-
公开(公告)号：CN116542171A
公开(公告)日：2023-08-04
申请号：CN202310380886.6
申请日：2023-04-11
Applicant: 中国电建集团中南勘测设计研究院有限公司
IPC: G06F30/28 , G06F30/27 , G16C20/70 , G16C20/10 , G06Q50/26 , G06F113/08 , G06F119/14 , G06F119/08 , G06F119/02
Abstract: 本发明提供一种基于机器学习水文模型的叶绿素a含量预测方法及装置，所述基于机器学习水文模型的叶绿素a含量预测方法包括：将SWAT模型与土壤水动力学模型、溶质运移模型、营养物藻类演化模型进行组合，得到流域水文模型；利用所述流域水文模型对流域中的叶绿素a含量进行预测。
-
公开(公告)号：CN114612488A
公开(公告)日：2022-06-10
申请号：CN202210242113.7
申请日：2022-03-11
Applicant: 中国电建集团中南勘测设计研究院有限公司
Abstract: 本发明公开了一种建筑物单体化信息提取方法、计算机装置及存储介质，获取带地理坐标信息的建筑物二维正射影像和对应的三维点云数据；基于深度学习的实例分割模型获取建筑物在二维正射影像中的大致轮廓面；将所述大致轮廓面转换成真实地理坐标的轮廓面；基于步骤S3得到的轮廓面切割所述三维点云数据，得到三维点云集合；分离和保存所述三维点云集合中存在的多个建筑物，基于建筑物的空间几何结构，对房屋进行精细化处理，提取建筑物的属性信息。本发明突破了对倾斜摄影数据利用的技术瓶颈，实现了对倾斜摄影模型和点云模型中建筑物快速、智能的物理单体化，大幅减低了人工成本，提高了对倾斜摄影数据的利用率，提高了生产效率。
-
公开(公告)号：CN114416724A
公开(公告)日：2022-04-29
申请号：CN202111544650.9
申请日：2021-12-16
Applicant: 中国电建集团中南勘测设计研究院有限公司
Abstract: 本发明公开了一种基于自动分割与空间索引的三维点云文件加载方法，所述方法包括步骤如下：获取待处理的三维点云文件；对所述三维点云文件进行自动点云分割，所述自动点云分割是按照预先设计好的点云分块方式，逐行读取并分割三维点云文件；对所述三维点云文件进行空间索引与动态加载。相对于传统三维点云文件分割加载方式，本发明通过三维点云文件的自动化分割实现超大型三维点云的自动化分块；并通过空间索引库构建以及动态加载，实现三维点云的高效空间索引，并实现了分块点云的拼接与标准化格式输出，提高了三维点云文件的处理效率，并降低了处理所需的硬件开销，特别是对超大型三维点云文件特别适用。
-
公开(公告)号：CN114267422A
公开(公告)日：2022-04-01
申请号：CN202111602879.3
申请日：2021-12-24
Applicant: 中国电建集团中南勘测设计研究院有限公司
Abstract: 本发明公开的一种地表水质参数预测方法与系统，包括获取N个站点在T时期内的水质参数检测结果，计算出各水质参数之间的皮尔逊相关系数，选取皮尔逊相关系数大于设定阈值的m个水质参数对应的所有水质参数检测结果作为样本，将样本中N个站点在检测时刻t的水质参数检测结果作为一条样本数据构造N个站点间的K近邻图，构建长短期记忆图卷积神经网络，以每M条样本数据和邻接矩阵A作为输入对长短期记忆图卷积神经网络进行训练，利用训练后的网络进行水质参数预测。本发明能高效准确地从多个站点的历史数据及其相互间的空间关系中捕捉水质参数的传播变化规律，并对未来时间段的水质参数进行准确预测。
-
公开(公告)号：CN114550014B
公开(公告)日：2024-08-13
申请号：CN202210174578.3
申请日：2022-02-24
Applicant: 中国电建集团中南勘测设计研究院有限公司
IPC: G06V20/17 , G06V10/26 , G06V10/42 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种道路分割方法及计算机装置，从无人机航拍高分辨率道路数据集获取N张图像，利用所述N张图像获取训练集；利用所述训练集训练道路提取模型，得到训练后的道路提取模型；将待测试图像输入所述训练后的道路提取模型，得到道路提取结果。本发明提出了双注意力的残差学习模块，在自适应调节感受野之外兼顾了全局信息的提取，能够更准确的捕捉道路拓扑结构特征，获得更拟合目标的感受野，提升了道路提取的连贯性。
-
Patent Agency Ranking
公开(公告)号：CN114549569B
公开(公告)日：2024-04-09
