-
公开(公告)号：CN119668259A
公开(公告)日：2025-03-21
申请号：CN202411811008.6
申请日：2024-12-10
Applicant: 广东海洋大学
IPC: G05D1/43 , G05D1/65 , G05D1/633 , G05D1/644 , G05D109/30
Abstract: 本发明公开了一种船舶航向控制方法及系统，属于自适应步长神经动力学、计算机视觉目标提取、遥感影像处理及控制技术领域，包括：构建船舶航向控制的非线性系统模型；基于非线性系统模型构建误差函数；并通过误差演化公式对误差函数进行调整；基于调整后的误差函数与非线性系统模型获得控制输入表达式；构建积分增强零化梯度控制器，对积分增强零化梯度控制器进行求解，获得控制输入，并通过迭代优化获得优化后的控制输入。本发明提出的积分增强零化梯度控制器相比现有的同类控制器，不仅在精度和响应速度上有显著提升，还具有更强的抗噪能力和更高的鲁棒性。
-
公开(公告)号：CN118840565A
公开(公告)日：2024-10-25
申请号：CN202411079569.1
申请日：2024-08-07
Applicant: 广东海洋大学
IPC: G06V10/42 , G06V10/44 , G06V10/80 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及图像处理技术领域，具体涉及遥感图像的特征增强方法及系统，方法包括：构建特征增强模型，特征增强模型包括双向自适应局部‑全局特征编码器、解码器和重构单元；双向自适应局部‑全局特征编码器用于提取精分辨率图像的多分辨率局部‑全局特征和粗分辨率图像的多分辨率局部‑全局特征；通过将待处理图像输入双向自适应局部‑全局特征编码器，提取浅层局部特征和多个分辨率的局部‑全局特征；将浅层局部特征和多个分辨率的局部‑全局特征经解码器从低分辨率向高分辨率逐级融合，生成理想分辨率的融合特征，进而通过重构单元将理想分辨率的融合特征生成高分辨率图像；本发明能够增强遥感影像多尺度局部和全局特征的表达。
-
公开(公告)号：CN118397464A
公开(公告)日：2024-07-26
申请号：CN202410871978.9
申请日：2024-07-01
Applicant: 广东海洋大学
IPC: G06V20/10 , G06N3/0455 , G06N3/08 , G06V10/26 , G06V10/82
Abstract: 本发明涉及图像处理技术领域，具体涉及基于遥感图像的道路提取方法、系统及存储介质，方法包括：建立教师学生模型，教师学生模型包括教师模型和学生模型，教师模型和学生模型均采用基于D‑LinkNet模型构建的UGD‑DLinkNet模型，UGD‑DLinkNet模型包括编码器、桥接网络和解码器；获取数据集，通过数据集对教师模型进行训练，在完成对教师模型的训练后，使用不确定性引导的知识蒸馏策略训练学生模型，得到训练好的学生模型；获取待提取的遥感图像，使用训练好的学生模型对待提取的遥感图像进行预测并生成道路提取结果；本发明能够提高遥感图像中道路提取的精度。
-
公开(公告)号：CN117715186A
公开(公告)日：2024-03-15
申请号：CN202410167331.8
申请日：2024-02-06
Applicant: 广东海洋大学
Abstract: 本发明公开了一种基于RNDAC‑ZNN模型的AoA定位方法，所述定位方法包括：基于第i个基站至第j个基站的位置坐标，形成关于坐标方程的线性方程组；基于原始NZNN模型，构建RNDAC‑ZNN模型；基于所述RNDAC‑ZNN模型求解所述线性方程组，获得关于目标位置的解，本申请所提供的方法弥补了AoA定位方法在噪声干扰情况下不能实现全局收敛的不足，极大地提升了模型在噪声干扰情况下精确求解的性能。
-
公开(公告)号：CN116665114B
公开(公告)日：2023-10-10
申请号：CN202310937012.6
申请日：2023-07-28
Applicant: 广东海洋大学
IPC: G06V20/50 , G06V10/26 , G06V10/764 , G06V20/70
Abstract: 本发明涉及遥感场景识别技术领域，具体涉及一种基于多模态的遥感场景识别方法、系统及介质，方法包括：获取遥感场景的图像集，搭建用于提取遥感地物要素文本模态信息的语义分割网络，通过图像集对语义分割网络进行训练，得到训练好的语义分割网络；搭建包含语义加权模块的多模态场景识别模型，将图像集经过训练好的语义分割模型获取地物要素并转换为文本信息集后，与其一并输入多模态场景识别模型进行训练，得到训练好的多模态场景识别模型；将待分割的遥感图像输入到训练好的语义分割网络获取地物要素并转换为文本信息后，将其与文本信息一并输入训练好的多模态场景识别模型进行场景识别；本发明能够提高遥感图像场景识别精度。
