公开(公告)号：CN118747719A

公开(公告)日：2024-10-08

申请号：CN202411014875.7

申请日：2024-07-26

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 赵阳 ,  陈康宇 ,  孟冉

IPC: G06T5/50 ,  G06T7/10 ,  G06T17/20 ,  G06T19/20 ,  G06T5/60

Abstract: 本发明属于计算机视觉技术领域，且公开了一种基于数字孪生及生成式AI的数据合成与增强方法，通过图像三维重建构建植株数字模型，利用多视角图像和计算机视觉技术实现，基于三维模型合成数据集，通过三维图形软件设计与渲染获得二维图像及标注，合成数据集并测试其效果，利用生成式AI模型生成植株三维模型，合成数据用于训练，本发明利用计算机合成数据增强的方法可解决图像分割等深度学习算法训练数据缺乏等问题，并且通过生成式人工智能与数字孪生技术为合成数据增强，利用三维重建技术构建真实世界中植物的数字模型，利用生成式AI技术生成植物三维数字模型，以生成合成数据的方法解决图像分割任务中训练数据难以获得的问题。

公开(公告)号：CN116958828A

公开(公告)日：2023-10-27

申请号：CN202310837597.4

申请日：2023-07-07

Applicant: 华中农业大学 ,  哈尔滨工业大学人工智能研究院有限公司

Inventor： 孟冉 ,  刘婷婷 ,  赵峰

IPC: G06V20/13 ,  G06V20/10 ,  G06V10/54 ,  G06V10/58 ,  G06V10/764 ,  G06V10/771 ,  G06V10/774

Abstract: 本发明公开了一种基于卫星遥感数据的作物早期识别方法，具体为一种协同光学遥感影像和SAR遥感影像的作物早期识别模型的构建方法，包括以下步骤：1)采集研究区样本数据，分为训练样本和验证样本集；2)筛选作物不同物候期的光学遥感影像和SAR遥感影像，进行预处理；3)对步骤2)预处理后的光学遥感影像和SAR遥感影像进行波段信息提取；4)提取步骤3)中SAR遥感影像和光学遥感影像的各类特征值；5)分别基于SAR数据和多源数据，采用VSURF算法，在作物不同物候期进行特征筛选；6)根据不同数据源，利用随机森林和支持向量机算法，在作物不同物候期，构建作物早期识别模型，并进行精度评估；7)根据步骤6)中的最佳作物早期识别模型，将模型迁移至其它年份。

公开(公告)号：CN117176641A

公开(公告)日：2023-12-05

申请号：CN202311250161.1

申请日：2023-09-26

Applicant: 哈尔滨工业大学

Inventor： 李东博 ,  张嘉骏 ,  刘劼 ,  巩建光 ,  孟冉 ,  张吉

IPC: H04L45/12 ,  H04L45/125 ,  H04L45/247 ,  H04W40/02 ,  H04L41/12 ,  H04L41/142 ,  H04B7/185

Abstract: 本发明涉及一种星地融合网络的路径选择和资源分配方法，所述方法包括如下步骤：S1、建立星地融合网络架构：在Satellite Tool Kit中创建卫星星座，在Mininet网络仿真平台中建立对应星地网络拓扑，并根据两行轨道数据生成链路参数，建立传输链路；S2、构建传输成本矩阵：定义网络资源；构建目标函数，目标函数受链路可负载带宽约束，且传输成本矩阵最小；S3、对目标函数进行求解：基于快速带宽收敛方法求出目标函数最优解，确定最优传输路径。本发明在多个备选路径中找到传输成本最低的路径作为最终选择，并且快速收敛到该路径的带宽上限，降低对网络整体的影响，具有为星地融合网络找到最佳传输路径的能力。

公开(公告)号：CN118883462A

公开(公告)日：2024-11-01

申请号：CN202410934247.4

申请日：2024-07-11

Applicant: 哈尔滨工业大学

Inventor： 孟冉 ,  吕振刚 ,  徐斌元 ,  赵峰 ,  刘劼

IPC: G01N21/25 ,  G01N21/3563 ,  G01N21/359 ,  G01N21/95 ,  G06V20/17 ,  G06V10/20 ,  G06V10/10 ,  G06N20/20 ,  G06N5/01 ,  G06V10/764 ,  B64C39/02 ,  G01N21/17

Abstract: 本发明公开了一种农作物病虫害监测模型的构建方法，包括以下步骤：1)对农作物冠层进行无人机多视角多光谱影像数据采集；2)对采集到的所述无人机多视角多光谱影像数据分别进行预处理，包括影像拼接、几何校正、辐射校正和冠层提取；3)采用随机森林算法提取农作物区域；4)对步骤3)中提取得到的农作物区域，基于对农作物病虫害敏感的波段，采用不同代数组合的方式计算对病虫害敏感的光谱指数；5)采用随机森林算法，利用平均下降基尼系数评估步骤4)中的不同观测角度的各光谱指数在病虫害监测中的重要性；6)采用前向选择算法确定不同观测角度最优的光谱指数组合；7)采用随机森林算法构建农作物病虫害监测模型。