公开(公告)号：CN118116588A

公开(公告)日：2024-05-31

申请号：CN202410082221.1

申请日：2024-01-19

Applicant: 绍兴市智慧城市集团有限公司 ,  绍兴文理学院

Inventor： 钟桦 ,  钱和祥 ,  李虎雄 ,  李思翰 ,  李琪 ,  吴宗大

IPC: G16H50/30 ,  G16H50/20 ,  G06N3/092 ,  G06N10/60 ,  G06F18/24

Abstract: 本发明公开了一种基于量子神经网络的人体肺病风险预测系统，通过将获取的人体测量数据和患者样本数据进行数据预处理得到数据集，将数据集输入至强化学习模型中进行训练得到病情分类结果，将病情分类结果输入至已训练的量子神经网络中进行预测分析得到人体肺病风险的预测分类结果，通过为正类和负类分配不同的奖励，将强化学习模块和量子神经网络结合对样本进行准确分类和预测，确保了模型的有效性，也提升了量子神经网络对肺病风险预测的灵活性和精确度，提高了模型对数据处理的鲁棒性。

公开(公告)号：CN117475147A

公开(公告)日：2024-01-30

申请号：CN202311381660.4

申请日：2023-10-24

Applicant: 绍兴文理学院 ,  绍兴市智慧城市集团有限公司

Inventor： 李虎雄 ,  钱和祥 ,  李琪 ,  吴宗大 ,  何月彪 ,  李军

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于深度学习的三维点云语义分割系统及方法，通过获取待处理的三维数据并进行特征提取，对闵可夫斯基网络输出的特征表示进行缩放和归一化得到输入特征，计算输入特征平均值得到特征的集中趋势度量，对跨通道维度的特征统计量进行归一化，预测需要重新缩放的尺度和转移因子以调整归一化特征得到输出特征，采用基于随机采样和高斯块注意力融合机制对输出特征进行自注意融合得到融合特征，将融合特征空间转换为语义标签空间，基于语义标签空间对输入特征进行语义分割得到伪标签和语义信息标签，对语义分割过程进行任务分析以完成三维点云语义分割，融合跨域特征并在目标域内生成可靠伪标签，增强模型对未知数据的泛化能力。

公开(公告)号：CN117422996A

公开(公告)日：2024-01-19

申请号：CN202311374918.8

申请日：2023-10-23

Applicant: 绍兴市智慧城市集团有限公司 ,  绍兴文理学院

Inventor： 钱和祥 ,  何月彪 ,  李虎雄 ,  吴宗大 ,  李琪 ,  冯盛

IPC: G06V20/10 ,  G06V20/70 ,  G06V10/25 ,  G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明公开了一种基于ResUNet的遥感图像建筑检测方法及系统，通过构建双注意力残差的U‑Net建筑提取网络并将输入的遥感图像分割成二进制建筑地图，将每个建筑地图中的任何多边形绑定一个边界框以过滤建筑提取不完善的非建筑框，比较双相建筑地图中的相应构建框以获得建筑变化地图，对比较模型的训练性能进行评估得到建筑提取结果，对建筑提取结果进行检测以完成建筑变化检测，增加模型对构建高层语义信息的关注，通道空间注意力残差卷积块取代U‑Net的简单卷积块，提高模型对有价值建筑底层空间特征关注度，并过滤不相关无用空间特征，以最少的背景特征准确地感知建筑对象，产生最高质量的双时间建筑地图，提高建筑变化识别能力。

公开(公告)号：CN118038142A

公开(公告)日：2024-05-14

申请号：CN202410150257.9

申请日：2024-02-02

Applicant: 绍兴文理学院

Inventor： 王秀庆 ,  钱和祥 ,  何月彪 ,  李虎雄 ,  李思翰 ,  李琪 ,  吴宗大

IPC: G06V10/764 ,  G06V10/20 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于实时图像的植物叶片病害分类方法及系统，通过采用图像采集设备采集患有不同病害的植物叶片原始图像，对所述植物叶片原始图像进行图像预处理得到标签数据集，将所述标签数据集进行数据增强得到样本图像，采用DeepLabv3+分割顺丰对所述样本图像中的植物叶区进行语义分割得到叶片数据集，将叶片数据集输入已训练的卷积神经网络中进行训练得到叶片分类模型，采用EfficientNet‑B0模型对所述叶片分类模型进行分析和预测以完成植物叶片病害分类，利用图像处理技术从背景中分割出叶子并提取出其特征进行分类，图像预处理可以提高图像的质量，从复杂的背景中提取叶片区域，有助于提高诊断过程的速度和准确性，最终为受影响的植物提供更好的处理效果。

公开(公告)号：CN117336813A

公开(公告)日：2024-01-02

申请号：CN202311452057.0

申请日：2023-11-03

Applicant: 绍兴文理学院 ,  绍兴市智慧城市集团有限公司

Inventor： 李虎雄 ,  李思翰 ,  钱和祥 ,  李琪 ,  吴宗大 ,  何月彪

IPC: H04W40/10 ,  H04W40/08 ,  H04W40/32 ,  H04W40/22 ,  H04W84/18

Abstract: 本发明公开了一种基于TLBO的无线传感器网络优化方法，通过构建多个无线传感器网络并获取无线传感器网络中的路由协议类型，根据路由协议类型确定无线传感器网络中的传感器节点和传感器能量，基于传感器节点和传感器能量选取簇头和集群并确定网关区域，根据无线传感器网络的路由协议类型、网关区域和传感器节点建立初始无线传感器网络，教学优化算法LETLBO对初始无线传感器网络进行优化更新得到目标无线传感器网络，从可用的传感器节点中选择最优簇头，然后将传感器组织成簇，使用TS和TLBO算法的组合的多步骤路由算法，将簇头收集的数据传输到网关节点，并最终传输到信宿，利用集群策略和分层路由减少传感器能耗，延长网络寿命。