申请号：CN202210198442.6
申请日：2022-03-01
Applicant: 中国电建集团中南勘测设计研究院有限公司
IPC: G06T7/13 , G06T7/62 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于二维正射影像的房屋轮廓提取方法，先获取需要提取房屋轮廓区域的原图像，在根据原图像通过影像遍历得到覆盖所述原图像的所有区域的子图像，再将子图像逐一载入房屋检测模型，得到每张子图像中每栋房屋的矩形图像，然后获得的每栋房屋的矩形区域图像输入模糊轮廓提取网络模型，获得每张图像的模糊轮廓灰度图，接着将获得的模糊轮廓灰度图中间十六分之一的矩形区域内的像素置为零，将所得灰度图采用注水填充法获取房屋区域二值图，然后以等距放大的方法将轮廓扩大一定像素，采用最小矩形拟合方式获取房屋的最终矩形轮廓，最后计算步骤8所获得轮廓的像素面积，实现房屋轮廓的精确提取，提高了房屋的统计面积。
-
公开(公告)号：CN116108745A
公开(公告)日：2023-05-12
申请号：CN202310032654.1
申请日：2023-01-10
Applicant: 中国电建集团中南勘测设计研究院有限公司
IPC: G06F30/27 , G06N3/006 , G06N3/04 , G06N3/084 , G06F111/06 , G06F111/08 , G06F113/08 , G06F111/10
Abstract: 本发明公开了一种水环境模型多参数率定方法、终端设备及存储介质，选取率定参数，抽取设定数量的参数组合，将所述参数组合作为SWMM模型的输入，得到所述设定数量的输出结果；利用所述输出结果构建训练集，将所述训练集作为神经网络模型的输入，训练所述神经网络模型；初始化种群规模、迭代次数和变异概率，设置粒子维度，将所述参数组合作为差分进化算法的输入，根据目标函数进行迭代，直至达到设定迭代次数，获得最终的参数组合。本发明利用神经网络训练过的参数样本，借助差分进化算法实现了模型参数的进一步优化率定，达到了参数搜索全局最优目的，有效地解决了模型异参同效和动态变化参数难以率定的问题。
-
公开(公告)号：CN115272189A
公开(公告)日：2022-11-01
申请号：CN202210748970.4
申请日：2022-06-29
Applicant: 中国电建集团中南勘测设计研究院有限公司
Abstract: 本发明公开了一种管道缺陷评级方法、终端设备及存储介质，本发明实现了沉积、浮渣、障碍物、支管暗接、异物穿入、残墙坝根的量化评级；同时，相比于已有的破裂评级方法，本发明考虑了破裂的三维空间性质，大幅提高了破裂评级的精度。本发明可以对管道缺陷进行全面评级，提高了管道缺陷评级的准确性。
-
公开(公告)号：CN114821382A
公开(公告)日：2022-07-29
申请号：CN202210142276.8
申请日：2022-02-16
Applicant: 中国电建集团中南勘测设计研究院有限公司
IPC: G06V20/40 , G06V10/54 , G06V10/74 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明公开了一种管道图像去重方法、计算机装置、产品及存储介质，接收待识别的管道检测图像视频流，抽帧得到管道图像帧，并调整为标准图像；提取最相近两帧的图像，分别基于FPN网络计算图像特征；计算两张图像相似度，若相似度大于阈值，则计算两张图像的相似区域及相似区域在两张图像中的位置并输出计算结果。本发明解决了昏暗条件下管道智能检测图像重复判别和存储导致的效率低下、内存开销大、硬件消耗大等问题，为管道智能化检测效率提升、智能化检测落地、检测成本节约提供了基础。
-
公开(公告)号：CN114359103A
公开(公告)日：2022-04-15
申请号：CN202210005799.8
申请日：2022-01-04
Applicant: 中国电建集团中南勘测设计研究院有限公司
Abstract: 本发明公开了一种高光谱图像去雾方法、装置、计算机产品及存储介质，结合通道融合的方式提取高光谱图像深层信息，从而获取更为准确的混合像元分解模型。使用混合像元分解模型获取高质量的雾端元丰度值，使用雾端元丰度值调整剩余端元丰度，使用剩余端元进行反卷积重建去雾高光谱图像，为了保证重建后的高光谱图像保留原高光谱图像信息，引入重建损失与对抗损失，实现了高光谱图像的快速去雾，消除了图像块效应、像素过度饱、图像失真的现象，降低了对先验知识的依赖性、提高了模型的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.04 seconds)
