patent Agency Ranking
公开(公告)号：CN109942349A
公开(公告)日：2019-06-28
申请号：CN201910324705.1
申请日：2019-04-22
Applicant: 三峡大学 , 湖北正江环保科技有限公司
Abstract: 本发明公开了一种土壤重金属污染修复的调理剂及其制备方法，土壤调理剂成分包括：A组分矿物，包括黄磷矿渣、泥炭藓土、钛石膏等；B组分混合料，包括干酒糟、动物粪便、农作物秸秆、甘蔗渣、麸皮和香菇培养基料等；C组分活性发酵物料，包括酸奶、酒糟等。该调理剂主要采用工业和农业副产物，通过简单的发酵过程制成，不仅能够有效的固定土壤中的重金属，还可以提高土壤中有机质和养分元素含量，该调理剂还含有大量微生物，可以将土壤的有机质分解为植物更容易吸收的成分。本发明的调理剂原料成本比较低，不存在二次污染的风险，对重金属的钝化效率高，还可以提高土壤的肥力，土壤调理的综合效果较好。
-
公开(公告)号：CN108254400A
公开(公告)日：2018-07-06
申请号：CN201711447299.5
申请日：2017-12-27
Applicant: 三峡大学
IPC: G01N23/223
CPC classification number: G01N23/223
Abstract: 本发明提供一种X射线荧光光谱的预处理方法及装置，方法包括获取预设数量的土壤样本的目标光谱信息；目标光谱信息为X射线荧光光谱信息，目标光谱信息包括各个波长的吸光度；据各个吸光度计算理想光谱信息；据理想光谱信息和各个土壤样本的目标光谱信息计算与每个土壤样本对应的回归系数；据各个土壤样本的目标光谱信息和与每个土壤样本对应的回归系数计算校正后的各个土壤样本的吸光度，确认校正后的各个土壤样本的吸光度为预处理后的各个土壤样本的目标光谱信息。通过本发明的方法对X射线荧光光谱进行预处理，可实现对光谱的去噪、基线漂移、光散射的校正，便于提高建模的精度和稳定性。
-
公开(公告)号：CN119785170A
公开(公告)日：2025-04-08
申请号：CN202411781724.4
申请日：2024-12-05
Applicant: 三峡大学
IPC: G06V10/82 , G06V10/42 , G06V10/80 , G06V10/25 , G06V10/764 , G06N3/0464 , G06N3/045
Abstract: 本发明提出了一种基于YOLOv5的变电站设备缺陷检测网络的构建方法，该网络的基础框架为YOLOv5架构，其中对YOLOv5中的Neck部分的Concat操作进行改进，将其替换为跨域动态交互注意力融合模块CDIAFM。两个不同层的特征图进入跨域动态交互注意力融合模块，分别通过频域分支和空间分支进行处理，获得空间域特征#imgabs0#和频域特征#imgabs1#。通过将频域特征与空间域特征进行结合，利用动态交互注意力在频域和空间域之间进行信息交互，从而使模型能够更加精准地识别灰度变化，减少漏检和误检的情况。在复杂背景干扰以及具有丰富的尺度和纹理细节的变电站场景中，本文所提出的方法能够提高检测精度，在变电站设备缺陷检测任务中表现出色。
-
公开(公告)号：CN119027801A
公开(公告)日：2024-11-26
申请号：CN202410849159.4
申请日：2024-06-27
Applicant: 三峡大学
IPC: G06V20/10 , G06V10/774 , G06V10/80 , G06N20/20
Abstract: 一种基于遥感数据的水稻高温热害监测方法，包括以下步骤：步骤1：对日平均气温进行遥感反演，获得整个研究区目标时间段的日平均气温遥感数据集；步骤2：将遥感反演得到的日平均气温遥感数据集进行特殊处理，构建研究区全覆盖高精度的日平均气温遥感数据集；步骤3：结合全覆盖高精度日平均气温遥感数据集，进行全流程的水稻高温热害遥感监测。
-
公开(公告)号：CN117874480A
公开(公告)日：2024-04-12
申请号：CN202311682639.8
申请日：2021-12-31
Applicant: 三峡大学
IPC: G06F18/2115 , G01N23/223 , G06F18/214 , G16C20/70
Abstract: 本发明涉及基于ICO‑BOSS算法的土壤重金属光谱特征提取方法，包括：采集土壤样品，配置样本，获取样本的光谱，形成样本数据集；运行BOSS算法，计算各变量被选中的概率，挑选出概率大的波长变量，计算预测模型的RMSECV平均值并调整波长变量的数量使RMSECV平均值最小，确定波长变量的最优数量N；多次重复运行串联的ICO‑BOSS算法进行波长变量选择，计算各变量被选中的概率，从中选出N个概率大的波长变量，计算预测模型的RMSECV平均值，调整波长变量的数量使RMSECV平均值最小，得到最优波长变量集。本发明采用ICO‑BOSS算法，并采用波长频次选择策略，选出最优波长变量集，用于重金属含量的预测，提高了预测模型的稳定性和精度。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.028 seconds)
