一种结合微波遥感与火灾蔓延模拟的森林火灾风险评估方法

    公开(公告)号:CN119475955A

    公开(公告)日:2025-02-18

    申请号:CN202411327196.5

    申请日:2024-09-23

    Abstract: 本发明公开了一种结合微波遥感与火灾蔓延模拟的森林火灾风险评估方法,该发明包括以下步骤:综合微波遥感数据,选取影响森林火灾发生概率的驱动因子;基于选取的驱动因子建立时间序列数据集,构建基于深度学习的森林火灾发生概率预测模型;通过元胞自动机‑蒙特卡罗模拟方法,模拟火灾蔓延过程,计算潜在燃烧概率;结合火灾发生概率和潜在燃烧概率综合评估森林火灾风险。本发明提供的森林火灾风险综合评估方法,具有准确性高和预见性强等优点,模型能够捕捉到火灾发生前一段时间内气象和植被等因素的趋势和变化,更好地关注驱动因子中的重要特征,综合评估森林火灾风险的方法对火灾高风险地区的识别更加准确,为林火管理提供更科学准确的信息。

    一种基于深度学习的大菊品种图像识别方法

    公开(公告)号:CN110287882A

    公开(公告)日:2019-09-27

    申请号:CN201910559352.3

    申请日:2019-06-26

    Abstract: 本发明公开了一种基于深度学习的大菊品种图像识别方法。该方法设计了基于深度卷积神经网络的菊花品种分类网络。本发明具体包括如下步骤:(1)拍摄菊花图像,建立图像数据集;(2)图像预处理,将原始图像缩放为256×256,在缩放后每张图像随机裁剪10幅大小为224×224的图像;(3)使用ResNet50深度卷积网络模型作为预训练模型,将训练集输入网络进行训练;(4)利用服务器运行ResNet50模型提取训练集图像的特征;(5)训练菊花品种分类器模型;(6)将校验集输入到模型中进行品种分类,计算识别精度并输出识别的品种名。本发明能够辅助专家学者以及大众识别和鉴赏大菊,为大菊品种识别提供新的方案。

    一种拟南芥轮廓表型的检测方法

    公开(公告)号:CN103471523B

    公开(公告)日:2016-07-06

    申请号:CN201310456227.2

    申请日:2013-09-30

    Abstract: 一种拟南芥轮廓表型的检测方法,该方法具体包括:在拟南芥的种植盆中,放置标定板,利用相机采集拟南芥的RGB图像;对采集后的图像进行预处理,实现图像的自动校正和标定,其中图像校正是为了校正图像的畸变,图像标定是为了获得单位像素的真实尺寸;对预处理后的图像进行分割,将拟南芥与背景分割,从图像中提取出来;分割出拟南芥图像之后,提取拟南芥的轮廓表型参数,用椭圆傅里叶描述子定量地描述其整体轮廓。通过对整体轮廓表型参数的分析,可以描述不同基因的拟南芥在整体轮廓形态和生长取向上面的差异,从而可以推断出不同基因的功能及对拟南芥植物的影响。

    一种拟南芥区域表型的检测方法

    公开(公告)号:CN103591887B

    公开(公告)日:2016-06-15

    申请号:CN201310456213.0

    申请日:2013-09-30

    Abstract: 一种拟南芥区域表型的检测方法,该方法具体包括:在拟南芥的种植盆中,放置标定板,利用相机采集拟南芥的RGB图像;对采集后的图像进行预处理,实现图像的自动校正和标定,其中图像校正是为了校正图像的畸变,图像标定是为了获得单位像素的真实尺寸;对预处理后的图像进行分割,将拟南芥与背景分割,从图像中提取出来;提取拟南芥的区域表型参数,包括总面积、矩形度、圆度率、紧实性、周长凹凸比、偏心性以及对称性。表型参数总面积用来反映拟南芥的大小,表型参数矩形度、圆度率、紧实性、周长凹凸比、偏心性以及对称性用来反映拟南芥的区域形态。通过这些表型参数描述不同基因的拟南芥在大小和区域形态上面的差异,从而可以推断出不同基因的功能及对拟南芥植物的影响。

