-
公开(公告)号：CN119091325A
公开(公告)日：2024-12-06
申请号：CN202410842811.X
申请日：2024-06-27
Applicant: 武汉大学
IPC: G06V20/17 , G06V10/764 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06F16/29
Abstract: 本发明属于无人机、图像处理和道路工程技术，具体涉及智能无人机辅助灾后道路损毁检测与修复的方法和系统，该方法包括以下步骤：利用无人机对灾后道路进行高空和低空航拍，获取道路表面的图像数据；对所获取的图像数据进行预处理；采用图像识别算法对预处理后的图像数据进行识别，识别道路表面的裂缝、坑洼损毁情况，生成损毁检测报告；结合地理信息系统，对损毁检测报告进行空间分析，确定损毁道路的空间分布和严重程度；根据空间分析的结果，制定修复规划方案，包括修复顺序、修复方法和修复材料。该方法能够高效地将这些数据整合、管理和分析，实现损毁道路的可视化展示和空间分析，为决策者提供直观、全面的道路损毁信息。
-
公开(公告)号：CN118915136A
公开(公告)日：2024-11-08
申请号：CN202410926250.1
申请日：2024-07-11
Applicant: 武汉大学
IPC: G01V1/28 , G01V1/30 , G06F18/25 , G06F18/213 , G06F18/15 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明属于地震监测技术，具体涉及基于深度学习多模态融合的地震活动实时监测方法及设备，该方法融合不同来源、不同类型的地震相关数据，利用深度学习技术对多模态数据进行特征提取和融合，实现地震活动的实时监测和预警。多模态数据包括地震波信号、地质环境数据、地震历史数据等，通过对这些多模态数据进行预处理和特征提取，得到各个数据模态的特征表示。然后，利用深度学习模型将这些特征进行融合，得到地震活动的综合特征表示。最后，基于综合特征表示进行地震活动的实时监测和预警。该方法具有多模态数据融合、深度学习技术和实时监测等优势，为地震活动的实时监测和预警提供了新的解决方案。
-
公开(公告)号：CN118469843A
公开(公告)日：2024-08-09
申请号：CN202410562341.1
申请日：2024-05-08
Applicant: 武汉大学
IPC: G06T5/60 , G06T5/92 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种高光谱图像的背景重建方法、装置、存储介质及电子设备。该方法包括：获取原始高光谱图像；搭建改进的低秩背景特征提取网络，将所述原始高光谱图像输入到所述改进的低秩背景特征提取网络中，得到多个低秩矩阵，并基于所述多个低秩矩阵得到低秩背景特征；其中，所述改进的低秩背景特征提取网络中包括LBM模块，所述LBM模块为稀疏连接结构；对所述低秩背景特征进行调整，得到重建的高光谱图像背景。本申请通过LBM模块提取低秩背景特征，并基于低秩背景特征重建高光谱图像背景，能够快速重建高光谱背景图像且准确度较高。
-
公开(公告)号：CN119418261A
公开(公告)日：2025-02-11
申请号：CN202411397586.X
申请日：2024-10-09
Applicant: 武汉大学
IPC: G06V20/52 , G06V20/10 , G06V10/40 , G06V10/25 , G06V10/82 , G06V10/774 , G06V10/74 , G06V10/764 , G06T7/00 , G06T7/62 , G06N3/0464 , G06Q10/20 , G06Q50/26
Abstract: 本发明提出了一种城市基础设施损坏实时监测与响应方法及系统。本发明布置在城市基础设施多个关键部位的多个图像传感器，用于实时采集基础设施的图像，并通过采集的图像数据构建基础设施损坏的图像样本库；接收并处理图像数据，提取关键特征；对实时监测图像数据进行处理和分析，识别出基础设施的损坏情况，并评估损坏程度。本发明通过基础设施损坏特征记忆和基于扩散生成的泛化联想技术，实现了对城市基础设施损坏问题的实时监测、精准识别和快速响应。本发明不仅提高了城市管理和应急救援的效率和准确性，还为城市管理的智能化和精细化提供了有力的数据支持。
-
Patent Agency Ranking
公开(公告)号：CN119274075A
公开(公告)日：2025-01-07
申请号：CN202411383230.0
申请日：2024-09-30
Applicant: 武汉大学
IPC: G06V20/13 , G06V10/80 , G06V10/44 , G06T5/70 , G06T7/136 , G06T7/13 , G06Q10/04 , G06Q50/26 , G06T5/80 , G08B21/10
