基于GIS的中尺度流域土壤侵蚀时空动态分析方法

    公开(公告)号:CN103940974A

    公开(公告)日:2014-07-23

    申请号:CN201410058769.9

    申请日:2014-02-19

    Abstract: 本发明涉及一种基于GIS的中尺度流域土壤侵蚀时空动态分析方法,其具体过程为:把流域划分为若干栅格单元,作为计算单元;利用土壤侵蚀试验观测研究成果和认识,基于土壤侵蚀试验观测数据,提取关于土壤侵蚀的相关各因子;将上述各因子进行分析总结,建立侵蚀因子图集,完成对每个栅格单元土壤侵蚀量的估算;基于土壤侵蚀空间变化分析,完成对流域土壤侵蚀状况的评价和分析。本发明考虑了土壤侵蚀及其因子的空间不均匀性,因而将坡面模型与GIS集成,完成每个单元的运算,并适当考虑了物质传输和迁移,完成了对土壤流失的分布计算,输出了土壤侵蚀图。

    一种三维信息递进式传递的葡萄电商评论细粒度情感分析方法及系统

    公开(公告)号:CN119474388A

    公开(公告)日:2025-02-18

    申请号:CN202411603377.6

    申请日:2024-11-11

    Abstract: 本发明属于自然语言处理中的农业技术领域,公开了一种三维信息递进式传递的葡萄电商评论细粒度情感分析方法,本发明基于细粒度情感分析中的方面词、观点词以及情感极性三个维度信息,构建了一种三维信息递进式传递的葡萄电商评论细粒度情感分析方法,该方法创造性地设计了TripleBi‑LSTM和DualChannel‑Attention两个模块,利用三维递进式信息的传递有效地提升了方面词、观点词以及情感极性的识别准确率,并在自建数据集上取得了最优的效果。本发明创造性地设计了DualChannel‑Attention和TripleBi‑LSTM两个模块,显著提升了对葡萄电商评论中隐含方面词的识别效果、提升了表达方式多样的观点词的识别效果,以及情感极性的分类准确性,并在自建的数据集上取得了最优的效果。

    一种羊只行为识别方法、系统、设备及存储介质

    公开(公告)号:CN119251903A

    公开(公告)日:2025-01-03

    申请号:CN202411294270.8

    申请日:2024-09-14

    Abstract: 本发明提供了一种羊只行为识别方法、系统、设备及存储介质,属于计算机视觉技术领域,本发明首先在DeepSORT模型中引入注意力机制和在线掩码策略,构建羊只追踪模型;在YOLOv8模型中添加多尺度组卷积模块和自适应下采样模块,构建羊只行为识别模型。在对视频数据中的图像进行抽帧裁剪后,将裁剪后的图像输入羊只追踪模型对羊个体进行持续追踪,将追踪到的带有唯一标识符ID的多个图像输入羊只行为识别模型,对单只羊的行为进行识别。并记录同一只羊在不同时间、不同位置的形态特征出现的频率和持续时间,根据同一形态特征出现的频率和持续时间对羊只的行为进行分类。本发明克服了单只羊处理存在的局限性,极大地提高了检测精度和行为识别的准确度。

    一种相互依赖网络预防跨域连锁大故障传播关键边识别方法

    公开(公告)号:CN117675600A

    公开(公告)日:2024-03-08

    申请号:CN202311474357.9

    申请日:2023-11-07

    Abstract: 本发明提供了一种相互依赖网络预防跨域连锁大故障传播关键边识别方法,包括:步骤一,将相互依赖网络分解为相互依赖功能子图集合。步骤二,评估一个资源供给节点与一个资源需求节点之间的加权距离最短控制环的功能。步骤三,评估一个相互依赖功能子图的功能。步骤四,评估一个相互依赖网络的功能。步骤五,评估边的关键度并降序排列。本发明的识别方法基于相互依赖功能子图评估相互依赖网络中边的关键度,可以更准确判别重要的边从而对其重点进行保护防止跨域连锁大故障的发生。本发明的识别方法避免了基于极大簇识别方法准确度低的问题,能够以更加低的成本预防相互依赖网络中跨域连锁大故障的发生。

    一种高光谱图像分类学习方法、系统及计算机存储介质

    公开(公告)号:CN117333708A

    公开(公告)日:2024-01-02

    申请号:CN202311302661.5

    申请日:2023-10-10

    Abstract: 本发明公开了一种高光谱图像分类学习方法、系统及介质,该方法包括:随机采集不同场景下的原始高光谱图像;将原始高光谱图像进行降维和切分,获得三维图像块;将获取的三维图像块输入多层次特征提取神经网络,获得空谱联合特征图;重复迭代应用多层次特征提取神经网络,获得最优质空谱联合特征图;将获取的最优质空谱联合特征图输入到分类网络中,得到分类结果。本发明结合卷积神经网络和ViT的优势,能够充分挖掘高光谱图像不同层次的特征,进而获得最优质空谱联合特征图的分类结果。

    一种基于深度学习的牲畜图像实例分割方法及装置

    公开(公告)号:CN116824141A

    公开(公告)日:2023-09-29

    申请号:CN202310726197.6

    申请日:2023-06-19

    Abstract: 本发明公开了一种基于深度学习的牲畜图像实例分割方法及装置,涉及计算机视觉领域,方法包括:对单只牲畜和多只牲畜的图像采集作为数据集;通过改进卷积神经网络ConvNeXt‑T对图像特征提取,利用特征金字塔得到不同尺度的特征图;通过改进DynamicRCNN网络结构作为目标检测,对特征图中目标进行分类和位置回归;通过改进的RefineMask分割网络,对特征图中目标的轮廓进行分割,利用细化策略获得精准的分割结果。本发明提出的实例分割方法可以精准的定位和分割出复杂场景下每个牲畜的不规则轮廓,缓解了由于背景和牲畜重叠度高而为其他视觉任务带来的挑战。

    一种多光谱无人机遥感影像作物分割方法

    公开(公告)号:CN116503590A

    公开(公告)日:2023-07-28

    申请号:CN202310132989.0

    申请日:2023-02-17

    Abstract: 本发明提供了一种多光谱无人机遥感影像作物分割方法,包括:步骤一,多光谱遥感影像数据处理。步骤二,植被指数提取。步骤三,构建数据集。步骤四,构建深度语义分割模型:在DeeplabV3+模型中添加卷积注意力模块,获得深度语义分割模型。步骤五,模型训练与保存。步骤六,作物分割。本发明在光谱信息方面,通过改进DeepLabv3+模型的输入层结构,添加NDVI归一化植被指数和OSAVI优化型土壤调节植被指数通道,增大不同作物间的光谱差异。本发明在空间信息方面,在空洞空间金字塔池化模块添加包括通道注意力和空间注意力的双通道注意力模块,扩大模型感受野的同时增加像素信息的相关性,优化分类结果的边界,从而提升模型精度。

Patent Agency Ranking