-
公开(公告)号：CN118864833A
公开(公告)日：2024-10-29
申请号：CN202410380516.7
申请日：2024-03-30
Applicant: 南京林业大学
IPC: G06V10/26 , G06V10/764 , G06V10/25 , G06V10/774 , G06V10/56 , G06V10/776 , G06V20/10 , G06V20/17 , G06T5/70 , G06T5/77 , G06N20/10 , G06N3/0464
Abstract: 本发明涉及一种林业森林单株分割模型。该模型提供了一个基于L1范数的单类支持向量机L1‑OCSVM用于单类目标检测，充分利用L1范数的特性，以满足实时目标检测/识别的要求，从而实现森林树木的单株分割；通过引入无穷大的边距项来代替传统的L2范数以设计L1‑OCSVM，保持了结构性风险最小化原则；通过一个等价的优化方法来求解非线性的L1‑OCSVM，以解决L1范数的不可微性和非线性情况下的问题；通过对组合系数的L1范数进行直接最小化，所得到的解比L2范数解更有可能具有高度稀疏性，从而减少计算的复杂性；通过两种加速度算法来提高训练速度。与现有的SOTA等方法相比，本发明所提出的方法在训练时间、检测精度率、错误预警率和实时能力方面具有显著的优越性。
-
公开(公告)号：CN117893476A
公开(公告)日：2024-04-16
申请号：CN202311727794.7
申请日：2023-12-15
Applicant: 南京林业大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/088 , G06N3/096
Abstract: 本发明公开了一种基于非对抗性无监督域适应的植物病害检测方法及系统，包括：分别采集实验室环境和田间自然条件下的植物病害图像并标记；使用残差神经网络，对采集的所述植物病害图像进行特征提取并转换为特征图像；构建混合神经网络结构，对所述特征图像学习多表征信息向量并拼接后计算得出分类损失函数；将子域适应方法嵌入到所述混合神经网络结构中度量域间差距；根据所述分类损失函数并引入辅助不确定性正则化得出迁移数据；训练得出最优总损失函数。本发明通过反向传播来有效训练网络，收敛速度较快；构建的混合神经网络结构提高了采集的植物病害图像的准确度，引入的辅助不确定性正则化提高源域向目标域迁移的可靠性，具有良好的泛化能力。
-
公开(公告)号：CN117437562A
公开(公告)日：2024-01-23
申请号：CN202311625016.7
申请日：2023-11-30
Applicant: 南京林业大学
IPC: G06V20/17 , G06V20/10 , G06V10/20 , G06V10/44 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及森林火灾进行早期预防和检测技术领域，具体为一种基于无人机遥感图像的野外烟火快速检测方法，包括无人机采集火灾后的遥感图像；对无人机采集的遥感图像输入到YOLOv5模型的解码器进行数据预处理，获取其中的显著烟火目标的遥感图像。本发明，采取了一种新型的单阶段anchor‑free结构ObjectBox，平等对待不同级别尺度的目标，提升模型识别正确样本的能力；采用视觉注意力机制SimAM，加强关注网络感兴趣区域，提高模型识别小目标的准确率；同时引入新的模块Bot，它可以有效地减少模型的训练参数，提高训练效率，本发明的目标检测模型在无人机遥感场景下野火、烟雾目标，均取得了最佳的检测效果，且具有很强的实时性，可实际部署在无人机森林火灾预警系统。
-
公开(公告)号：CN113191951A
公开(公告)日：2021-07-30
申请号：CN202110547439.6
申请日：2021-05-19
Applicant: 南京林业大学
Abstract: 本发明涉及一种木材加工环境智能超分辨率监视除尘报警系统，通过设计和整合声音、光照、机械、电子、算法、控制功能或组件，实现声光机电算控一体化的木材加工环境监控解决方案。整体机械结构围绕除尘腔室设计了：可广角巡视带照明喷淋的多路监视吸尘报警组件、非同步双凸轮可调速振动过滤组件、适应性观测自卸式集尘组件和强度自适应的吹排气喷淋组件。继而设计以工控机与PLC为核心，电控连接系统各部件的电控结构，再通过嵌入所编制的智能电控工作程序，实现系统的自主感知与自适应调控。为提升监视质量，调用网格化拼接的图像超分辨率程序，高分辨率监视使智能运行更可靠。系统可实现安全健康、节能降耗、智能高效的环保目标。
-
公开(公告)号：CN117893476B
公开(公告)日：2024-09-06
申请号：CN202311727794.7
申请日：2023-12-15