Abstract: 本发明提出了一种多源遥感卫星数据融合的洪水监测预警方法及系统。本发明收集洪水区域的多种类型的遥感卫星数据；对收集到的遥感卫星数据进行预处理；将预处理后的多种遥感卫星数据通过整合不同尺度特征以获得特征融合；将基于重访通道注意力模块的特征融合从同层场景推广到跨层场景；利用融合后的遥感影像进行洪水识别，提取出洪水区域的边界和范围；根据识别出的洪水区域和历史洪水数据，结合气象、水文信息，进行洪水预警得到预警结果；洪水事件进行洪水成因、洪水过程、洪水影响综合分析。本发明通过整合多源卫星数据，旨在提升洪水大范围检测的精确度，并强化洪水趋势的预测能力，从而确保洪水时空预警的准确性与可靠性。
-
公开(公告)号：CN118917299A
公开(公告)日：2024-11-08
申请号：CN202410956493.X
申请日：2024-07-17
Applicant: 武汉大学
IPC: G06F40/205 , G06N3/08
Abstract: 本发明涉及自然灾害预警和应急响应技术，具体涉及一种结合自然语言处理的灾害场景智能解析方法及系统，该系统包括数据预处理模块，用于对灾害现场的信息进行预处理；信息提取模块，用于利用自然语言处理技术，对预处理后的信息进行深度挖掘，提取出与灾害场景相关的关键信息；信息解析模块，用于对提取的关键信息进行解析，生成结构化的灾害场景描述，以及处理信息之间的矛盾和冲突，生成一致的解析结果；结果展示模块，用于将解析结果以可视化的方式展示给救援人员。该系统通过对灾害现场的语言信息进行深度挖掘、分析以及结果展示的可视化，在技术上具备更高的创造性，显著提升了灾害应急响应的整体效果，具有重要的实际应用价值。
-
公开(公告)号：CN118781727A
公开(公告)日：2024-10-15
申请号：CN202410852623.5
申请日：2024-06-28
Applicant: 武汉大学
IPC: G08B17/00 , G08B17/10 , G08B17/12 , G01D21/02 , G06V20/17 , G06V20/52 , G06V10/22 , G06V10/56 , G06V10/82 , G06V10/80 , G06N3/0442 , G06N3/08 , B64U20/87 , B64U101/30 , B64U101/40
Abstract: 本发明公开了一种智能无人机群森林火灾早期侦测方法、介质和设备，该方法包括：选择若干架无人机组成无人机群；通过无人机群协同作业对发生火灾的森林区域进行监测，以确定全面的火场数据，并根据火场数据实现火灾侦测；其中，火场数据至少包括火场的温度分布、烟雾浓度、火势蔓延方向、火势各方向蔓延状况和火势蔓延速度数据。本发明能够实现智能无人机群在森林火灾早期侦测中的高效协同作业，可实现全天候、无死角监测，并可提高火情监测的准确性和实时性，降低森林火灾的发生概率和损失。
-
公开(公告)号：CN118425052A
公开(公告)日：2024-08-02
申请号：CN202410498641.8
申请日：2024-04-24
Applicant: 武汉大学
IPC: G01N21/17
Abstract: 本发明公开了一种自然灾害影响下的农作物监测分析方法、介质和设备，该方法包括：获取农作物自身生长信息和实施监测的农作物生长环境数据；融合农作物自身生长信息和农作物生长环境数据得到农作物生长监测数据库；基于农作物生长监测数据库采用大数据分析方法对农作物受灾状况进行分析，生成受灾分析报告，以便提供农作物受灾后决策。本发明通过集成遥感技术、物联网技术和大数据分析技术，可实现对农作物受灾情况的全面实时监测和分析，并且可提高农作物受灾分析效率，本发明具有实时性、高精度和广泛适用性等特点，能够为农业部门、农民和救援机构提供及时有效的决策支持，减轻自然灾害对农作物生产的影响，提高农业生产的稳定性和可持续性。
-
公开(公告)号：CN118447404A
公开(公告)日：2024-08-06
申请号：CN202410660029.6
申请日：2024-05-27
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了高光谱图像的背景异常识别方法、装置、存储介质及电子设备。该方法包括：获取原始高光谱图像；将所述原始高光谱图像输入到高光谱图像背景提取模型中，得到背景特征；其中，所述高光谱图像背景提取模型包括第一网络提取分支与第二网络提取分支，所述第一网络提取分支包括多个扩展卷积层，用于提取全局特征，所述第二网络分支包括卷积层，用于提取局部特征，将所述全局特征与所述局部特征融合，得到所述背景特征；将所述背景特征与所述原始高光谱图像进行对比，得到背景异常识别结果。本申请通过设置多个扩展卷积层，在不尺度上提取特征，扩大感受野，并且减少了计算复杂度，将全局信息与局部信息融合，能够精准识别背景异常。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.025 seconds)
