-
公开(公告)号：CN113159044A
公开(公告)日：2021-07-23
申请号：CN202110357460.X
申请日：2021-04-01
Applicant: 中国公路工程咨询集团有限公司 , 航天信德智图(北京)科技有限公司
Abstract: 本发明属于道路材质识别技术领域，公开了一种基于深度学习的卷积神经网络的道路材质识别方法，包括以下步骤：输入影像，找到道路位置；将非道路位置亮度调0；将影像转为红、绿、近红三通道，对道路材质进行识别；收集好数据后，搭建以ResNet50为特征提取器的deeplabV3+语义分割模型，在影像上进行训练；得到每条道路都着色的热力图，通过颜色判定道路的材质类别。本发明通过结合路网数据，以及部分手工矫正，避免了在道路位置的提取上花费过大的计算资源，同时，本发明结合了卫星影像所具有多波段光谱信息这一特点，对不同的路面材质进行了光谱分析，使输入数据中含有的特征信息更加丰富且更具有代表性，并通过预处理凸显目标的所有特征，提高了识别精度。
-
公开(公告)号：CN119227913A
公开(公告)日：2024-12-31
申请号：CN202411757807.X
申请日：2024-12-03
Applicant: 航天信德智图(北京)科技有限公司
IPC: G06Q10/04 , G06Q50/02 , G06V20/13 , G06V20/17 , G06V20/10 , G06V10/56 , G06V10/46 , G06V10/54 , G06V10/74 , G01W1/02 , G06F16/907 , G06F16/909 , G06F18/22 , G06F18/27
Abstract: 本申请提供了一种基于多源遥感数据的农林监测一体化系统和方法。多种摄像装置获取监测区域的多源图像；基于摄像装置的属性信息和多源图像的特征信息，对多源图像进行融合处理生成监测区域的全景图像；检测全景图像的图像特征以确定病虫害区域，根据病虫害区域的图像特征确定其对应的虫害属性；获取预设周期的气候数据，将气候数据与标准数据进行对比确定气候属性；根据各病虫害区域的虫害属性和气候属性，预测监测区域的农林产量。上述过程结合摄像装置属性和图像特征生成了监测区域全景图，以精准检测出病虫害区域及其属性，同时通过对比当前气候与标准数据确定了气候属性，将虫害和气候等变动因素进行综合考虑，实现了高效精准的产量预测。
-
公开(公告)号：CN116720635A
公开(公告)日：2023-09-08
申请号：CN202311012283.7
申请日：2023-08-11
Applicant: 航天信德智图(北京)科技有限公司
IPC: G06Q10/04 , G06Q50/02 , G06N3/0442 , G06V10/764 , G06V10/82
Abstract: 本发明涉及深度学习技术领域，公开了一种基于实测数据的广西油茶估产方法，包括以下步骤：步骤S101，采集油茶果树的五个油茶果树图像；步骤S102，构建预测模型；步骤S103，将油茶果树图像输入预测模型，输出节点编码特征向量映射到二维坐标系的坐标点，生成坐标点拟合曲线，搜索拟合曲线峰点的总数作为油茶果数量；步骤S104，计算待估产的种植区域的油茶果树的平均油茶果数量；步骤S105，通过油茶果树的平均油茶果数量计算待估产的油茶果树的平均产量；本发明基于现场实测采集的多个角度的油茶果树图像进行处理，结合应用了节点图结构和注意力机制的预测模型来计算油茶果树的产果数量，并基于计算的结果采取对应的管理措施，提高油茶果种植的经济效益。
-
公开(公告)号：CN108956505B
公开(公告)日：2021-05-28
申请号：CN201811087919.3
申请日：2018-09-18
Applicant: 航天信德智图(北京)科技有限公司
Abstract: 本申请公开了基于Sentinel‑2图像的小型水体中叶绿素a浓度的检测方法及装置，其中，方法包括：获取包含待检测小型水体的Sentinel‑2图像；依据Sentinel‑2图像，确定待检测小型水体的红光波段的遥感反射率和植被红边波段的遥感反射率；依据Sentinel‑2图像中小型水体的红光波段的遥感反射率、小型水体的植被红边波段的遥感反射率以及小型水体的叶绿素a浓度间的关系，确定待检测小型水体的叶绿素a浓度。通过本申请实施例，基于Sentinel‑2图像所计算出的待检测小型水体的叶绿素a浓度的准确性更高。
-
公开(公告)号：CN112132321A
公开(公告)日：2020-12-25
申请号：CN202010865182.4
申请日：2020-08-25
Applicant: 航天信德智图(北京)科技有限公司
IPC: G06Q10/04 , G06N20/00 , G06N3/08 , G06K9/62 , G06F40/289
Abstract: 本发明提供了一种基于机器学习对森林火灾预测分析的方法，涉及预测分析领域，采用多种机器学习算法，通过大数据分析，预测森林火灾概率，有效避免了传统评估方法主观性过强、评估标准不一、评估结果差异大的问题。
-
Patent Agency Ranking
公开(公告)号：CN111476746A
