-
公开(公告)号：CN115598162B
公开(公告)日：2024-08-06
申请号：CN202111586536.2
申请日：2021-12-21
Applicant: 三峡大学
IPC: G01N23/223 , G06N3/006 , G06N20/20
Abstract: 本发明涉及基于堆叠式模型的土壤重金属含量检测方法，包括：采集土壤样品，配置预定重金属浓度范围的土壤样本；获取土壤样本的光谱，形成样本光谱数据集；利用迭代保留信息法筛选出光谱中的强信息变量与弱信息变量；选出具有代表性的四种特征变量选择方法，分别构建基学习器进行训练、测试；将基学习器集成，构建元学习器，并对元学习器进行训练、测试；将待检测土壤的光谱输入基学习器，依据元学习器得到的波长点判断分析土壤重金属的含量。本发明将多种波长变量选择算法并联、集成，克服了单一特征变量选择方法的缺陷，提高了土壤重金属含量的检测精度，检测结果稳定性好。
-
公开(公告)号：CN118033668A
公开(公告)日：2024-05-14
申请号：CN202410043544.X
申请日：2024-01-11
Applicant: 三峡大学
IPC: G01S17/89 , G01S17/933 , G06T7/11 , G06F17/16 , G06V10/762 , G06V10/77
Abstract: 一种基于机载雷达的快速树障分析方法，该方法利用机载雷达设备获取前方区域的雷达数据，经过改进的点云坡度滤波预处理后，对激光点云采用几何特征提取。构建点云索引结构，使用kd‑tree对电力线点遍历，检测周围树障点是否存在，标记检测、定位和特征提取。与现有识别技术相比，本方法可以自动识别有效三维点云，并且可以快速准确的获得识别结果，为电力检测树障问题提供一种新的快速检测方法，为电力系统人员排查电力线树障问题提供帮助。
-
公开(公告)号：CN117893857A
公开(公告)日：2024-04-16
申请号：CN202311274409.8
申请日：2023-09-28
Applicant: 三峡大学
Abstract: 用于电力线资产多目标检测的层交互注意力加强方法，包含步骤1：读取电力线资产图片；步骤2，对图像预处理进行放缩和切割操作；步骤3：对图片进行数据集的划分，获取训练集，验证集和测试集；步骤4：构建层交互注意力加强深度学习网络；步骤5：将所获得的训练集输入深度学习网络进行训练；步骤6：将验证集图片加载到训练好的预测模型；步骤7：输出多目标预测结果。在特征提取中利用层交互注意力学习在通道和空间维度上聚合相邻特征的互补信息，实现深、浅特征映射之间的平衡，改善多尺度特征的学习能力，从而提高检测精度。对比其他检测模型，对电力线资产中的输电塔、阻尼器、绝缘子、隔震器、塔板进行检测，其检测度量mAP值最高。
-
公开(公告)号：CN117409235A
公开(公告)日：2024-01-16
申请号：CN202311158825.1
申请日：2023-09-08
Applicant: 三峡大学
IPC: G06V10/764 , G06V10/82 , G06V10/42 , G06V10/44 , G06V10/771 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 用于外来入侵植物识别的目标增强和多区域选择网络方法，它包括以下步骤：步骤1：设计一个目标增强和多区域选择网络；步骤2：构建目标增强和定位模块，根据输入的图像特征图定位目标，得到目标的包围框，裁剪放大得到目标图片；步骤3：构建多区域选择模块，把目标图片的特征图转换成通道间关系矩阵，通过一个指标来衡量不同通道的重要性程度，从中选择最重要的那些通道所包含的区域进行学习；步骤4：把原始图片，目标图片，区域图片分别送入三个分支，得到各自分支的分类结果，通过三个分支输出的结果来计算损失并约束网络的训练；通过以上步骤对目标增强和多区域选择网络进行构建和训练。
-
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。
-
Patent Agency Ranking
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：CN119445366A
