一种基于多尺度卷积神经网络的茶叶病斑自动识别算法

    公开(公告)号:CN112434662A

    公开(公告)日:2021-03-02

    申请号:CN202011447437.1

    申请日:2020-12-09

    Abstract: 本发明属于基于图片特征的图像分类算法的研究领域,具体涉及一种基于多尺度卷积神经网络的茶叶病斑自动识别算法,包括多卷积神经网络的训练过程:多卷积神经网络的训练过程分为两个阶段:第一个阶段是数据由低层次向高层次传播的阶段,即前向传播阶段;另外一个阶段是,当前向传播得出的结果与预期不相符时,将误差从高层次向底层次进行传播训练的阶段,即反向传播阶段。本算法能够准确地检测四种不同的茶叶病害图像,并且具有较高的识别精度,同时具有较快的识别速度。该特性主要得益于多卷积可以快速提取特征,并且减少训练算法的参数量从而有效防止过拟合,提高了算法的泛化能力。

    一种利用InSAR监测数据的采煤沉陷积水区水下地形反演方法

    公开(公告)号:CN111257870A

    公开(公告)日:2020-06-09

    申请号:CN202010120235.X

    申请日:2020-02-26

    Applicant: 安徽大学

    Abstract: 本发明公开了一种利用InSAR监测数据的采煤沉陷积水区水下地形反演方法,首先获取研究区沉陷前和沉陷后的SAR影像及沉陷区沉陷前的DEM数据,采用D-InSAR技术,得到沉陷后地表下沉信息;再根据地表下沉信息和工作面角点坐标、采厚、倾斜角等参数,求解出该工作面的概率积分法参数;最后采用基于概率积分法模型,反演出沉陷区水下地形的动态变化及停采后水下地形最终形态。本发明方法中InSAR数据获取成本低,D-InSAR技术获取的地表下沉数据精度高、数据量大,参数反演基于半实测数据,参数反演结果适用于研究区,可以反演出工作面采动过程中积水区域水下地形,指导沉陷区水陆复合生态系统的建立,为沉陷区地表的土地利用规划、土地复垦、生态恢复等提供重要参考。

    一种矿区地表沉降三维激光扫描地表沉降监测设站方法

    公开(公告)号:CN109253717A

    公开(公告)日:2019-01-22

    申请号:CN201811171882.2

    申请日:2018-10-09

    Applicant: 安徽大学

    CPC classification number: G01C5/00

    Abstract: 本发明公开了矿区地表沉降监测方法技术领域的一种基于三维激光扫描的矿区地表沉降监测点布设方法,利用泰森多边形内任何位置离该多边形样点的特性,将矿区沉陷区域有效地划分多个泰森多边形,然后在泰森多边形样点处布设地表沉降监测点,按照一定的顺序从最外层向内规划监测路线,按规划的路线在监测点上架设三维激光扫描仪,定期获取沉陷区点云数据,地表沉降稳定后计算沉陷区地表沉降情况;本发明通过将沉陷区域有效地划分多个泰森多边形,保证三维激光扫描数据分布均匀,避免了盲区,有效提高了三维激光扫描提取矿区地表速度和后期点云数据处理的效率,并减少了后期处理的误差,同时解决了当沉陷区随着煤层开采而积水后,监测点布设问题。

    一种车辆违章信息发布方法、系统及存储介质

    公开(公告)号:CN108965313A

    公开(公告)日:2018-12-07

    申请号:CN201810856829.X

    申请日:2018-07-31

    Applicant: 安徽大学

    Abstract: 本申请实施例公开了一种车辆违章信息发布方法、系统及存储介质,其中方法包括:可信中心根据第一预设规则生成系统参数信息;可信中心根据第二预设规则获取基础设施发来的目标车辆的真实身份信息,查询对应目标车辆的目标参数信息;可信中心将目标参数信息发送至基础设施;基础设施根据目标参数信息及第三预设规则对目标车辆的违章信息进行加密,并将加密后的违章信息发送至所述目标车辆;目标车辆根据第四预设规则对违章信息进行认证,认证通过后接收违章信息。通过加密发布和认证接收,实现信息源认证和保护车辆隐私的完整性,同时保护基础设施发布信息的机密性。

    一种高潜水位采煤沉陷区超前治理方法

    公开(公告)号:CN107882561A

    公开(公告)日:2018-04-06

    申请号:CN201711103786.X

    申请日:2017-11-10

    CPC classification number: E21C41/00

    Abstract: 本发明提供了一种高潜水位采煤沉陷区超前治理方法,适用于高潜水位矿区沉陷积水区地质环境治理。步骤为:本发明包括如下步骤:搜集矿区地质采矿资料;采用概率积分法预计方法预计地表沉陷情况,绘制地表沉陷等值线图;确定挖深垫浅边界;计算挖深垫浅区域填挖土方量以及挖深区域最终高程;根据求出的h挖和挖深垫浅边界对高潜水沉陷积水区进行改造,实现高潜水位采煤沉陷区超前治理。其工艺简单,成本低廉,有效缩小了沉陷积水区面积挖深区域,无需从周边土地二次取土,既能保障覆土的肥力,不会造成二次污染,大大提高了沉陷区土地的利用率。

    一种基于联邦学习的隐私保护图像分类方法

    公开(公告)号:CN113642664B

    公开(公告)日:2024-02-20

    申请号:CN202110975055.4

    申请日:2021-08-24

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于联邦学习的隐私保护图像分类方法,其步骤包括:1服务器获取公共数据并预处理;2服务器初始化并通过洗牌器下发数据至各客户端;3客户端训练本地神经网络;4洗牌器随机子采样客户端;5子采样客户端预测公共数据,扰动并加密后发送给洗牌器;6洗牌器伪造并随机排列预测后发送匿名预测给服务器;7服务器聚合匿名预测并训练全局神经网络;8服务器将训练好的全局神经网络下发至各客户端;9客户端利用训练好的全局神经网络进行图像分类。本发明利用差分隐私和联邦学习,实现了隐私保护的协作式图像分类。

    一种基于无人机航空摄影的实景三维建筑物智能提取方法

    公开(公告)号:CN115272864A

    公开(公告)日:2022-11-01

    申请号:CN202210982425.1

    申请日:2022-08-16

    Abstract: 本发明提出了一种基于无人机航空摄影的实景三维建筑物智能提取方法,包括如下步骤:步骤1、将无人机倾斜摄影测量获得的正射影像以及实景三维模型的数据格式进行转化后,对正射影像中的建筑物进行矢量绘制,并从三维模型文件中提取出建筑物矢量文件;步骤2、对格式转化后的数据以及所提取的矢量进行点云样本的制作以及样本库的构建;步骤3、在Pointnet++网络模型上进行模型构建,利用制作好的样本数据进行模型的模拟训练;步骤4、通过模型训练对点的特征进行学习后,得到其对应的权重,将需要进行测试的点云数据,用训练模型对每一个点进行预测打分,借此,本发明使用卷积神经网络有益于从场景影像中快速、准确地提取建筑物对象,适于广泛推广应用。

Patent Agency Ranking