一种船行波数值模拟的无序式增量稀疏点云重构方法

    公开(公告)号:CN113808273B

    公开(公告)日:2023-09-12

    申请号:CN202111076384.1

    申请日:2021-09-14

    Abstract: 本发明提供一种船行波数值模拟的无序式增量稀疏点云重构方法,涉及船舶与海洋工程领域,包括如下步骤:S1、通过粘流CFD数值模拟方法,得到目标船体在规则波环境下引起的船行波自由表面数据;S2、针对所述船行波自由表面数据,在物理引擎中进行三维建模,得到船行波模型;S3、采用立体视觉无序式增量稀疏点云重构算法,得到位于船行波自由表面上的三维点云;S4、对比所述三维点云以及粘流CFD数值模拟的船行波自由表面数据,验证船行波三维重构结果的准确性。本发明利用物理引擎搭建立体视觉仿真环境,利用无序式增量稀疏点云重构方法得到三维坐标点。使得船行波自由表面三维重构的准确性得以验证,并使对海洋波浪的观测更加精细。

    一种船舶智能化水平的量化评价方法

    公开(公告)号:CN113988592A

    公开(公告)日:2022-01-28

    申请号:CN202111247470.4

    申请日:2021-10-26

    Abstract: 本发明提供一种船舶智能化水平的量化评价方法,涉及船舶评价技术领域,包括如下步骤:S1、采集待评价智能船数据,根据所述待评价智能船数据建立智能船舶评价指标;S2、将所述智能船舶评价指标进行重要性比较,应用层次分析法计算得到智能船舶量化评价第一权重;S3、根据所述智能船舶评价指标,对待评价智能船使用熵权法得到智能船舶量化评价第二权重;S4、将所述智能船舶量化评价第一权重和所述智能船舶量化评价第二权重进行复合,得出综合评价权重。本发明提出了一种智能船舶各项功能指标定量评价时的权重体系,通过评价指标的构建与量化,可以全面直观的判断智能船舶的智能化程度的高低以及是否满足标准。

    一种船行波数值模拟的无序式增量稀疏点云重构方法

    公开(公告)号:CN113808273A

    公开(公告)日:2021-12-17

    申请号:CN202111076384.1

    申请日:2021-09-14

    Abstract: 本发明提供一种船行波数值模拟的无序式增量稀疏点云重构方法,涉及船舶与海洋工程领域,包括如下步骤:S1、通过粘流CFD数值模拟方法,得到目标船体在规则波环境下引起的船行波自由表面数据;S2、针对所述船行波自由表面数据,在物理引擎中进行三维建模,得到船行波模型;S3、采用立体视觉无序式增量稀疏点云重构算法,得到位于船行波自由表面上的三维点云;S4、对比所述三维点云以及粘流CFD数值模拟的船行波自由表面数据,验证船行波三维重构结果的准确性。本发明利用物理引擎搭建立体视觉仿真环境,利用无序式增量稀疏点云重构方法得到三维坐标点。使得船行波自由表面三维重构的准确性得以验证,并使对海洋波浪的观测更加精细。

    一种基于循环神经网络和卷积神经网络的智能水位预测方法

    公开(公告)号:CN111242344A

    公开(公告)日:2020-06-05

    申请号:CN201911269292.8

    申请日:2019-12-11

    Abstract: 本发明提供一种基于循环神经网络和卷积神经网络的智能水位预测方法,包括:处理空间上相邻的各个水位站长期采集的水位数据,形成水位样本数据;构建基于循环神经网络和卷积神经网络的水位预测模型;利用水位样本数据对水位预测模型进行训练和测试,确定水位预测模型的网络参数;利用训练好的水位预测模型,输入多个空间相邻水位站的一段期间的历史数据,获得中间水位站未来一段期间的预测水位值。本发明的技术方案一方面利用循环神经网络学习水位的变化趋势,另一方面利用卷积神经网络更好地学习到了不同位置的水位站之间水位值的某种关联,从而更加充分利用多水位站的数据,提高内河水位预测的精度。