-
Patent Agency Ranking
公开(公告)号：CN116665114A
公开(公告)日：2023-08-29
申请号：CN202310937012.6
申请日：2023-07-28
Applicant: 广东海洋大学
IPC: G06V20/50 , G06V10/26 , G06V10/764 , G06V20/70
Abstract: 本发明涉及遥感场景识别技术领域，具体涉及一种基于多模态的遥感场景识别方法、系统及介质，方法包括：获取遥感场景的图像集，搭建用于提取遥感地物要素文本模态信息的语义分割网络，通过图像集对语义分割网络进行训练，得到训练好的语义分割网络；搭建包含语义加权模块的多模态场景识别模型，将图像集经过训练好的语义分割模型获取地物要素并转换为文本信息集后，与其一并输入多模态场景识别模型进行训练，得到训练好的多模态场景识别模型；将待分割的遥感图像输入到训练好的语义分割网络获取地物要素并转换为文本信息后，将其与文本信息一并输入训练好的多模态场景识别模型进行场景识别；本发明能够提高遥感图像场景识别精度。
-
公开(公告)号：CN114280799A
公开(公告)日：2022-04-05
申请号：CN202210022918.0
申请日：2022-01-10
Applicant: 广东海洋大学
Abstract: 一种用于临床巡诊的医学图像转换装置，涉及一种图像转换装置，包括伸缩脚架，伸缩脚架的顶部设有合扣装置且两者之间为滑动连接，合扣装置的一侧上设有展示板，所述的展示板包括箱盒A、中央处理器、灯管、透光板、磁铁、合页、箱盒B及弹压杆。通过该装置可以实现，设置有收纳装置，有利于病房巡检的搬运，同时以展板的方式，可直观的讨论病情，促进信息沟通；设置有图像移动端发送及局部放大处理系统，有利于医护人员可以更直观的发现病患处，同时在人群较多是，避免无法看到展板时，可以通过移动端设备进行查看，参与到讨论中。
-
公开(公告)号：CN119785378A
公开(公告)日：2025-04-08
申请号：CN202411777093.9
申请日：2024-12-05
Applicant: 广东海洋大学
IPC: G06V40/10 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及人工智能技术领域，具体涉及一种基于度量学习的猿类识别方法、系统及介质，方法包括：获取猿类的原始图像，对所述原始图像进行数据增强，得到训练样本；构建SE‑ResNet模型，将所述训练样本输入所述SE‑ResNet模型进行训练，得到猿类识别模型；其中，所述SE‑ResNet模型包含多个残差模块，所述残差模块包含多个嵌入有SE模块的残差块，所述SE模块用于自适应调整各个特征通道的权重；采用猿类识别模型对猿类的图像进行特征提取和分类，同时识别出猿类的个体和种群类别；本发明能够高效识别猿类的个体和种群。
-
公开(公告)号：CN119205570A
公开(公告)日：2024-12-27
申请号：CN202411688275.9
申请日：2024-11-25
Applicant: 广东海洋大学
Abstract: 本发明提供一种图像处理方法及系统，涉及图像处理技术领域。其中，图像处理方法包括以下步骤：基于泰勒定理构建图像处理模型，随后获取并利用观测图像与真实原图像训练图像处理模型，得到用于图像去模糊的目标处理模型。进而利用目标处理模型处理待处理图像，得到处理后的图像。本发明基于泰勒定理构建图像处理模型，并利用样本图像训练图像处理模型，用于图像去模糊的目标处理模型，进而填补抗环境噪声去模糊技术的空白，提高图像恢复质量。
-
公开(公告)号：CN119135736A
公开(公告)日：2024-12-13
申请号：CN202411159987.1
申请日：2024-08-22
Applicant: 广东海洋大学
IPC: H04L67/125 , G04G7/00 , G04R20/26 , H04L67/1097 , H04L9/40
Abstract: 本发明公开了一种计时装置及其控制系统，包括：计时装置本体，包括：时间显示模块：用于实时显示当前时间；时间记录模块：用于记录计时开始和结束的时间点；控制模块：与所述时间显示模块和时间记录模块电连接，用于接收外部控制信号，以启动或停止计时；通信模块：集成于所述计时装置本体中，用于与物联网网络连接，传输计时数据；电源模块：用于为计时装置提供电力；壳体：用于容纳上述各模块。本发明提高了数据记录与存储能力：基于物联网的计时装置能够实现数据的实时传输和云端存储，大大提升了数据存储容量和记录的持续性。这种能力使得历史数据可以长期保存，便于进行后续分析和研究，同时也避免了因本地存储空间不足导致的数据丢失问题。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.035 seconds)
