-
公开(公告)号:CN116400432A
公开(公告)日:2023-07-07
申请号:CN202310612502.9
申请日:2023-05-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于集合计算观测资料对数值天气预报影响的方法、装置,所述方法包括:从第一时刻起报进行预报,得到第二时刻未资料同化的预报场,基于观测资料,得到第二时刻资料同化后的分析场;从第二时刻进行预报,得到第三时刻未资料同化的预报场和资料同化的预报场,分别从中提取模式空间的状态变量数据;计算局地化矩阵,并行计算观测资料对数值天气预报的影响敏感性数值。采用上述技术方案,在计算观测资料对数值天气预报影响时,引入局地化矩阵,并且提供了局地化矩阵和影响数值并行计算的计算架构,显著提升计算能力和结果精度。
-
公开(公告)号:CN113255239B
公开(公告)日:2021-09-28
申请号:CN202110783068.1
申请日:2021-07-12
Applicant: 南京信息工程大学
Abstract: 一种用于预测超高压输电线路杆塔覆冰厚度的深度学习方法,包括:1、提取单个杆塔周围一定地理范围的六种局部、三种全局历史气象要素和三种地形要素信息;2、通过降维深度可分离模块,对各个要素特征进行归一化,并且实现对地形要素特征的提取;3、将多个历史时间点的局部和全局气象要素特征分别输入LSTM网络中,实现气象要素特征提取;4、地形要素特征与气象要素特征进行特征融合,并将融合后的特征输入主干分类网络;5、将历史覆冰厚度数据分20等级作为网络标签;6、计算模型损失,训练模型,优化模型参数。本发明充分考虑了杆塔上覆冰厚度的时间与空间影响因素,可以有效的从历史气象数据与地形数据中预测下一个时间点的覆冰厚度。
-
公开(公告)号:CN111371164A
公开(公告)日:2020-07-03
申请号:CN202010285117.4
申请日:2020-04-13
Applicant: 南京信息工程大学
IPC: H02J7/35 , H02K35/02 , H02N2/18 , H02J7/34 , H02J7/32 , G08B27/00 , G08B25/10 , G08B25/00 , G08B21/24 , G08B21/18 , G01L1/22
Abstract: 本发明公开了一种基于综合环境能量采集的自供电的高灵敏度的桥梁应力检测装置,包括有综合环境能量采集器、能量收集存储电路、应力传感器模块、信号处理及发送模块和基站,综合环境能量采集器将采集到的能量转化为电能,并存储在能量收集存储电路内,能量收集存储电路电性连接信号处理及发送模块,信号处理及发送模块电性连接应力传感器模块,应力传感器模块用于监测桥梁的形变状态,并向信号处理及发送模块发送传感器信号,信号处理及发送模块对传感器信号进行处理,生成相应数据,并将数据发送至基站中,基站通过无线传输将数据发送至移动端设备中。本发明实现了系统的自供电,可以避免在桥梁上通过有线来为系统供电,从而更加便利。
-
公开(公告)号:CN113283428A
公开(公告)日:2021-08-20
申请号:CN202110820773.4
申请日:2021-07-20
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种基于FCE‑SSD方法的图像目标检测方法,应用所设计特征单元信息增强网络框架,结合膨胀卷积模块提取特征单元感受野区域信息,并将信息融合进主干特征图中实现特征增强,在保持SSD网络深度情况下,通过特征增强的方式,提高主干网络特征单元感受野回归的精度,实现高精度目标检测定位;相较于传统的目标检测定位方法,精度方面显著提高,尤其在小目标检测方面效果显著;本发明设计方法在PASCAL VOC 2007与2012数据集上进行实验测试,FCE‑VGG平均均值精度值(mAP)可以达到79.1%与79.3%,相比SSD300方法提升了1.6%和1.9%。
-
公开(公告)号:CN111680705A
公开(公告)日:2020-09-18
申请号:CN202010810771.2
申请日:2020-08-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种适于目标检测的MB-SSD方法,包括:提取多小目标图像,采用生成对抗网络对提取的多小目标图像进行增强;构建MB-SSD特征提取网络,所述MB-SSD特征提取网络包括主支特征提取网络、分支特征提取网络和定位网络,将增强后数据输入MB-SSD特征提取网络,分别获取主支特征提取网络和分支特征提取网络的分类定位结果;再根据定位网络上同区域不同候选框的IoU重合度调整分类网络的输出特征;将主支特征提取网络和分支特征提取网络的分类定位结果进行融合并降维;计算模型损失,训练模型,优化模型参数。本发明能够在分类层中加入相对重合度调整分类结果的方法,来提高SSD算法的分类效果,同时有效的改善了对小目标的检测精度。
