-
公开(公告)号：CN113045139B
公开(公告)日：2022-09-06
申请号：CN202110340483.X
申请日：2021-03-30
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 本发明针对泸沽湖大草海的现有问题，提供一种泸沽湖大草海退化湿地的生态修复方法。包括：在湿地边缘构建景观生态护岸带；在大草海的中北部水生植物生长密集或板结的区域架构大草海水生植物景观斑块；针对大草海湿地进行水体循环设计。本方案根据山水林田湖草综合治理，对恢复泸沽湖草海湿地的生态环境具有显著效果。
-
公开(公告)号：CN113045138A
公开(公告)日：2021-06-29
申请号：CN202110340241.0
申请日：2021-03-30
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 本发明针对泸沽湖大草海的现有问题，提供一种针对泸沽湖大草海退化湿地设计的多级斑块过滤湿地系统，该系统包括：生态驳岸系统和至少两个个斑块，所述生态驳岸系统包括至少三级过滤子系统，所述斑块内设置有至少一个滤水池和至少一个渗透井。本系统划分成为多层级、多斑块的湿地系统，达到水体的滞留与净化功能，经过多层次的滞留与过滤，水中污染物会被植物吸收或经过与微生物反应产生分解作用，从而达到净化水体，恢复水生态的目的，对恢复泸沽湖草海湿地的生态环境具有显著效果。
-
公开(公告)号：CN113045138B
公开(公告)日：2022-09-06
申请号：CN202110340241.0
申请日：2021-03-30
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 本发明针对泸沽湖大草海的现有问题，提供一种针对泸沽湖大草海退化湿地设计的多级斑块过滤湿地系统，该系统包括：生态驳岸系统和至少两个个斑块，所述生态驳岸系统包括至少三级过滤子系统，所述斑块内设置有至少一个滤水池和至少一个渗透井。本系统划分成为多层级、多斑块的湿地系统，达到水体的滞留与净化功能，经过多层次的滞留与过滤，水中污染物会被植物吸收或经过与微生物反应产生分解作用，从而达到净化水体，恢复水生态的目的，对恢复泸沽湖草海湿地的生态环境具有显著效果。
-
公开(公告)号：CN113705337A
公开(公告)日：2021-11-26
申请号：CN202110799165.X
申请日：2021-07-15
Applicant: 南京林业大学 , 中国林业科学研究院资源信息研究所
Abstract: 本发明公开了一种基于独立共享空间距离度量学习的无人机多视图火人烟识别方法，属于模式识别技术领域，包括以下步骤：S1、通过无人机在林区实时采集数据来获取无人机航测数据，对获取的视频进行联合平差处理，对视频进行单元拆分识别得到视频中的人物、烟雾、火焰图像，并对其特征进行识别、提取和标注；S2、将采集到的实时图像进行多视图处理，提取图像的HSV颜色特征作为图像的第一视图，然后通过LBP算法提取图像的纹理特征作为图像的第二视图；S3、将数据带入多视图识别方法进行识别，该基于独立共享空间距离度量学习的无人机多视图火人烟识别方法，容易实现，并且易于优化，很好地解决了描述的目标可能存在视图缺失导致无法保证共享特征模式的有效表达的问题。
-
公开(公告)号：CN113705336A
公开(公告)日：2021-11-26
申请号：CN202110799162.6
申请日：2021-07-15
Applicant: 南京林业大学 , 中国林业科学研究院资源信息研究所
Abstract: 本发明公开了一种灵活切割烟雾鲁棒特征提取方法，包括以下步骤：S1、制定动机和模型，利用切L2,p范数代替主成分分析中平方L2范数作为距离度量，并定义模型；S2、标出高峰区域和非高峰区域；S3、在数据集上可视化PCA和PCA‑L2,p的投影方向；当p为一个小值时，PCA‑L2,p的投影方向明显偏离于PCA的投影方向；相反，当p为一个较大值时，PCA‑L2,p能够学习到一个更好的投影。在数据集中插入野值，使在移除野值对主成分分析模型的影响后，L2,p‑范数距离度量能通过选择一个p值来获得更稳健的投影，并将p定义为一个大的值，准确率高,利用所提范数的切割特性，即使p值很大，噪声的影响也不会被放大。
-
Patent Agency Ranking
公开(公告)号：CN118887441A
公开(公告)日：2024-11-01
申请号：CN202410821479.9
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/764 , G06V20/17 , G06V20/10 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/045
