-
公开(公告)号：CN109858556A
公开(公告)日：2019-06-07
申请号：CN201910111678.X
申请日：2019-02-12
Applicant: 湖南中科星图信息技术股份有限公司 , 湖南省农林工业勘察设计研究总院
Abstract: 本发明公开了一种天然林信息提取方法，其包括：对采集到的多个高分卫星影像数据进行预处理：将预处理后的多个高分卫星影像数据进行镶嵌，并对镶嵌后的影像进行图像配准，在图像配准后的影像中剪裁出目标区域的影像；对目标区域的影像中的进行图像分割，得到不同类别的景观对象样本并对其进行分类，根据各个类别的景观对象样本的属性对目标区域的影像进行监督分类，分别得到各个类别的景观对象的影像数据。本发明的天然林信息提取方法可以快速准确的获取天然林信息。
-
公开(公告)号：CN113221997B
公开(公告)日：2025-03-11
申请号：CN202110491010.X
申请日：2021-05-06
Applicant: 湖南中科星图信息技术股份有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0985 , G06N3/084 , G06T7/11
Abstract: 本发明提供了一种基于深度学习算法的高分影像油菜提取方法，该模型融合了DRN和改进的U‑Net语义分割模型，包含Encoder和Decoder的两个核心模块，实现了高分二号影像空间特征和光谱特征的自主学习以及油菜像元级的自动化提取。模型以油菜开花期(2月底‑4月中旬)高分二号影像为数据源，通过标注的油菜样本进行训练和测试，并通过数据增强算法增加油菜样本和通过调整模型参数得到最优化的油菜提取模型。在进行模型应用时，提出数据输入裁剪策略和结果输出裁剪策略实现对任意大小输入影像的油菜提取。与传统基于像元和统计理论的分类分析法以及面向对象的分类算法相比，该方法充分利用了高分二号影像的空间和光谱特征，实现了用于油菜提取的语义特征的自主学习，提高了油菜提取的精度和模型泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN119130446A
公开(公告)日：2024-12-13
申请号：CN202411632022.X
申请日：2024-11-15
Applicant: 湖南中科星图信息技术股份有限公司 , 国家石油天然气管网集团有限公司华南分公司 , 深圳四维集思技术服务有限公司
IPC: G06Q10/20 , G06F30/10 , G06F30/23 , G06F30/27 , G06Q10/04 , G06F111/08 , G06F111/10 , G06F113/14
Abstract: 本发明属于管道管理技术领域，本发明公开了一种集成数字孪生的管道高后果区智能管理平台及方法；包括：获取管道高后果区的监测数据，构建管道高后果区的数字孪生模型，将监测数据施加于数字孪生模型，计算得到管道高后果区发生故障的风险值，预设风险阈值，当风险值大于或等于风险阈值时，触发管道高后果区的维护策略；将维护策略输入数字孪生模型，并采用优化算法优化维护策略；得到最优维护策略，根据最优维护策略，对管道高后果区实施维护操作，能够动态评估管道高后果区的健康状态，及时发现风险隐患，提高管道运行的安全性和可靠性。
-
公开(公告)号：CN113157253A
公开(公告)日：2021-07-23
申请号：CN202110491633.7
申请日：2021-05-06
Applicant: 湖南中科星图信息技术股份有限公司
Abstract: 本发明提供一种企业研发私有云搭建的方法，属于网络云搭建技术领域，该方法通过搭建一套支持数据块、数据对象、文件系统等访问接口的分布式集群数据管理中心与能实现应用微服务自动启停、水平伸缩扩展的分布式集群容器管理中心，再基于上述两个中心搭建研发DevOps环境与数据库资源池(DBPool)，最后基于以上环境，配置x‑cloud脚本，提交代码完成，x‑cloud脚本自动执行，自动完成程序的自动编译、测试、打包、镜像制作、数据资源自动分配与挂载、程序微服务自动上线运行等全自动化生产流程，最终形成SaaS云，再配以日志收集中心，收集各服务器及容器内日志，保障云的稳定可靠运行，最终形成企业私有云平台，帮助企业解决数据分散存储、信息化运营成本高等问题。
-
公开(公告)号：CN119130446B
公开(公告)日：2025-01-28
申请号：CN202411632022.X
申请日：2024-11-15
Applicant: 湖南中科星图信息技术股份有限公司 , 国家石油天然气管网集团有限公司华南分公司 , 深圳四维集思技术服务有限公司
IPC: G06Q10/20 , G06F30/10 , G06F30/23 , G06F30/27 , G06Q10/04 , G06F111/08 , G06F111/10 , G06F113/14
Abstract: 本发明属于管道管理技术领域，本发明公开了一种集成数字孪生的管道高后果区智能管理平台及方法；包括：获取管道高后果区的监测数据，构建管道高后果区的数字孪生模型，将监测数据施加于数字孪生模型，计算得到管道高后果区发生故障的风险值，预设风险阈值，当风险值大于或等于风险阈值时，触发管道高后果区的维护策略；将维护策略输入数字孪生模型，并采用优化算法优化维护策略；得到最优维护策略，根据最优维护策略，对管道高后果区实施维护操作，能够动态评估管道高后果区的健康状态，及时发现风险隐患，提高管道运行的安全性和可靠性。
-
公开(公告)号：CN117036938A
公开(公告)日：2023-11-10
申请号：CN202310980312.2
申请日：2023-08-04
Applicant: 湖南中科星图信息技术股份有限公司 , 中南大学 , 长沙市规划信息服务中心
IPC: G06V20/10 , G06V10/86 , G06V10/44 , G06V10/774
Abstract: 本发明公开了一种融合空间、语义和时序特征的建筑物变化检测方法，首先建立建筑物识别语义分割模型和建筑物变化检测模型，两个模型的特征提取模块具有相同的框架。建筑物识别语义分割模型以一期影像作为输入，利用现有的公开建筑物数据集对建筑物识别语义分割模型进行训练和验证，实现建筑物特征提取模块参数的预训练。然后利用模型迁移学习算法将预训练模型参数赋值给变化检测模型对应的建筑物特征提取模块；在此基础上，利用公开的和自建的建筑物变化检测样本实现建筑物变化检测模型的训练和测试验证，并最终进行模型应用。本发明提出的方法充分利用各类样本数据，扩展性强，为持续提高建筑物变化检测精度和泛化能力提供了一种新途径。
-
公开(公告)号：CN113221997A
公开(公告)日：2021-08-06
申请号：CN202110491010.X
申请日：2021-05-06
Applicant: 湖南中科星图信息技术股份有限公司
Abstract: 本发明提供了一种基于深度学习算法的高分影像油菜提取方法，该模型融合了DRN和改进的U‑Net语义分割模型，包含Encoder和Decoder的两个核心模块，实现了高分二号影像空间特征和光谱特征的自主学习以及油菜像元级的自动化提取。模型以油菜开花期(2月底‑4月中旬)高分二号影像为数据源，通过标注的油菜样本进行训练和测试，并通过数据增强算法增加油菜样本和通过调整模型参数得到最优化的油菜提取模型。在进行模型应用时，提出数据输入裁剪策略和结果输出裁剪策略实现对任意大小输入影像的油菜提取。与传统基于像元和统计理论的分类分析法以及面向对象的分类算法相比，该方法充分利用了高分二号影像的空间和光谱特征，实现了用于油菜提取的语义特征的自主学习，提高了油菜提取的精度和模型泛化能力。
-
-
-
-
-
-
Search Results
7
records
(took 0.052 seconds)