公开(公告)日：2025-02-14
申请号：CN202411453892.0
申请日：2024-10-17
Applicant: 三峡大学
IPC: G06V20/10 , G06V20/17 , G06V10/25 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06N3/09
Abstract: 一种基于多约束异构深度网络的农村建筑检测方法，包括以下步骤：S1.对农村地区进行航拍，获取包含建筑物的高分辨率影像数据；S2.通过Labelimg工具对采集的图像数据使用矩形框标注出已建成建筑物与在建筑物的中心点坐标、宽度和高度与类别等关键信息来构建遥感图像数据集；S3.将构建的遥感图像数据集送入设计的多约束异构深度网络MHDN进行训练，并保存训练得到的权重文件用作推理过程中的预训练权重模型；S4.将保存的预训练权重加载至步骤S3获得的模型中，使用测试集来验证模型的检测效果；S5.通过由步骤S4获得的模型对目标建筑物进行检测。
-
公开(公告)号：CN116256771A
公开(公告)日：2023-06-13
申请号：CN202310144614.6
申请日：2023-02-21
Applicant: 三峡大学
IPC: G01S17/88 , G01S17/08 , G06F18/24 , G06F18/23213
Abstract: 一种基于无人机激光点云树障分析方法，它包括以下步骤：步骤1：通过无人机获取激光点云；步骤2：对获取的激光点云去除噪点，进而进行分类；步骤3：进行电力线的提取；步骤4：基于二分法的电力线拟合，将距离较近的电力线进行分割，判断单个点位置，分别获得单根电力线；步骤5：基于RANSAC模型的电力线重建，去除误分点云，获得准确电力线模型；步骤6：进行输电线工况的模拟：结合导线型号信息和气象条件，运用架空线力学理论进行输电线工况模拟，模拟不同状态，如高温、覆冰、大风舞动这些工况条件下的输电线形态；步骤7：使用分段截面距离来计算和分析输电线与其下方地物之间的距离，并自动将该距离与规定的安全距离进行比较，标记输电线与地物距离在标准安全距离以内的区域。
-
公开(公告)号：CN116166923A
公开(公告)日：2023-05-26
申请号：CN202211587357.5
申请日：2022-12-11
Applicant: 三峡大学
Abstract: 本发明涉及基于地统计分析与APLS‑MLR的土壤重金属来源解析方法，包括：对研究区域的土壤进行采样，测量土壤样本中重金属的含量，并进行预处理；利用克里金插值方法分析得到研究区域的土壤重金属空间含量分布特征图；对研究区域的重金属浓度数据采用偏最小二乘法进行分析；建立用于土壤重金属污染源解析的绝对偏最小二乘‑多元线性回归法受体模型；结合土壤重金属空间含量分布特征图和各污染源贡献率，推断确定具体的污染源。本发明方法不仅能计算确定污染源数量以及各个污染源的贡献率，还能准确确定具体的污染源；本发明提出的受体模型的APLS‑MLR方法，解决了APCS‑MLR方法中主成分分析时特征值的分解具有局限性的问题。
-
公开(公告)号：CN115456274A
公开(公告)日：2022-12-09
申请号：CN202211109756.0
申请日：2022-09-13
Applicant: 三峡大学
Abstract: 一种农产品重金属超标概率预测的方法，包括以下步骤：步骤1：采集土壤、农产品及采集点位所处环境的样本，检测样本重金属含量和ph值，构成候选指标数据集，并进行预处理。步骤2：对指标集进行指标筛选，筛选出与要预测农产品重金属相关性较大的指标构成新的指标集。步骤3：按照国家标准将数据分为超标与不超标两种，按照比例分为训练数据和测试数据。步骤4：建立支持向量机，将训练数据作为支持向量机的输入，训练数据中重金属是否超标为支持向量机的输出。步骤5：使用优化后的核函数参数g和惩罚参数c训练支持向量机，得到农产品重金属超标概率预测模型，将测试数据输入农产品重金属超标概率预测模型，得到重金属超标概率预测的结果。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.023 seconds)
