-
公开(公告)号：CN118840546A
公开(公告)日：2024-10-25
申请号：CN202410821577.2
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/26 , G06V20/17 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本申请提供一种基于改进Mask Scoring R‑CNN的林火检测与分割方法，包括以下步骤：(1)森林火灾模拟：对森林可燃物在规定区域进行森面火灾模拟，并且使用干草、落叶对其助燃；(2)无人机航拍影像采集：使用多旋翼无人机搭载一台可见光相机对林火进行影像采集；(3)林火数据标注：为保证林火分割的质量，将帧间隔数设置为10，采用交互式多边形工具Labelme软件对每个林火目标提取精确的标签区域，包括被遮挡或者是存在于图像边缘的林火目标，同时，为了减少对模型的计算需求，所有图像统一缩放至1280×720分辨率，并以JPEG格式保存；(4)构建改进模型MaskSU R‑CNN：MaskSU R‑CNN主要由特征提取网络、区域候选网络、边界框分类回归和掩膜生成网络组成。
-
公开(公告)号：CN118736256A
公开(公告)日：2024-10-01
申请号：CN202410821552.2
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/762 , G06V10/764 , G06V10/26
Abstract: 本申请提供一种基于超像素的森林火灾实时检测方法，涉及机器学习技术领域，包括：(1)图像超像素分割：对林火图像先进行SLIC超像素分割，将位置邻近和颜色相似的像素划分为若干个超像素；(2)代表点选择：鉴于超像素良好的目标边界一致性，将超像素等效为像素，从像素中选择或构造代表点；(3)引入监督信息：将代表点与引入的监督信息进行比对，从而完成火焰检测。本发明分别以超像素的均值、中值和均值与中值的组合构造代表点，在多种场景的12张林火图像上进行了实验验证，相比于向量和矩阵块模式表示方法，该文方法在10张图像上的林火识别率均达到了最高，平均识别率在98.2％以上。
-
公开(公告)号：CN113045139A
公开(公告)日：2021-06-29
申请号：CN202110340483.X
申请日：2021-03-30
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 本发明针对泸沽湖大草海的现有问题，提供一种泸沽湖大草海退化湿地的生态修复方法。包括：在湿地边缘构建景观生态护岸带；在大草海的中北部水生植物生长密集或板结的区域架构大草海水生植物景观斑块；针对大草海湿地进行水体循环设计。本方案根据山水林田湖草综合治理，对恢复泸沽湖草海湿地的生态环境具有显著效果。
-
公开(公告)号：CN118736299A
公开(公告)日：2024-10-01
申请号：CN202410821515.1
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/764 , G06V20/17 , G06V20/40 , G06V10/44 , G06V10/82 , G06V10/26 , G06N3/0499 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06N3/0455 , G06N3/0985
Abstract: 本申请提供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：获取林火视频为数据源；通过预处理方法筛选出图像，构建林火图像数据集，同时运用数据增强技术，丰富数据多样性，提高模型泛化能力；在特征提取阶段选用10层ViT作为主干网络，采用交叠滑动窗格方式图像序列化，嵌入位置信息后作为第1层ViT的输入，将前9层ViT提取的区域选择模块通过多头自注意力机制和多层感知器机制批量嵌入第10层ViT，有效放大子图间的微差异以获取小目标特征；采用对比特征学习策略，构建目标损失函数进行模型训练，获得图像类别标签，有效提高模型的特征学习能力和识别准确率。本申请利用机器学习技术提高航空林火图像识别的准确率和鲁棒性。
-
公开(公告)号：CN118736219A
公开(公告)日：2024-10-01
申请号：CN202410821535.9
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 本申请提供一种针对林火识别的火焰快速检测方法，包括以下步骤：(1)首先采用HistSplineReg分割法对各颜色通道进行多阈值分割，以保证图像分割细节清晰，计算并记录各通道上的分割区域为SR，SG和SB；(2)在各分割区域中选择一个代表点，并将代表点按颜色空间的排序顺序重新组合，形成区域的像素表示；(3)最后将像素代表点与提供的监督信息进行比对，检索出所在的目标区域；(4)获取“火”代表点所在的划分子集及其对应的火焰像素区间。该方法在保证实时性检测的同时，还能够保证较高的火焰检测率和较低的误报警率。其次，综合林火的这两项检测指标，基于YCbCr的火焰判据更适合真实场景的林火检测。
