-
公开(公告)号：CN104391040A
公开(公告)日：2015-03-04
申请号：CN201410686965.0
申请日：2014-11-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种相控阵结构健康监测Lamb波压缩及重构方法，构造压电线阵，按相控阵原理定向激发和接收Lamb波信号，对采集的收Lamb波响应信号进行稀疏表示，选取测量矩阵对信号进行投影变换，构造重构算法精确恢复Lamb波响应信号，并与原始信号比较。本发明基于压缩感知原理，降低数据传输数量，提高传感器阵列的效能，实现对相控阵传感器阵列低采样率采集Lamb波信号的精确重构。
-
公开(公告)号：CN119779313A
公开(公告)日：2025-04-08
申请号：CN202510265753.3
申请日：2025-03-07
Applicant: 南京信息工程大学
IPC: G01C21/20 , G01C21/00 , G01C11/04 , G06T17/00 , G06Q10/047
Abstract: 本发明提供一种用于山体监测的多无人机协同路径规划方法，该方法通过设定的无人机集群编队采集待测山体的图像，利用Harris角点检测算法对待测山体进行特征点提取，标记出山顶特征点、山洼特征点及山脚特征点，并计算得到各特征点在世界坐标系下的坐标，进而得到待测山体三维模型，而后利用贪心算法进行将特征点作为任务检测点分配给无人机集群，利用待测山体三维模型，根据A‑Star算法对分配到检测任务的各无人机进行三维路径规划。本发明利用无人机自动编队协同采集待测山体图像，减少了人工的投入，同时可适应不同的地形和环境情况，数据采集覆盖范围更广，提高了工作效率，为山区自然灾害的监测提供了有力支持。
-
公开(公告)号：CN119181027A
公开(公告)日：2024-12-24
申请号：CN202411700239.X
申请日：2024-11-26
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于Deeplabv3+的天气雷达迁飞生物回波提取方法，包括以下步骤：（1）选择半径为2.3公里的雷达扫描范围内的第一仰角和第二仰角进行监测；（2）对收集到数据进行预处理；（3）构建基于Xception的DeepLabv3+语义分割网络，并对Xception引入注意力机制模块和边缘提取模块；（4）对雷达图像中的生物回波信息进行提取；本发明实现对空中生物大尺度的智能化监测，降低设备部署成本和难度，推动空中生态智能化监测技术的发展。
-
公开(公告)号：CN118445521B
公开(公告)日：2024-09-17
申请号：CN202410903542.3
申请日：2024-07-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种抗遮挡的无人机目标跟踪方法，包括以下步骤：（1）通过机载摄像头获取视频流，手动框选所要跟踪的目标对象的边界框；（2）对所框选的目标对象边界框内的图像进行HOG方向梯度直方图，CN颜色直方图，LBP局部二值模式的特征提取；（3）分别对HOG、CN、LBP特征向量进行滤波操作；计算在HOG、CN、LBP特征下的响应值；计算在HOG、CN、LBP特征下的平均峰值能量；（4）通过各个特征下的平均峰值相关能量计算出HOG、CN、LBP特征下的权重；并求出融合后的响应图；（5）计算融合后的平均相关能量；（6）构建目标抗遮挡策略以及目标匹配策略；本发明在目标出现遮挡或丢失时，可以继续跟踪。
-
公开(公告)号：CN118310537B
公开(公告)日：2024-09-13
申请号：CN202410734952.X
申请日：2024-06-07
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种自适应策略改进减法平均优化算法的路径规划方法，包括以下步骤：（1）构建二维栅格地图环境，以及包含运动约束的目标函数；（2）初始化算法参数，（3）引入ICMIC混沌映射策略初始化搜索代理的位置；基于初始搜索代理评估目标函数；（4）引入自适应概率值，利用改进的基本减法平均优化算法更新搜索代理位置；（5）通过判断搜索代理的目标函数值是否满足条件，以及自适应概率值是否满足条件，选择更优的位置更新方式；本发明本发明收敛精度高，速度快，且在地图中能高效地完成路径规划任务。
-
Patent Agency Ranking
公开(公告)号：CN117726033B
公开(公告)日：2024-05-14
申请号：CN202311747559.6
申请日：2023-12-19
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/0442 , G06F18/214 , G06N3/08
