-
公开(公告)号：CN112419202A
公开(公告)日：2021-02-26
申请号：CN202011442143.X
申请日：2020-12-11
Applicant: 北京林业大学
Abstract: 本发明实施例公开了一种基于大数据及深度学习的野生动物图像自动识别系统，以野生动物监测图像数据库为主体，结合超分辨率图像恢复技术及野生动物自动识别算法实现对野生动物数据的处理及分析，并通过数据可视化搭建系统的前端界面。具体的，野生动物监测图像数据库用于野生动物图像及相关信息的存储管理，超分辨率图像恢复技术用于低质量压缩图像的恢复重建，自动识别算法是通过深度学习实现野生动物图像的自动识别与监测分析，从而实现图像的分类处理以及无效图像的剔除。本发明可以实现野生动物图像的高效分类存储以及对野生动物数据的自动分析与可视化展示，提高野生动物图像管理智能化水平。
-
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。
-
公开(公告)号：CN110139067A
公开(公告)日：2019-08-16
申请号：CN201910241710.6
申请日：2019-03-28
Applicant: 北京林业大学
Abstract: 本发明公开了一种野生动物监测数据管理信息系统，包括监测信息呈现子系统、监测信息管理子系统、登录注册子系统以及用户管理子系统等。本发明建立一个能够全面、实时了解野生动物的栖息状况、种群信息，依据图片特征对监测信息进行识别并分类存储管理，依据地理位置信息、环境信息智能地做出统计分析，能够为野生动物监测政策提供科学的数据依据的野生动物监测数据管理信息系统。
-
公开(公告)号：CN118918352A
公开(公告)日：2024-11-08
申请号：CN202410705826.1
申请日：2024-06-03
Applicant: 广东省科学院动物研究所 , 广州当康自然资源科技有限公司 , 北京林业大学
IPC: G06V10/764 , G06V40/10 , G06V10/82 , G06V10/74
Abstract: 本发明提供了一种物种识别方法及装置，属于物种识别和人工智能(artificial intelligence，AI)技术领域，能够提高物种识别的准确性和效率。该方法基于多个物种分类错误的动物图像的特征向量构建特征数据库，将AI分类模型得到的待识别动物图像的特征向量与特征数据库中的多个特征向量进行距离判断，并根据判断结果得出动物物种识别结果。
-
公开(公告)号：CN113239965A
公开(公告)日：2021-08-10
申请号：CN202110398674.1
申请日：2021-04-12
Applicant: 北京林业大学
Abstract: 本发明实施例公开了一种基于深度神经网络的鸟类识别方法及电子设备。方法包括：获取鸟类训练图片集，用于训练深度神经网络；获取待识别的鸟类图片，将其输入所述深度神经网络，得到鸟类相关特征。本发明效果如下：1)在不提升额外的网络参数量情况下，能够提取更加多样化的图片局部特征信息，取得更高的分类精度；2)相比于RA‑CNN等经典方法，能够更加综合各个局部的信息，而不是仅仅关注某一个关键的区域；3)提出一种抑制通道的方法，随机抑制一些通道注意力区域，迫使网络寻找其他有效的信息，能够提高网络的泛化能力；4)结合注意力机制和热力图，我们的网络具有更强的可解释性和精确定位目标的能力。
-
Patent Agency Ranking
公开(公告)号：CN112616040A
公开(公告)日：2021-04-06
申请号：CN202011451128.1
申请日：2020-12-11
Applicant: 北京林业大学
Abstract: 本发明实施例公开了一种基于分布式架构的野生动物图像传输方法及系统。主要应用于基于无线传感网络的野生动物监测系统，通过分布式传输模型为监测系统的数据监测节点以及数据中心搭建高效传输通道，所述传输通道主要由图像采集处理模块、图像压缩编码模块、图像数据分布式传输模块、图像自动恢复模块四部分组成，通过对上述四个模块的有机结合，在保证数据可靠传输的同时，也可以保证图像样本的高可利用性以及整体监测系统的低功耗运行。
-
公开(公告)号：CN112197992A
公开(公告)日：2021-01-08
申请号：CN202011310286.5
申请日：2020-11-20
Applicant: 北京林业大学
IPC: G01N1/04
Abstract: 本发明提供一种便携式多功能草本调查样方框及其使用方法。所述便携式多功能草本调查样方框包括四个角桩，四个所述角桩呈四角设置，相邻两个所述角桩之间安装有边框组件，四个所述边框组件与四个所述角桩围成正方形形状，所述边框组件包括：伸缩环扣，所述伸缩环扣位于相邻的两个所述角桩连接线上；第一边框杆，所述第一边框杆可拆卸安装在所述伸缩环扣的一侧，所述第一边框杆的另一端与所述角桩的一侧相连接；第二边框杆，所述第二边框杆可拆卸安装在所述伸缩环扣远离所述第一边框杆的一侧，所述第二边框杆的另一端与所述角桩相连接。本发明提供的便携式多功能草本调查样方框及其使用方法具有便于安装拆卸、便于携带、精确度高、应用范围广的优点。
-
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：CN112197992B
公开(公告)日：2024-06-18
申请号：CN202011310286.5
申请日：2020-11-20
Applicant: 北京林业大学
IPC: G01N1/04
Abstract: 本发明提供一种便携式多功能草本调查样方框及其使用方法。所述便携式多功能草本调查样方框包括四个角桩，四个所述角桩呈四角设置，相邻两个所述角桩之间安装有边框组件，四个所述边框组件与四个所述角桩围成正方形形状，所述边框组件包括：伸缩环扣，所述伸缩环扣位于相邻的两个所述角桩连接线上；第一边框杆，所述第一边框杆可拆卸安装在所述伸缩环扣的一侧，所述第一边框杆的另一端与所述角桩的一侧相连接；第二边框杆，所述第二边框杆可拆卸安装在所述伸缩环扣远离所述第一边框杆的一侧，所述第二边框杆的另一端与所述角桩相连接。本发明提供的便携式多功能草本调查样方框及其使用方法具有便于安装拆卸、便于携带、精确度高、应用范围广的优点。
-
公开(公告)号：CN117612537B
公开(公告)日：2024-06-07
申请号：CN202311591080.8
申请日：2023-11-27
Applicant: 北京林业大学
Abstract: 本发明公开了一种基于云边协同控制的鸟鸣声智能监测系统，涉及语音识别技术领域。本发明与之前的鸟鸣声处理系统相比，改进了缺少对鸟鸣声信息的有效利用；边缘侧识别结果并不充分可靠；鸟鸣声采集缺乏针对性；未能构建可持续优化的智能识别系统的问题，通过以融合增量学习的云端训练+边缘推理的智能边缘数据分析技术为核心，以智能移动设备为边缘设备基础，以移动通信技术为信息通道，连接高性能的云端智能服务器，形成具有持续学习能力的云边协同鸟鸣声监测模式。实现野外鸟鸣声采集的远程上传和自动识别，构建开放、精准识别和持续进化的云边协同鸟类鸣声监测系统。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.025 seconds)
