公开(公告)号：CN114595975A

公开(公告)日：2022-06-07

申请号：CN202210238878.3

申请日：2022-03-11

Applicant: 安徽大学

Inventor： 王彪 ,  杨辉 ,  秦军

IPC: G06Q10/06 ,  G06Q10/10 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/774 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明属于无人机遥感数据处理技术领域，具体涉及一种基于深度学习模型的无人机遥感松材线虫病害监测方法，该方法包括：步骤一、无人机遥感数据获取、处理：实地勘察了解作业区域实际状况，获取松材线虫病害监测所需数据；步骤二、松材线虫病害样本库的建立：获取对应松材线虫病害标签，构建松材线虫病害样本库；步骤三、设计针对性的松材线虫病害深度学习监测算法：经过空间信息保留模块提取目标空间细节信息，利用上下文信息模块扩大感受野获取上下文信息，结合注意力优化模块对多层次特征进行融合，输出最终提取结果。本发明在应用上取得具有使用价值的无人机遥感松材线虫病害监测技术，推进松材线虫病害监测的应用与发展。

公开(公告)号：CN114494868A

公开(公告)日：2022-05-13

申请号：CN202210061551.3

申请日：2022-01-19

Applicant: 安徽大学

Inventor： 杨辉 ,  王彪 ,  吴艳兰

IPC: G06V20/10 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/44 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了摄影测量处理技术领域的基于多特征融合深度学习模型的无人机遥感建筑物智能提取方法，以“如何利用深度学习，模拟人眼立体视觉中建筑物多特征表达形式”为核心，研究基于孪生网络的DSM(数字表面模型)与DOM(数字正射影像)的多特征融合方法，设计建筑物多特征的特征抽取、分析能力，通过密集注意力机制进一步增强建筑物的特征传递和累积整合特性，将原来使用的单网络结构变为使用对称网络结构，并且两个对称网络结构完全相同，并结合注意力机制，构建混合模型，深度挖掘无人机遥感建筑物的多层次、多维度的特征和空间关系，实现顾及建筑物多层次特征的无人机遥感建筑物自动提取新方法。

公开(公告)号：CN109145730A

公开(公告)日：2019-01-04

申请号：CN201810770020.5

申请日：2018-07-13

Applicant: 安徽大学

Inventor： 吴艳兰 ,  杨辉 ,  殷志祥

IPC: G06K9/00 ,  G06K9/62

CPC classification number: G06K9/0063 ,  G06K9/6256 ,  G06K9/6268

Abstract: 本发明公开了目标自动检测和深度学习技术领域的一种遥感影像中矿区自动语义分割方法，其特征在于：所述具体步骤如下：步骤一、建立训练样本集：获取矿区的遥感影像，并人工勾绘出矿区的边界，形成边界栅格文件，利用ArcGIS生成448*448、512*512两种尺度的渔网，采用生成的两种所述渔网对所述矿区的遥感影像进行批量裁剪，生成不同尺寸的影像块，作为深度学习网络的输入数据，通过所述渔网对影像中的矿区栅格边界文件进行裁剪，生成每个矿区影像块对应的边界文件，作为网络的标签数据；本发明通过混合网络Den‑Res Net在保留特征完整性的同时能够对提取的特征进行高度抽象，可以采用其解决Dense Net网络的特征冗余问题，工作效率高，能够自动的进行语义分隔，准确度高。