    上下肢康复训练机器人
    5.
    发明授权

    公开(公告)号:CN102247258B

    公开(公告)日:2013-09-04

    申请号:CN201110087599.3

    申请日:2011-04-08

    Abstract: 本发明提出了一种上下肢综合康复训练机器人,它由箱体、减速机构、臂托机构、摆动及缓冲机构及其它辅助构件组成。减速机构包括了锥齿轮传动、圆柱直齿轮传动、同步带传动。臂托机构由臂托架和滑块组成,滑块可以沿安装在箱体上的导轨滑动。摆动及缓冲机构由摆动连杆、套筒、弹簧、套筒盖、缓冲杆、拉杆、托板、把手组成。直流伺服电机通过减速机构带动摆动及缓冲机构运动。缓冲杆可以在把手的带动下克服弹簧力在套筒内做往复运动,从而减轻对手腕(或踝)关节的冲击。本发明可以用于上肢或下肢的康复训练,同时又有主动和被动两种工作方式。

    一种基于野生动物监测图像分类的神经网络自动设计方法

    公开(公告)号:CN116663635A

    公开(公告)日:2023-08-29

    申请号:CN202310466097.4

    申请日:2023-04-27

    Inventor: 张军国 贾靓 田野

    Abstract: 本发明涉及一种野生动物监测图像分类的神经网络自动设计方法,包括,S1,动物边界的框定,生成代理数据集,输入目标像素高度、宽度,动物区域坐标;S2,训练并验证采样网络,验证了搜索用工作站与边缘设备间的“强延迟单调性”;S3,以代理数据集为基础,开展基于低轮数训练的神经网络结构搜索,以工作站为边缘设备的代理设备,测量网络推理时间;S4,基于近似准确率与近似推理时间,计算分段损失函数,并优化算法;S5,根据应用需求遴选网络。本发明通过不断的计算、优化算法、最终得到的网络数据相较于其余网络数据有最高的平均准确率以及最低的显存占用率。

    基于对比自监督学习网络的森林火灾烟雾视频检测方法

    公开(公告)号:CN114998801A

    公开(公告)日:2022-09-02

    申请号:CN202210645586.1

    申请日:2022-06-09

    Abstract: 本发明公开了基于对比自监督学习网络的森林火灾烟雾视频检测方法,步骤包括:获取森林火灾烟雾视频,根据所述森林火灾烟雾视频建立烟雾视频数据集;采用预先构建的对比自监督学习网络对所述烟雾视频数据集进行特征学习,得到连续视频帧的注意力特征图;根据所述连续视频帧的注意力特征图进行运动物体检测,并获取检测结果。本发明基于对比自监督学习方法并搭建以交叉双通道网络为骨干网络的无监督自蒸馏网络,提取复杂环境背景烟雾视频特征并学习语义信息,得到连续视频帧的注意力特征图并确定关注区域运动目标,实现森林火灾烟雾视频的高精度识别和定位,提高烟雾检测效率和性能,适用于检测背景环境复杂、距离远的早期森林火灾小目标烟雾视频。

    一种基于图像的小麦旗叶无损自动检测及测量方法

    公开(公告)号:CN107886497A

    公开(公告)日:2018-04-06

    申请号:CN201710925955.1

    申请日:2017-10-05

    Abstract: 本发明公开了一种基于图像的小麦旗叶无损自动检测方法。属于植物表型测量领域。以工业摄像机作为图像采集设备,采集小麦抽穗期的生长图像,通过数字图像处理技术,设计出一种小麦旗叶自动无损检测方法。该方法具体包括:利用相机获取小麦抽穗期RGB彩色图像;将采集的图像进行图像分割,将小麦与背景分割,从而将小麦提取出来;采用具有10个神经元模式识别神经网络和Law纹理特征对小麦图像中的麦穗进行识别,将麦穗和麦叶分类;最后采用从麦穗位置自上而下搜索到第一片叶子为旗叶,最终实现旗叶的自动检测,根据标定参数计算旗叶的实际面积。本方法是国内外首次实现小麦旗叶的自动检测及测量。本方法适用于小麦和水稻的旗叶自动监测,为小麦和水稻的表型自动测量奠定基础。

Patent Agency Ranking