Applicant: 南京林业大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/088 , G06N3/096
Abstract: 本发明公开了一种基于非对抗性无监督域适应的植物病害检测方法及系统，包括：分别采集实验室环境和田间自然条件下的植物病害图像并标记；使用残差神经网络，对采集的所述植物病害图像进行特征提取并转换为特征图像；构建混合神经网络结构，对所述特征图像学习多表征信息向量并拼接后计算得出分类损失函数；将子域适应方法嵌入到所述混合神经网络结构中度量域间差距；根据所述分类损失函数并引入辅助不确定性正则化得出迁移数据；训练得出最优总损失函数。本发明通过反向传播来有效训练网络，收敛速度较快；构建的混合神经网络结构提高了采集的植物病害图像的准确度，引入的辅助不确定性正则化提高源域向目标域迁移的可靠性，具有良好的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN118115895A
公开(公告)日：2024-05-31
申请号：CN202410004334.X
申请日：2024-01-03
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于自注意力机制的航空林火图像识别方法，包括以下步骤：通过无人机采集林火视频数据，通过数据预处理进而构建样本数据集，并按比例划分为训练集和测试集；选用10层ViT为主干网络构建航空林火图像识别模型，采用交叠滑动窗口方式将训练集中的航空林火图像序列化展开，且嵌入位置信息后作为第1层ViT的输入；通过多头自注意力和多层感知器机制批量嵌入第10层ViT来提取前9层ViT的区域选择模块；采用对比特征学习策略，构建目标损失函数对所述航空林火图像识别模型进行训练和优化，通过测试集评估模型性能。本发明具有较好泛化能力和鲁棒性，对提高火情、火险应对处置能力和效率及预防森林火灾发生具有重要意义。
-
公开(公告)号：CN112949441A
公开(公告)日：2021-06-11
申请号：CN202110203046.3
申请日：2021-02-23
Applicant: 南京林业大学
IPC: G06K9/00 , G06K9/62 , G06F16/535 , G06F16/56 , G06F16/54 , G06F16/583
Abstract: 本发明公开了一种植物覆盖率或者荒漠化监测系统，包括监测终端、计算机处理服务器和监控服务中心，所述监测终端与计算机处理服务器通过无线连接，所述监控服务中心与计算机处理服务器电连接，所述监测终端负责对地面植物覆盖或者荒漠化进行监控和信息采集，所述计算机处理服务器对监测终端监控或者采集的信息进行计算处理，所述监控服务中心展示计算机处理服务器处理得到的数据结果。本发明涉及环境监测技术领域，具体提供了一种可以对地面植物覆盖率或者荒漠占比进行准确计算，且可对适宜种植植被进行推荐的植物覆盖率或者荒漠化监测系统。
-
-
公开(公告)号：CN109766886A
公开(公告)日：2019-05-17
申请号：CN201910002533.6
申请日：2019-01-02
Applicant: 南京林业大学 , 江苏南水水务科技有限公司
Abstract: 本发明提供了一种基于图像识别的水位识别方法，步骤包括：从水尺图像中定位出水尺位置，并根据定位出的水尺位置对水尺图像进行裁剪；对裁剪获得的水尺图像进行字符定位，获得水尺图像中的各个字符，再根据字符的排列特点对水尺图像中的各个数字字符进行切割，获得各个数字字符图像；对各个数字字符图像中的数字字符进行识别，获得各个数字字符的数值；在水尺图像中识别出水迹位置，并根据水迹位置与最下侧一个字符的相对位置关系计算出水位高度。该基于图像识别的水位识别方法利用MSER与模板匹配算法相结合，能够满足复杂场景中的水尺定位，并很好地解决了个别字符因为反光、污迹带来字符识别误差的问题，鲁棒性较好。
-
公开(公告)号：CN107194944A
公开(公告)日：2017-09-22
申请号：CN201710475524.X
申请日：2017-06-21
Applicant: 南京林业大学
IPC: G06T7/136
CPC classification number: G06T7/136 , G06T2207/30188
Abstract: 本发明实施例提供林火图像分割方法及装置。在一个实施例中，所述林火图像分割方法包括：获取待分割林火图像的样本集，所述样本集包括所述待分割林火图像的各个像素点的灰度级，及像素点灰度级的频率；根据所述样本集得到按照预设长度划分的区间的样条函数；计算所述样条函数的多个极值以得到所述待分割林火图像的分割阈值；以及根据所述分割阈值对所述待分割林火图像进行分割。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.036 seconds)
