一种基于GNSS反射信号的海面叶绿素浓度反演模型构建方法

    公开(公告)号:CN117828369A

    公开(公告)日:2024-04-05

    申请号:CN202410004351.3

    申请日:2024-01-03

    Abstract: 本发明公开了一种基于GNSS反射信号的海面叶绿素浓度反演模型构建方法,其包括:S1:获取ECMWF风速数据、CYGNSS数据、GOCI叶绿素浓度数据;S2:对ECMWF风速数据以及CYGNSS数据进行插值匹配,随后将匹配结果与GOCI叶绿素浓度数据进行匹配,得到最终匹配结果;S3:对最终匹配结果进行数据预处理,得到数据样本;S4:利用数据样本对随机森林模型进行训练,得到GNSS‑R叶绿素浓度反演模型。使用GNSS‑R数据,匹配环境风速数据作为特征值进行机器学习,建立GNSS‑R叶绿素浓度反演模型,能够全天时全天候实现中尺度海面叶绿素浓度反演。

    一种边缘增强与分布均衡化的遥感立体影像特征匹配方法

    公开(公告)号:CN115359276A

    公开(公告)日:2022-11-18

    申请号:CN202210997195.6

    申请日:2022-08-19

    Abstract: 本发明公开了一种边缘增强与分布均衡化的遥感立体影像特征匹配方法,构建基准影像和待配准影像对应的多尺度空间图像,并利用无偏差比UDR边缘检测器对各个尺度空间图像进行边缘滤波,从而获取最终的多尺度空间图像;搜索最终的多尺度空间图像中的极值点,获取的极值点即为候选特征点,再采用非极大值抑制算法对候选特征点进行均匀化处理,完成特征点提取;以特征点为圆心,从不同尺度图像上选用四个大小不同的同心圆区域构建多尺度特征描述子,计算多尺度特征描述子向量,然后采用最近邻距离比算法获取初始特征匹配点对,再利用随机抽样一致算法删除初始特征匹配点对中的异常点删除,完成基准影像和待配准影像的特征点配准。

    一种轻量级水下目标检测方法、系统、介质、设备及终端

    公开(公告)号:CN114694017A

    公开(公告)日:2022-07-01

    申请号:CN202210406103.2

    申请日:2022-04-18

    Abstract: 本发明属于水下目标检测技术领域,公开了一种轻量级水下目标检测方法、系统、介质、设备及终端。采用CSPDarknet18作为骨干网络来初步提取特征;利用Dense策略提取不同层次和尺度的图像特征;在主干特征提取网和FPN结构之间添加AFF模块,实现跨通道信息交互;构建FPN和PANet网络,同时提取具有语义信息和位置信息的特征;采用深度可分卷积替换普通卷积对加强特征提取网进行重建,以减少参数数量。本发明主要对海参、扇贝、海胆和海星的图像进行定位和识别。实验结果表明,本发明的方法在2020URPC水下目标检测数据集上的mAP达到78.18%,模型参数大小为37.22M,在獐子岛海域的现场采集视频数据上的处理速度分别为10.95和28.05FPS,在准确性和速度方面都取得较好的效果。

    一种基于疫情大数据的返校安全评估方法

    公开(公告)号:CN112561224A

    公开(公告)日:2021-03-26

    申请号:CN202010846537.5

    申请日:2020-08-21

    Abstract: 本发明公开了一种基于疫情大数据的返校安全评估方法,包括如下步骤:1)构建地理信息大数据:服务器端通过客户端采集上传、网络爬虫爬取和学校多系统交互获基础数据,构建疫情地理信息大数据;2)地理信息空间分析:基于疫情地理信息大数据,构建地理信息地图,结合空间分析方法——缓冲区分析,完成地理信息空间分析,获取疫情严重区域和疫情轻微区域;3)安全评估:客户端向服务器端发送安全评估请求,服务器端根据客户端的当前位置生成用户运动轨迹,并与服务器端中存储的疫情严重区域和疫情轻微区域进行比对,判断用户运动轨迹与疫情严重区域是否重合,并根据比对反馈是否可以返校的信息给客户端。

    基于深度学习的多特征融合高光谱遥感地物分类方法

    公开(公告)号:CN111738052A

    公开(公告)日:2020-10-02

    申请号:CN202010283627.8

    申请日:2020-04-13

    Abstract: 本发明公开了一种基于深度学习的多特征融合高光谱遥感地物分类方法,该方法可应用于高光谱遥感地物图像分类,解决了高光谱图像分类中标签样本不足和不同层次特征没有得到充分利用的弊端,具体如下:从原始高光谱遥感图像中选取各类别标签样本,并将样本标记为训练样本和测试样本;对训练样本进行预处理将其复制为相同的多份,并输入卷积神经网络的不同卷积层中以得到更多的样本;将卷积神经网络中层和高层的特征在全连接层中进行融合以得到不同层次的特征信息;获得训练的特征后对测试样本进行分类。

    一种分布式无线传感网络的组网节点模式及其网络节点部署方法

    公开(公告)号:CN111479236A

    公开(公告)日:2020-07-31

    申请号:CN202010396206.6

    申请日:2020-05-12

    Abstract: 本发明公开了一种大型土木工程和建筑物等用于倾斜、应变、震动、GNSS定位等状态监测的分布式无线传感网络的组网节点模式及其网络节点部署方法,其包括若干用于采集和现场数据处理的传感器数据采集节点和至少一个用于将现场数据发送到远端的数据库中的数据汇总网关节点;传感器数据采集节点模式包括单控制器采集器节点、双控制器采集器节点和数据采集器直连节点;网络节点部署方法为:三维环境下的基于人工蜂群算法的三维无线网络节点部署方法。本发明采用多节点模式和三维无线网络节点部署方法,利用分布式无线传感器网络对传感器数据采集节点的数据进行采集和存储,并利用数据汇总节点转发汇总到服务器,以得到准确的检测数据和良好的检测结果。

    一种用于苹果采摘机器人的果实快速识别方法

    公开(公告)号:CN111046782A

    公开(公告)日:2020-04-21

    申请号:CN201911248880.3

    申请日:2019-12-09

    Abstract: 本发明公开了一种用于苹果采摘机器人的果实快速识别方法,对采集的图像进行颜色空间的转换,将RGB颜色空间图片转换成Lab颜色空间的图片,对Lab颜色空间下的图片进行一种基于亮度的优化显著性检测处理;对原始图像用色差法进行处理,其结果与显著性检测结果做融合处理;最终将直方图反向投影的结果和显著性检测的结果进行融合处理,OTSU二值化处理,通过最大连通域分析方法获得最大连通域,对最大连通域进行动态次数阈值腐蚀操作,对腐蚀结果再次做最大连通域分析获得最大连通域,最后对最大连通域进行与腐蚀操作等次数等结构元素的膨胀操作;做最大连通域的外接矩形实现对果实的标定。

    一种分布式全站仪数据采集器

    公开(公告)号:CN106600930A

    公开(公告)日:2017-04-26

    申请号:CN201611125254.1

    申请日:2016-12-08

    CPC classification number: G08C17/02 G01C15/00

    Abstract: 一种分布式全站仪数据采集器,包括控制模块、接收模块、存储模块、无线模块,所述控制模块分别与接收模块、存储模块、无线模块相连接。其优点在于,将数据实时解析、压缩、存储并发到到无线网络;能够确保数据传输的完整性,提高工作效率;降低多传感器运行成本,减少现场作业操作复杂程度;减少有线操作,使工作范围扩大。

Patent Agency Ranking