公开(公告)号：CN119384979A

公开(公告)日：2025-02-07

申请号：CN202510005920.0

申请日：2025-01-03

Applicant: 北京林业大学

Inventor： 戈晓宇 ,  汶宣彤 ,  乔转运 ,  袁涛 ,  刘志成 ,  王博娅 ,  田彤宇 ,  兰雨萌 ,  潘皓辰 ,  王帅清 ,  翟哲然 ,  刘思瑶 ,  马瑞杰 ,  李紫萌 ,  孙熙呈 ,  王靖渊

IPC: A01G9/02 ,  A01G9/029 ,  A01G24/50 ,  A01G24/12 ,  A01G24/28 ,  A01G24/42 ,  A01G7/06 ,  A01G22/00

Abstract: 本申请涉及园艺植物种植养护技术领域，尤其涉及地被植物装配式模块生成方法和地被植物装配式模块，该方法包括：制备第一土壤基质和第二土壤基质；将所述第一土壤基质铺设在无纺布上；将基于目标铺设区域的环境特征确定的种子混合物与所述第二土壤基质混合后，铺设在所述第一土壤基质上，获得待培养模块，其中，所述种子混合物包括至少两种植物种子；对所述待培养模块进行培养，在至少部分所述植物种子培育至长出花苞后，获得地被植物装配式模块。本方案基于目标铺设区域的环境特征确定种子混合物，能够提高生成的地被植物装配式模块中植被与目标铺设区域的匹配度，种子混合物中包括多种植物种子，能够提高生长完成植被的景观表现形式的丰富度。

公开(公告)号：CN117036805A

公开(公告)日：2023-11-10

申请号：CN202311003802.3

申请日：2023-08-10

Applicant: 北京林业大学

Inventor： 何昊 ,  王博娅 ,  刘志成

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本公开实施例提供了一种基于CNN‑Transformer的遥感图像水体提取方法、装置、电子设备及介质，方法包括：将待提取的遥感图像输入至预先训练的基于CNN‑Transformer的深度学习模型；基于CNN的多尺度特征提取技术对所述遥感图像进行特征编码，获得所述遥感图像的多尺度编码特征；基于Mobile ViT的Unfold‑Transformer‑Fold结构对所述多尺度编码特征进行处理，获得所述遥感图像的全局编码特征；对所述全局编码特征进行解码得到解码特征，基于协调注意力机制，对相同尺寸的多尺度编码特征和解码特征两两进行融合，得到融合特征；对所述融合特征进行解码，得到遥感图像中的水体区域。本实施例能够以较小的参数量，有效利用网络深层的上下文语义信息，实现多层次、多尺度水体信息的快速、精确提取。