-
公开(公告)号：CN109829888A
公开(公告)日：2019-05-31
申请号：CN201811610173.X
申请日：2018-12-27
Applicant: 北京林业大学
Abstract: 本发明公开了一种基于深度卷积神经网络的野生动物无线监测分析系统及方法，通过获取移动物体图像数据并建立数据库，对图像标定并进行预处理，结合Adam优化算法训练深度卷积神经网络，进行野生动物的检测与识别，对野生动物出现的时间、地点进行统计分析并建立模型，克服了传统方法中劳动强度大，人工分析耗时长，且有大量的冗余信息和误识别信息，难以分析得出野生动物资源现状和动态变化的准确情况的问题，可以供研究人员远程、实时的得到所监测区域野生动物的个体特征和种群分布情况，提高了工作效率和分析结果的准确性。
-
公开(公告)号：CN107393542A
公开(公告)日：2017-11-24
申请号：CN201710509545.9
申请日：2017-06-28
Applicant: 北京林业大学
Abstract: 本发明公开了一种基于双通道神经网络的鸟类物种识别方法，包括：采集已知种类的鸟鸣声信号并采用滤波、预加重、分割处理，得到预处理鸟鸣声信号；基于线性调频小波变换生成信号语图；截取符合预设帧长范围的鸟鸣声信号作为鸟鸣声时域信号；将信号语图作为第一通道的输入信号、鸟鸣声时域信号作为第二通道的输入信号、鸟鸣声信号对应的鸟类物种作为识别结果对构建的初步识别模型进行训练得到鸟类物种识别模型；将待识别的鸟鸣声信号经过同样处理得到的信号代入鸟类物种识别模型中进行识别，得到识别结果。所述基于双通道神经网络的鸟类物种识别方法充分利用鸣声信号的时域特征和时频特征，能够提高鸟类物种识别的效率和准确性。
-
公开(公告)号：CN107393542B
公开(公告)日：2020-05-19
申请号：CN201710509545.9
申请日：2017-06-28
Applicant: 北京林业大学
Abstract: 本发明公开了一种基于双通道神经网络的鸟类物种识别方法，包括：采集已知种类的鸟鸣声信号并采用滤波、预加重、分割处理，得到预处理鸟鸣声信号；基于线性调频小波变换生成信号语图；截取符合预设帧长范围的鸟鸣声信号作为鸟鸣声时域信号；将信号语图作为第一通道的输入信号、鸟鸣声时域信号作为第二通道的输入信号、鸟鸣声信号对应的鸟类物种作为识别结果对构建的初步识别模型进行训练得到鸟类物种识别模型；将待识别的鸟鸣声信号经过同样处理得到的信号代入鸟类物种识别模型中进行识别，得到识别结果。所述基于双通道神经网络的鸟类物种识别方法充分利用鸣声信号的时域特征和时频特征，能够提高鸟类物种识别的效率和准确性。
-
-
Search Results
3
records
(took 0.024 seconds)