Abstract: 本发明公开了一种基于Multi‑headed CNN模型与卫星降雨产品的洪水预报方法，通过使用历史的卫星降雨量数据与流域的水文站的流量数据，挖掘研究流域降雨‑流量的隐藏信息，去预测未来短期的流域的流量。包括步骤如下：获取历史的卫星降雨产品的数据以及所地面水文站实际测量的流量数据和流域边界的矢量数据；确认时间序列的迟滞窗口；通过ArcGIS平台中的泰森多边形算法将卫星降雨产品转化为平均面积降雨量；数据预处理以及划分训练集与测试集；构建预报模型以及参数的调整；对洪水进行预测评估模型的性能。本发明具备高度重建非线性函数的独特优越性，能对洪峰值以及洪峰达到的时间进行估计，有效提高洪水的预报精度。
-
公开(公告)号：CN116385272B
公开(公告)日：2023-12-19
申请号：CN202310509122.2
申请日：2023-05-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种图像超分辨率重建方法、系统及设备，所述方法包括：通过第一参考图像获取第一图像和输入图像；利用卷积结构下采样提取输入图像浅层特征，得到第二参考图像；通过组合操作处理第二参考图像，得到融合特征图像；将融合特征图像进行迭代上下采样操作，得到第一图像的超分辨率图像；将第一图像超分辨率图像利用对偶卷积结构进行降采样，获得超分辨率降采样图像；通过训练得到图像超分辨率重建模型，使用模型对低分辨率图像进行重建，得到重建完成的超分辨率图像；采用上述方案，可以使超分辨率图像具有丰富纹理，提高了图像超分辨率的性能，实现了充分利用浅层深层图像特征完成图像超分辨率重建。
-
公开(公告)号：CN115937707A
公开(公告)日：2023-04-07
申请号：CN202211702126.4
申请日：2022-12-29
Applicant: 南京信息工程大学
IPC: G06V20/13 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/80 , G06V20/70
Abstract: 本发明公开了一种基于多尺度残差注意力模型的SAR影像水体提取方法，步骤如下：首先对SAR原影像进行预处理和标签制作，得到模型的训练集和测试集；其次针对遥感影像中水体形态各异问题，模型的编码器被设计成多尺度残差模块；针对狭窄水域识别准确率低的问题，模型的解码器采用嵌套式结构；最后在每层编码器后面加上细化注意力模块(SC‑attention)，融合空间特征中丰富的语义信息和通道特征中准确的位置信息，以逐步细化分割细节来避免水体边界信息的丢失。本发明利用多尺度残差模块获得水体不同尺度下的特征信息，通过嵌套式解码器能够抑制影像中散斑噪声和非水体背景，保留更多的水体信息，从而获得更好的分割结果。
-
公开(公告)号：CN106525521A
公开(公告)日：2017-03-22
申请号：CN201611127610.3
申请日：2016-12-09
Applicant: 南京信息工程大学
CPC classification number: G01N1/2273 , G01N33/0004
Abstract: 本发明属于气体检测技术领域，尤其是一种气体采集检测装置，包括无人机，所述无人机带有舵机；还包括气体检测管以及气体采样器；所述气体采样器包括缸体以及活塞；缸体的一端开设有进气口、另一端设有活塞；活塞带有活塞柄；所述缸体固定于无人机的下方；所述活塞柄采用曲柄机构与无人机舵机偏置连接；气体检测管一端连通于缸体设有进气口的一端，另一端面向无人机飞行过程中旋向设置，并且活塞柄能在无人机舵机的带动下通过曲柄机构的作用沿缸体进行往复运动。其有效实现定点定时的对多种气体进行检测。
-
公开(公告)号：CN106442030A
公开(公告)日：2017-02-22
申请号：CN201610818694.9
申请日：2016-09-12
Applicant: 南京信息工程大学
CPC classification number: G01N1/2273 , B64C39/024 , G01N1/24 , G01N27/12 , G01N2001/2279
Abstract: 本申请公开了一种基于四旋翼飞行器的气体实时监测及采集装置，包括四旋翼飞行器和气体实时监测及采集装置，气体实时监测及采集装置设于四旋翼飞行器上。与现有技术相比，本申请的有益效果是：本方案提出了一种基于四旋翼飞行器的气体采集，利用多旋翼飞行器良好的可操控性和稳定性的特性，对工业园区排放的气体进行采集，这样可以避免人工采集时可能吸入毒性气体的可能性和企业的防范，并能够有效监测各个时间段，工业园区排放气体的情况，实现了化工园区有害气体排放的高效管理。
-
-
-
-
-
-
-
-
-
Search Results
230
records
(took 0.058 seconds)
