公开(公告)号：CN117911866A

公开(公告)日：2024-04-19

申请号：CN202410079986.X

申请日：2024-01-19

Applicant: 福州大学

Inventor： 卢毅敏 ,  郭向钟

IPC: G06V20/10 ,  G06V20/70 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及一种基于轻量级深度学习网络的滑坡灾害自动识别方法。该方法构建了一种基于轻量级的深度学习网络（Mv2_SA_DeepLabv3+）用于从单一时相捕获的影像中检测滑坡地质灾害的发生区域。其基于DeepLabv3+网络结构，并做出以下三点改进：（1）轻量级主干网络：在编码过程中将特征提取的主干网络改进为轻量级的MobileNetV2网络，降低模型计算复杂度，提升模型应急部署能力；（2）改进ASPP模块：改进空洞空间金字塔池化模块，添加Shuffle Attention模块以增强模型对滑坡特征的注意力并提高多尺度语义特征提取效果；（3）优化损失函数：采用二分类交叉熵和Dice Loss结合的损失函数，以解决滑坡灾害分割任务中样本正负类别不均衡问题。本发明能够明显克服无关信息的干扰，从而准确识别滑坡区域。

公开(公告)号：CN112381292B

公开(公告)日：2022-07-15

申请号：CN202011268264.7

申请日：2020-11-13

Applicant: 福州大学

Inventor： 卢毅敏 ,  张红

IPC: G06Q10/04 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/26

Abstract: 本发明涉及一种顾及时空相关性和气象因素的河流水质预测模型。首先，在编码器中嵌入空间注意力模块提取上下游水质间的显著空间相关性以及各水质指标间的相互作用；然后，将气象因素与空间特征输入解码器，在解码器中嵌入时间注意力模块提取重要的时序特征；最后，利用长短时记忆神经网络实现水质指标的多步预测。该模型能挖掘上下游水质间隐含的时空依赖关系、水质指标间的相互作用，能克服传统水质预测模型难以解释的不足等优点。

公开(公告)号：CN116612349A

公开(公告)日：2023-08-18

申请号：CN202310554888.2

申请日：2023-05-17

Applicant: 福州大学

Inventor： 卢毅敏 ,  刘靳

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/20 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的遥感影像近岸筏式海水养殖信息提取方法，包括以下步骤：步骤S1：获取遥感影像，并预处理；步骤S2：对预处理后遥感影像进行处理，并制作标签数据集；步骤S3:基于SRUNet模型，构建近岸筏式海水养殖信息提取的深度学习网络模型，并基于标签数据集训练，得到带有近岸筏式海水养殖信息特征的网络模型；步骤S4：将待提取地区的遥感影像输入带有近岸筏式海水养殖信息特征的网络模型，得到地区近岸筏式海水养殖区分布。本发明实现面对复杂海域环境下，利用遥感影像上进行近岸筏式海水养殖信息提取。

公开(公告)号：CN112381292A

公开(公告)日：2021-02-19

申请号：CN202011268264.7

申请日：2020-11-13

Applicant: 福州大学

Inventor： 卢毅敏 ,  张红

IPC: G06Q10/04 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/26

Abstract: 本发明涉及一种顾及时空相关性和气象因素的河流水质预测模型。首先，在编码器中嵌入空间注意力模块提取上下游水质间的显著空间相关性以及各水质指标间的相互作用；然后，将气象因素与空间特征输入解码器，在解码器中嵌入时间注意力模块提取重要的时序特征；最后，利用长短时记忆神经网络实现水质指标的多步预测。该模型能挖掘上下游水质间隐含的时空依赖关系、水质指标间的相互作用，能克服传统水质预测模型难以解释的不足等优点。

公开(公告)号：CN117612740A

公开(公告)日：2024-02-27

申请号：CN202311395212.X

申请日：2023-10-26

Applicant: 福州大学

Inventor： 卢毅敏 ,  刘庆

IPC: G16H50/80 ,  G16H50/70

Abstract: 本发明提供了一种新型冠状病毒感染确诊病例预测方法，包括以下步骤：步骤1：添加潜伏者的传染因子，对人群进行细分，添加自我隔离和医院隔离仓室；步骤2：建立包含易感者类(S)‑潜伏者类(E)‑感染者类(I)‑自我隔离类(F)‑医院隔离类(Q)‑康复者类(R)六类人群的修正SEIR模型；步骤3：模型参数计算；步骤4：使用不同区域疫情数据进行模型验证，实现不同地区疫情发展预测。应用本技术方案可以将各类人群的动态变化情况刻画的更细致，更符合实际。

公开(公告)号：CN116168291A

公开(公告)日：2023-05-26

申请号：CN202310078176.8

申请日：2023-01-18

Applicant: 福州大学

Inventor： 卢毅敏 ,  郭向钟

IPC: G06V20/10 ,  G06V10/82 ,  G06V10/80 ,  G06V10/774 ,  G06V10/776 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/082

Abstract: 本发明涉及一种基于深度学习的中等分辨率遥感影像茶园信息提取方法。由编码器、瓶颈、解码器和跳跃连接组成。首先，编码器部分使用Swin Transformer的主干网络（四层层次结构），每层由Patch Merging和Swin Transormer块组成；其次，解码器部分是基于CNN网络进行上采样，同时使用跳过连接来融合低级信息和高级信息。最后，优化损失函数以提升提取茶园的精度。该模型能够克服传统深度学习在茶园提取对高分辨率影像的依赖，实现在中等分辨率影像上提取茶园信息，为大范围的茶园制图提供有效方法。