-
公开(公告)号:CN113255239A
公开(公告)日:2021-08-13
申请号:CN202110783068.1
申请日:2021-07-12
Applicant: 南京信息工程大学
Abstract: 一种用于预测超高压输电线路杆塔覆冰厚度的深度学习方法,包括:1、提取单个杆塔周围一定地理范围的六种局部、三种全局历史气象要素和三种地形要素信息;2、通过降维深度可分离模块,对各个要素特征进行归一化,并且实现对地形要素特征的提取;3、将多个历史时间点的局部和全局气象要素特征分别输入LSTM网络中,实现气象要素特征提取;4、地形要素特征与气象要素特征进行特征融合,并将融合后的特征输入主干分类网络;5、将历史覆冰厚度数据分20等级作为网络标签;6、计算模型损失,训练模型,优化模型参数。本发明充分考虑了杆塔上覆冰厚度的时间与空间影响因素,可以有效的从历史气象数据与地形数据中预测下一个时间点的覆冰厚度。
-
公开(公告)号:CN111507319A
公开(公告)日:2020-08-07
申请号:CN202010617109.5
申请日:2020-07-01
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于深度融合卷积神经网络的农作物病害识别方法,该方法提出的IR_CNN模型由Inception v1和ResNet50中的有效模块级联而成,其可分别提取农作物病害图像多样性和深层特征,并进行融合。IR_CNN模型模块由不同分支的神经网络构成,增加了总体网络的宽度,且将全连接甚至一般的卷积都转化为稀疏连接,减小了网络的计算量。本发明结合不同网络模型的特征提取能力,可更好地获得农作物病害图像中的多样性特征和深层特征,后续将特征进行融合,通过训练学习,可更好地识别出不同农作物的多种病害类别,尤其是复杂的农作物病害,并具有较高的识别精度。
-
公开(公告)号:CN116400432B
公开(公告)日:2023-08-22
申请号:CN202310612502.9
申请日:2023-05-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于集合计算观测资料对数值天气预报影响的方法、装置,所述方法包括:从第一时刻起报进行预报,得到第二时刻未资料同化的预报场,基于观测资料,得到第二时刻资料同化后的分析场;从第二时刻进行预报,得到第三时刻未资料同化的预报场和资料同化的预报场,分别从中提取模式空间的状态变量数据;计算局地化矩阵,并行计算观测资料对数值天气预报的影响敏感性数值。采用上述技术方案,在计算观测资料对数值天气预报影响时,引入局地化矩阵,并且提供了局地化矩阵和影响数值并行计算的计算架构,显著提升计算能力和结果精度。
-
公开(公告)号:CN113283428B
公开(公告)日:2021-10-08
申请号:CN202110820773.4
申请日:2021-07-20
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种基于FCE‑SSD方法的图像目标检测方法,应用所设计特征单元信息增强网络框架,结合膨胀卷积模块提取特征单元感受野区域信息,并将信息融合进主干特征图中实现特征增强,在保持SSD网络深度情况下,通过特征增强的方式,提高主干网络特征单元感受野回归的精度,实现高精度目标检测定位;相较于传统的目标检测定位方法,精度方面显著提高,尤其在小目标检测方面效果显著;本发明设计方法在PASCAL VOC 2007与2012数据集上进行实验测试,FCE‑VGG平均均值精度值(mAP)可以达到79.1%与79.3%,相比SSD300方法提升了1.6%和1.9%。
-
公开(公告)号:CN111680705B
公开(公告)日:2021-02-26
申请号:CN202010810771.2
申请日:2020-08-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种适于目标检测的MB‑SSD方法,包括:提取多小目标图像,采用生成对抗网络对提取的多小目标图像进行增强;构建MB‑SSD特征提取网络,所述MB‑SSD特征提取网络包括主支特征提取网络、分支特征提取网络和定位网络,将增强后数据输入MB‑SSD特征提取网络,分别获取主支特征提取网络和分支特征提取网络的分类定位结果;再根据定位网络上同区域不同候选框的IoU重合度调整分类网络的输出特征;将主支特征提取网络和分支特征提取网络的分类定位结果进行融合并降维;计算模型损失,训练模型,优化模型参数。本发明能够在分类层中加入相对重合度调整分类结果的方法,来提高SSD算法的分类效果,同时有效的改善了对小目标的检测精度。
-
-
-
-
-
-
-
-
-