-
Patent Agency Ranking
公开(公告)号：CN114492726B
公开(公告)日：2025-05-13
申请号：CN202111478086.5
申请日：2021-12-06
Applicant: 南京林业大学
IPC: G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于遥感数据的森林可燃物含水率反演算法，属于深度学习领域。本发明采用MLP模型，建立了一种遥感光谱反射率与森林冠层植被和地表枯落物含水率之间的联系算法，通过对遥感数据进行预处理，使用其光谱反射率反演出冠层植被和地表枯落物的含水率，并且最终建立的模型拟合度能够达到0.8左右。算法同时也提出了一种光学遥感在冠层到地表间穿透性较差的优化方案，也为遥感估测法大尺度的测定地区冠层以及地表枯落物含水率提供了理论基础。
-
公开(公告)号：CN119919665A
公开(公告)日：2025-05-02
申请号：CN202510057514.9
申请日：2025-01-14
Applicant: 南京林业大学
Abstract: 本发明涉及一种遥感影像多任务联合预测方法、装置及介质，涉及遥感影像分析与处理技术领域，所述方法包括：输入遥感影像数据集，对输入的图像先后进行像素值归一化处理和尺寸调整；设计共享编码器，从输入图像中提取通用特征；设计初始解码器，从共享编码器提取的特征中恢复高分辨率的预测结果；构建初始损失函数；将从各个任务的初始解码器得到的特征张量输入到基于状态空间模型的任务交叉融合模块进行跨任务融合；在任务交叉融合模块输出的特征基础上，设计优化解码器进一步精炼任务特征并生成最终预测结果；构建最终损失函数。本发明能够高效、精确地完成遥感图像的多任务预测，满足大规模遥感数据处理的实际需求。
-
公开(公告)号：CN116189372B
公开(公告)日：2024-11-26
申请号：CN202310192247.7
申请日：2023-03-02
Applicant: 南京林业大学
Abstract: 本发明公开了一种应用大数据技术的森林防火多层预警监测系统及方法，涉及森林防火领域，该森林防火多层预警监测系统包括林域监测模块、环境预警模块和航拍监测模块；所述林域监测模块模拟人类活动轨迹，并根据不同林场特性，排布报警监测装置，并进行统一管理，使得监测设备维持工作状态，最大化监测人类活动造成的火灾隐患，图像识别聚光物体，安排人员进行巡查，避免引起物体聚光起火；所述环境预警模块利用天气预报信息，结合林场内实际情况，针对高温干旱大风情况进行预警，并按照火灾发生后蔓延范围设置预警等级；所述航拍监测模块根据航拍图像，计算浓烟范围和强度，设计救灾线路，安排涉及人员撤离。
-
公开(公告)号：CN117994853A
公开(公告)日：2024-05-07
申请号：CN202410245486.9
申请日：2024-03-05
Applicant: 南京林业大学
IPC: G06V40/20 , G06V10/764 , G06V10/80
Abstract: 本发明公开了基于时空信息协同的人体行为识别方法，包括：步骤一、根据深度视频序列中对称地提取DMI和DTM特征，分别表征人类行为的时间特征和空间特征；步骤二、设计了一种新的特征融合技术中心边界协同典型相关性分析算法，通过协同学习类特征空间中的中心和边界信息，融合所述时间特征和所述空间特征；步骤三、构建了一个时空信息过滤模块，采用信息瓶颈理论思想，消除通过步骤二时空融合引入的冗余信息以及对动作分类没有贡献的无关信息，获得过滤后的时空特征；步骤四、将通过步骤三过滤后的时空特征输入支持向量机进行人体行为识别。本发明显著提高了动作分类的准确率。
-
公开(公告)号：CN117788992A
公开(公告)日：2024-03-29
申请号：CN202410006039.8
申请日：2024-01-03
Applicant: 南京林业大学
Abstract: 本发明公开了基于通道和空间交换的多模态遥感图像实时目标检测方法，包括：采用多模态数据融合模块对多模态数据进行融合；将融合后的特征传入主干网络Backbone中，提取低级纹理特征和高级语义特征；将所述低级纹理特征和所述高级语义特征传入Neck模块中，构建一个增强的特征金字塔网络，提取到鲁棒的语义特征；最后传入Head模块预测目标的边界框位置、类信息和置信度得分。本发明通过构建和训练多层神经网络模型，能够自动从大量数据中学习和提取特征，从而实现图像识别和目标检测。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.071 seconds)
