公开(公告)号：CN114399104A

公开(公告)日：2022-04-26

申请号：CN202210028398.4

申请日：2022-01-11

Applicant: 北京林业大学

Inventor： 赵玥 ,  周希博 ,  刘雷 ,  张鹏翀

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q10/08 ,  G06V20/10 ,  G06N3/08 ,  G06N3/04

Abstract: 本申请提供一种垃圾回收调度方法，包括：接收居民端发送的第一图像，基于第一图像确定居民垃圾堆放处的第一垃圾堆放量，第一图像为居民垃圾堆放处的垃圾图像；接收清运人员端发送的第二图像，基于第二图像确定区域垃圾堆放处的第二垃圾堆放量，第二图像为区域垃圾堆放处的垃圾图像；基于第一垃圾堆放量、第一垃圾堆放时长和第一垃圾堆放位置确定第一清运人员的第一最优路线，并发送至清运人员端，指导第一清运人员将居民垃圾堆放处的垃圾运输至区域垃圾堆放处；基于第二垃圾堆放量、第二垃圾堆放时长和第二垃圾堆放位置确定第二清运人员的第二最优路线，并发送至清运人员端，指导第二清运人员将区域垃圾堆放处的垃圾运输至垃圾回收站。

公开(公告)号：CN113469882B

公开(公告)日：2023-06-23

申请号：CN202110727642.1

申请日：2021-06-29

Applicant: 北京林业大学

Inventor： 韩巧玲 ,  周希博 ,  赵玥 ,  赵燕东 ,  刘雷

IPC: G06T3/40 ,  G06T5/50 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/094

Abstract: 本发明提供一种基于土壤CT图像的超分辨率重建方法及装置，包括：获取原始高分辨率CT图像；对原始高分辨率CT图像进行降采样处理，得到低分辨率CT序列图像；将低分辨率CT序列图像输入序列图像生成器模型中，得到序列图像生成器模型输出的超分辨率重建图像；其中，序列图像生成器模型是基于与鉴别器模型形成生成式对抗网络进行对抗训练得到的，鉴别器模型用于鉴别图像可信度。通过基于深度学习神经网络的序列图像生成器模型对土壤CT图像超分辨率重建解决了土壤CT图像清晰度低和孔隙边界模糊的问题，为土壤形态学研究提供了清晰可靠的数据。

公开(公告)号：CN113469882A

公开(公告)日：2021-10-01

申请号：CN202110727642.1

申请日：2021-06-29

Applicant: 北京林业大学

Inventor： 韩巧玲 ,  周希博 ,  赵玥 ,  赵燕东 ,  刘雷

IPC: G06T3/40 ,  G06T5/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于土壤CT图像的超分辨率重建方法及装置，包括：获取原始高分辨率CT图像；对原始高分辨率CT图像进行降采样处理，得到低分辨率CT序列图像；将低分辨率CT序列图像输入序列图像生成器模型中，得到序列图像生成器模型输出的超分辨率重建图像；其中，序列图像生成器模型是基于与鉴别器模型形成生成式对抗网络进行对抗训练得到的，鉴别器模型用于鉴别图像可信度。通过基于深度学习神经网络的序列图像生成器模型对土壤CT图像超分辨率重建解决了土壤CT图像清晰度低和孔隙边界模糊的问题，为土壤形态学研究提供了清晰可靠的数据。