    一种基于深度学习的航标灯质智能识别方法

    公开(公告)号:CN111639709B

    公开(公告)日:2023-08-29

    申请号:CN202010478280.2

    申请日:2020-05-29

    Abstract: 本发明提供一种基于深度学习的航标灯质智能识别方法,包括:采集视频数据,并进行预处理;构建灯闪网络,并进行训练;灯闪网络以预处理后视频的亮度通道图像为输入,利用循环神经网络提取航标灯的亮度特征,再利用循环神经网络提取亮度特征形成的灯闪周期时序;构建颜色网络,并进行训练;颜色网络以视频的RGB图像为输入,利用卷积神经网络提取航标灯的颜色特征;将灯闪网络和颜色网络的识别结果进行融合,获取航标灯颜色加灯闪周期的灯质分类。本发明主要利用灯闪网络和颜色网络将灯闪周期与颜色分离训练和识别,达到了航标灯质的多标签分类效果。加入了注意力机制,可以使得特征图在训练时更容易关注到所要观察的灯质信息,提升了模型的准确率。

    一种基于深度卷积神经网络的航标图像智能分类方法

    公开(公告)号:CN111488940A

    公开(公告)日:2020-08-04

    申请号:CN202010296631.8

    申请日:2020-04-15

    Abstract: 本发明提供一种基于深度卷积神经网络的航标图像智能分类方法。包括:采集航标图像;对航标图像进行预处理形成数据集;构建注意力航标分类模型;训练模型并进行测试,形成训练好的注意力航标分类模型;利用tensorflow-serving对训练好的注意力航标分类模型进行部署,提供调用网络接口;进行航标分类的应用。本发明提出的注意力航标分类模型,专门针对不同细类的航标数据进行训练,应用于智能船舶和智能航行系统中,提高对环境的视觉感知能力,保障船舶的航行安全;也可应用于基于手机的航道信息智能服务APP中,培养和提升社会公众和船员的识标能力和水平。

    一种基于深度学习的航标灯质智能识别方法

    公开(公告)号:CN111639709A

    公开(公告)日:2020-09-08

    申请号:CN202010478280.2

    申请日:2020-05-29

    Abstract: 本发明提供一种基于深度学习的航标灯质智能识别方法,包括:采集视频数据,并进行预处理;构建灯闪网络,并进行训练;灯闪网络以预处理后视频的亮度通道图像为输入,利用循环神经网络提取航标灯的亮度特征,再利用循环神经网络提取亮度特征形成的灯闪周期时序;构建颜色网络,并进行训练;颜色网络以视频的RGB图像为输入,利用卷积神经网络提取航标灯的颜色特征;将灯闪网络和颜色网络的识别结果进行融合,获取航标灯颜色加灯闪周期的灯质分类。本发明主要利用灯闪网络和颜色网络将灯闪周期与颜色分离训练和识别,达到了航标灯质的多标签分类效果。加入了注意力机制,可以使得特征图在训练时更容易关注到所要观察的灯质信息,提升了模型的准确率。

    一种浮标边缘计算语音服务系统

    公开(公告)号:CN222356395U

    公开(公告)日:2025-01-14

    申请号:CN202420040558.1

    申请日:2024-01-05

    Abstract: 本实用新型公开了一种浮标边缘计算语音服务系统,涉及语音处理与通信技术领域,所述系统包括设置在浮标上的箱体、电源、变压器和高音喇叭;所述箱体内设置有边缘计算模块、VHF语音通信模块和4G上网模块;所述VHF语音通信模块通过变压器与电源连接,所述VHF语音通信模块与高音喇叭相连,所述VHF语音通信模块通过网线与边缘计算模块相连;所述边缘计算模块还与电源和4G上网模块相连;所述4G上网模块与云服务器相连。本实用新型解决了海上航行中通信系统的实时语音处理、语音识别、信息查询和数据互联等关键技术问题,从而实现了船员语音输入的实时处理、语音识别和回答功能,同时还具备了查询水位等航道信息的能力。

Patent Agency Ranking