-
公开(公告)号:CN108197591A
公开(公告)日:2018-06-22
申请号:CN201810058223.1
申请日:2018-01-22
Applicant: 北京林业大学
Abstract: 本发明公开了一种基于多特征融合迁移学习的鸟类个体识别方法,包括:S1、对已知的鸟鸣信号进行预处理;S2、对预处理后的鸟鸣信号进行分帧和加窗处理,对得到的定帧长的鸟鸣信号利用线性调频小波生成语图;S3、对深度卷积神经网络进行处理;S4、将S2中生成的语图输入到S3的神经网络中获得不同层的特征向量,融合后得到最终的特征向量;S5、将最终的特征向量输入到支持向量机中,训练后得到识别模型;S6、对得到的识别模型进行性能检测,不断改进得到最终的识别模型;S7、将待测鸟鸣信号按照步骤S1、S2、S4进行处理得到最终的特征向量后,将其输入到S6的最终的识别模型中识别鸟类的种类和数量。
-
公开(公告)号:CN112565350A
公开(公告)日:2021-03-26
申请号:CN202011297678.2
申请日:2020-11-18
Applicant: 北京林业大学
Abstract: 本发明涉及一种农林业无线监控管理系统,尤其涉及一种基于LoRa的果园智能管理系统,该系统针对丘陵山区果园,属于农林业无线监控技术智能管理领域,功耗低,其包括终端节点、中继网关、网络服务器以及应用服务器。终端节点分为静态终端和动态终端,静态终端用于采集果园环境参数,动态终端用于采集林业装备的运行状态及执行下行控制指令;中继网关仅对数据做格式上的转换及中转;网络服务器对整个无线系统的数据进行解析、加密以及保存;客户服务器实现上行数据的直观展示以及下行指令的便捷操作。整套系统利用LoRa技术将有效提高无线管理的传输距离和网络容量,实现对果园环境的实时监测以及动态林业装备的精准控制。
-