Abstract: 本申请提供基于融合注意力机制和无人机可见光影像的单木树冠检测方法，包括以下步骤：第一步：无人机影像获取无人机正射影像数据；第二步：数据预处理无人机正射影像数据；第三步：优化模型Att‑Mask R‑CNN的主干网络构建；第四步：优化模型Att‑Mask R‑CNN的区域候选网络构建；第五步：优化模型Att‑Mask R‑CNN的多分支网络构建；第六步：单木树冠垂直投影面积估计；第七步：优化模型Att‑Mask R‑CNN的精度验证。该方法是通过优化现有深度学习方法，构建苗景兼用林的单木树冠分割模型并研究其林分结构，为智慧林业以及科学经营提供理论依据。本申请基于高分辨率无人机遥感影像，探究了优化模型Att‑Mask R‑CNN(Attention‑based Mask R‑CNN，基于注意力机制的Mask R‑CNN模型)林区内识别每个树冠和树冠垂直投影面积估测的能力。
-
公开(公告)号：CN118840546A
公开(公告)日：2024-10-25
申请号：CN202410821577.2
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/26 , G06V20/17 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本申请提供一种基于改进Mask Scoring R‑CNN的林火检测与分割方法，包括以下步骤：(1)森林火灾模拟：对森林可燃物在规定区域进行森面火灾模拟，并且使用干草、落叶对其助燃；(2)无人机航拍影像采集：使用多旋翼无人机搭载一台可见光相机对林火进行影像采集；(3)林火数据标注：为保证林火分割的质量，将帧间隔数设置为10，采用交互式多边形工具Labelme软件对每个林火目标提取精确的标签区域，包括被遮挡或者是存在于图像边缘的林火目标，同时，为了减少对模型的计算需求，所有图像统一缩放至1280×720分辨率，并以JPEG格式保存；(4)构建改进模型MaskSU R‑CNN：MaskSU R‑CNN主要由特征提取网络、区域候选网络、边界框分类回归和掩膜生成网络组成。
-
公开(公告)号：CN118736256A
公开(公告)日：2024-10-01
申请号：CN202410821552.2
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/762 , G06V10/764 , G06V10/26
Abstract: 本申请提供一种基于超像素的森林火灾实时检测方法，涉及机器学习技术领域，包括：(1)图像超像素分割：对林火图像先进行SLIC超像素分割，将位置邻近和颜色相似的像素划分为若干个超像素；(2)代表点选择：鉴于超像素良好的目标边界一致性，将超像素等效为像素，从像素中选择或构造代表点；(3)引入监督信息：将代表点与引入的监督信息进行比对，从而完成火焰检测。本发明分别以超像素的均值、中值和均值与中值的组合构造代表点，在多种场景的12张林火图像上进行了实验验证，相比于向量和矩阵块模式表示方法，该文方法在10张图像上的林火识别率均达到了最高，平均识别率在98.2％以上。
-
公开(公告)号：CN114078218B
公开(公告)日：2024-03-29
申请号：CN202111406318.6
申请日：2021-11-24
Applicant: 南京林业大学 , 中国林业科学研究院资源信息研究所
IPC: G06V20/17 , G06V20/40 , G06V10/774 , G06V10/80
Abstract: 本发明公开一种自适应融合的森林烟火识别数据增广方法，包括以下步骤：森林烟火数据采集，数据集构建，数据集分析和融合数据增广；本发明在加权叠加基础上考虑样本分布不均衡问题，根据类别偏重随机提取标注框，同时结合马赛克数据增广的背景复用特点，设计IOA阈值过滤，满足条件的提取标注框与马赛克样本做线性特征融合，在保证不损失马赛克样本信息基础上拓展目标信息密度，从而提升原始样本信息利用率，解决了原始样本中目标过于集中图片中心问题，实现数据量的扩充，可以有效的缓解样本分布不均衡问题，均匀样本标注框出现的位置，提升原始样本信息利用率，极大的增加了森林烟火数据样本的规模，提高了森林烟火识别的精确度。
-
公开(公告)号：CN113705336B
公开(公告)日：2024-03-19
申请号：CN202110799162.6
申请日：2021-07-15
Applicant: 南京林业大学 , 中国林业科学研究院资源信息研究所
Abstract: 本发明公开了一种灵活切割烟雾鲁棒特征提取方法，包括以下步骤：S1、制定动机和模型，利用切L2,p范数代替主成分分析中平方L2范数作为距离度量，并定义模型；S2、标出高峰区域和非高峰区域；S3、在数据集上可视化PCA和PCA‑L2,p的投影方向；当p为一个小值时，PCA‑L2,p的投影方向明显偏离于PCA的投影方向；相反，当p为一个较大值时，PCA‑L2,p能够学习到一个更好的投影。在数据集中插入野值，使在移除野值对主成分分析模型的影响后，L2,p‑范数距离度量能通过选择一个p值来获得更稳健的投影，并将p定义为一个大的值，准确率高,利用所提范数的切割特性，即使p值很大，噪声的影响也不会被放大。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.05 seconds)