公开(公告)日：2020-07-31
申请号：CN202010196505.5
申请日：2020-03-19
Applicant: 航天信德智图(北京)科技有限公司
Abstract: 本发明涉及一种基于IHS变换与自适应区域特征的遥感图像融合方法，包括如下步骤：获取待融合遥感图像；通过自适应区域特征对遥感图像进行修复及校正；将多光谱遥感图像的R、G、B三个波段转换到IHS空间；将全色图PAN图像与多光谱MS图像经IHS变换后得到的亮度分量I，融合后得到新的融合分量I’，保持H和S分量不变；IHS反变换得到增强后的多光谱图像，通过融合分量I’，代替亮度分量，并同H、S分量图像一起转换到RGB空间，得到融合图像；对融合结果进行评价，本发明将自适应区域特征运用到遥感图像融合中，避免了现有技术直接采用多光谱MS图像与全色图PAN图像进行融合时出现图像失真的问题，得到的融合结果图像分辨率高。
-
公开(公告)号：CN110736710A
公开(公告)日：2020-01-31
申请号：CN201911080822.4
申请日：2019-11-07
Applicant: 航天信德智图(北京)科技有限公司
IPC: G01N21/31
Abstract: 本发明提供了一种基于NDVI时间序列的玉米产量评估方法，涉及玉米产量评估领域，包括多光谱成像装置、数据发射基站、接收终端以及模型拟态设备，本发明能够通过多光谱成像装置定期快速采集NDVI多光谱成像的成像数据，即快速得出归一化植被指数，并将归一化植被指数信息发送至数据发射基站，数据发射基站将成像数据加强转发至模型拟态设备，模型拟态设备将根据多组预设设定的参数，结合往年数据库信息，通过设定的模型快速进行玉米产量的评估。
-
公开(公告)号：CN109142237A
公开(公告)日：2019-01-04
申请号：CN201811079465.5
申请日：2018-09-13
Applicant: 航天信德智图(北京)科技有限公司
IPC: G01N21/25
CPC classification number: G01N21/25
Abstract: 本发明公开了一种监测感染松材线虫病枯死马尾松的卫星光谱指数，包括如下步骤：1)采集马尾松冠层960nm、760nm、650nm和540nm波段冠层光谱反射率；2)计算归一化光谱指数NDVI和植被状态指数α；3)计算光谱指数β，根据计算得到的β的值来获得马尾松感染松材线虫病的评价结果。本发明以光谱数据分析技术为基础，提取与马尾松松材线虫病发生动态密切相关的960nm、760nm、650nm和540nm光谱参数，根据植被状态指数和光谱指数预测马尾松感病阶段，以光谱指数变化规律与植被状态指数的变化阈值判断肉眼可识别前感病与否，为未知情况下的森林健康无损鉴定提供了依据。
-
公开(公告)号：CN108956505A
公开(公告)日：2018-12-07
申请号：CN201811087919.3
申请日：2018-09-18
Applicant: 航天信德智图(北京)科技有限公司
Abstract: 本申请公开了基于Sentinel‑2图像的小型水体中叶绿素a浓度的检测方法及装置，其中，方法包括：获取包含待检测小型水体的Sentinel‑2图像；依据Sentinel‑2图像，确定待检测小型水体的红光波段的遥感反射率和植被红边波段的遥感反射率；依据Sentinel‑2图像中小型水体的红光波段的遥感反射率、小型水体的植被红边波段的遥感反射率以及小型水体的叶绿素a浓度间的关系，确定待检测小型水体的叶绿素a浓度。通过本申请实施例，基于Sentinel‑2图像所计算出的待检测小型水体的叶绿素a浓度的准确性更高。
-
公开(公告)号：CN119227913B
公开(公告)日：2025-03-28
申请号：CN202411757807.X
申请日：2024-12-03
Applicant: 航天信德智图(北京)科技有限公司
IPC: G06Q10/04 , G06Q50/02 , G06V20/13 , G06V20/17 , G06V20/10 , G06V10/56 , G06V10/46 , G06V10/54 , G06V10/74 , G01W1/02 , G06F16/907 , G06F16/909 , G06F18/22 , G06F18/27
Abstract: 本申请提供了一种基于多源遥感数据的农林监测一体化系统和方法。多种摄像装置获取监测区域的多源图像；基于摄像装置的属性信息和多源图像的特征信息，对多源图像进行融合处理生成监测区域的全景图像；检测全景图像的图像特征以确定病虫害区域，根据病虫害区域的图像特征确定其对应的虫害属性；获取预设周期的气候数据，将气候数据与标准数据进行对比确定气候属性；根据各病虫害区域的虫害属性和气候属性，预测监测区域的农林产量。上述过程结合摄像装置属性和图像特征生成了监测区域全景图，以精准检测出病虫害区域及其属性，同时通过对比当前气候与标准数据确定了气候属性，将虫害和气候等变动因素进行综合考虑，实现了高效精准的产量预测。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.057 seconds)
