-
公开(公告)号：CN116912714A
公开(公告)日：2023-10-20
申请号：CN202310297540.X
申请日：2023-03-24
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于优化半监督支持向量机模型的涌潮水质反演方法。针对现有涌潮水质反演方法标记样本需求量大、采集和标注成本高、泛化能力不足、不能灵活适应多样的数据场景等问题，本发明使用无人机搭载多光谱相机动态跟踪拍摄涌潮，利用遥感数据和实测水质数据建立反演模型，并将半监督支持向量机协同回归算法应用到涌潮水质反演中，该算法能够有效结合标记和未标记数据，提高模型的预测和泛化能力。同时，将人工鱼群生物启发算法应用于支持向量机模型的优化中，该算法具有全局搜索能力强、收敛速度快等优点，可以有效提高模型的性能。本发明提供的方法具有标记数据需求量少、数据利用率高、对异常数据鲁棒性较好以及泛化能力更强等优点。
-
公开(公告)号：CN115079716A
公开(公告)日：2022-09-20
申请号：CN202210472512.2
申请日：2022-04-29
Applicant: 中国计量大学
IPC: G05D1/10
Abstract: 本发明公开了一种航线任务和虚拟控制相结合的涌潮传播速度观测方法。本发明针对涌潮传播速度计算对于相关水文数据的依赖以及强涌潮动力环境下数据难以直接获取的现实局限性，结合无人机的机动性和手机端应用程序的开发，提出了一种航线任务和虚拟控制相结合的涌潮传播速度观测方法，通过无人机在规定的航线前进的同时对涌潮潮头的追踪，记录当前无人机的前进速度即为涌潮潮头向前推进的速度并保存于数据库中，该方法不仅能够直观得得到涌潮的传播速度，还能够更加方便地得到更大范围和更多点位的涌潮传播速度的数据，为涌潮的研究提供更加全面的数据支持。
-
Patent Agency Ranking
公开(公告)号：CN116630372A
公开(公告)日：2023-08-22
申请号：CN202310653813.X
申请日：2023-06-05
Applicant: 中国计量大学 , 浙江同济科技职业学院
Abstract: 本发明创新性地将DeepSORT算法与无人机单目测距原理相结合，提出一种基于无人机与DeepSORT算法的涌潮传播速度计算方法。相对于传统的涌潮观测平台，本发明以无人机作为涌潮观测平台，具有机动灵活和观测范围广的特点。针对动力强劲和破坏力极强的涌潮，本发明可实现对大范围涌潮传播过程的观测。相对于传统图像处理算法在涌潮观测领域的应用，本发明借助DeepSORT算法可实现对涌潮传播过程的连续识别与跟踪，以及在图像画面中实时绘制出涌潮运动轨迹并计算出涌潮目标在图像坐标系中的像素移动速度，结合无人机单目测距原理，将像素移动速度转换为涌潮实际传播速度。本发明可为涌潮传播机理的研究提供重要的数据支撑。
-
公开(公告)号：CN114897808A
公开(公告)日：2022-08-12
申请号：CN202210480518.4
申请日：2022-05-05
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于多无人机的涌潮潮头平面形态检测方法。本发明针对现有涌潮观测中单无人机作业存在的涌潮拍摄范围有限、无法覆盖和检测涌潮形态全貌等问题，设计了一种基于多无人机的涌潮潮头平面形态检测方法，构建了由多旋翼无人机模块、云台相机模块、板载计算机模块NUC、飞控模块、自组网模块和地面站模块组成的多无人机自组网的钱塘江涌潮协同拍摄平台。云台相机将拍摄的图像传给NUC，NUC首先运行拼接算法，将图像进行同步拼接，然后运行跟踪算法，实时保持动态涌潮跟踪。借助于多无人机摄影测量的涌潮观测方法，能够在大尺度范围内连续跟踪观测涌潮。该方法具有工作效率高、安全性高、方便快捷、可连续观测以及涌潮覆盖范围大等优势。
-
公开(公告)号：CN115311511A
公开(公告)日：2022-11-08
申请号：CN202210480596.4
申请日：2022-05-05
Applicant: 中国计量大学
IPC: G06V10/774 , G06V10/82 , G06V10/40 , G06N3/04 , G01C13/00
Abstract: 本发明公开了一种基于深度学习的波状和漩滚涌潮同步识别方法。本发明针对现有涌潮观测方法无法对涌潮形态变化过程进行连续观测的问题，提出了波状和旋滚涌潮同步识别方法，创新性地将无人机观测平台与深度学习技术相结合并运用于涌潮观测领域。首先通过无人机在不同的河段拍摄不同潮期的涌潮图像来制作出涌潮形态的典型数据集，然后将数据集放入神经网络中进行训练，再将训练出来的模型部署在移动端设备上，最后通过移动端设备控制无人机飞至江面上方同步识别波状涌潮和旋滚涌潮，为涌潮形态变化过程的研究提供更加充分的基础数据支撑。该方法具有安全性高、操作方便、观测范围广、识别准确率高和处理速度快等特点。
-
公开(公告)号：CN114862726B
公开(公告)日：2025-04-25
申请号：CN202210472516.0
申请日：2022-04-29
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于梯度幅值生长的涌潮潮头线连接方法。本发明针对涌潮到来时潮头线在图像水流方向上梯度幅值较大的特征，采用Sobel算子进行梯度幅值计算，该算子可以计算出每个像素点在水流方向上梯度幅值的大小，通过使用OTSU图像分割方法将图像分为前景和背景部分，最后根据断裂的涌潮潮头线的端点邻域梯度幅值的大小进行像素点生长，从而完成涌潮潮头线连接，最后筛选出面积最大的轮廓即为涌潮的潮头线，该方法能够更加精确地分割得到涌潮的潮头线区域，并且能够准确有效地连接涌潮断裂部分，提高涌潮潮头线识别准确度，为涌潮研究提供数据支持。
-
公开(公告)号：CN114862726A
公开(公告)日：2022-08-05
申请号：CN202210472516.0
申请日：2022-04-29
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于梯度幅值生长的涌潮潮头线连接方法。本发明针对涌潮到来时潮头线在图像水流方向上梯度幅值较大的特征，采用Sobel算子进行梯度幅值计算，该算子可以计算出每个像素点在水流方向上梯度幅值的大小，通过使用OTSU图像分割方法将图像分为前景和背景部分，最后根据断裂的涌潮潮头线的端点邻域梯度幅值的大小进行像素点生长，从而完成涌潮潮头线连接，最后筛选出面积最大的轮廓即为涌潮的潮头线，该方法能够更加精确地分割得到涌潮的潮头线区域，并且能够准确有效地连接涌潮断裂部分，提高涌潮潮头线识别准确度，为涌潮研究提供数据支持。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
