基于混合像元加权的遥感图像面积矫正方法、系统、装置及介质

    公开(公告)号:CN116485878A

    公开(公告)日:2023-07-25

    申请号:CN202310437443.6

    申请日:2023-04-21

    Abstract: 本发明公开了一种基于混合像元加权的遥感图像面积矫正方法、系统、装置及介质,包括:对遥感图像数据集进行分类,获取分类结果数据集S,并下载标准面积数据集A;在分类结果数据集S上,基于遥感图像像元的面积计算模型进行面积计算,获取初始面积数据集;基于标准面积数据集A中的标准面积数据和初始面积数据集计算初始面积误差,获取面积误差数据集;基于分类结果数据集S得到混合像元饱和度数据集,基于混合像元饱和度数据集和面积误差数据集,构建基于混合像元加权的遥感图像面积矫正模型;基于遥感图像面积矫正模型,获取遥感图像面积。本发明模型效果更佳,实现了遥感图像的面积矫正,减少了根据分类结果进行计算的误差度。

    一种基于大模型的废钢材实例分割方法及相关设备

    公开(公告)号:CN119107328A

    公开(公告)日:2024-12-10

    申请号:CN202411193744.X

    申请日:2024-08-28

    Abstract: 本发明公开了一种基于大模型的废钢材实例分割方法及相关设备,该方法包括对废钢料堆进行多角度拍照,获得高质量的样本照片;对所获得的样本照片中的废钢料型进行实例分割标注得到标注信息,将标注信息转化为COCO数据格式的Json文件,并将Json文件划分为数据集;将数据集输入至废钢材实例分割模型内基于综合损失函数进行训练和参数优化,得到训练后的废钢材实例分割模型;利用训练后的废钢材实例分割模型进行物体掩膜分割输出区域掩膜;将废钢材实例分割模型输出的区域掩膜转化为COCO数据格式的Json文件,以图像为基准,在可视化模块中进行废钢单体图像可视化,存储料型信息,完成废钢单体实例分割,有效提高了模型的零样本分割能力和泛化性能。

    基于多角度特征融合模型的废钢材厚度分类方法及相关设备

    公开(公告)号:CN118570538A

    公开(公告)日:2024-08-30

    申请号:CN202410701324.1

    申请日:2024-05-31

    Abstract: 本发明公开了一种基于多角度特征融合模型的废钢材厚度分类方法及相关设备,一方面,相较于直接三维表示,本发明将多视角采样图片与相机位置坐标相结合构建一个节点为不同视图特征表示的视图‑图,在获取输入数据途径简单的同时可利用成熟的高级网络框架进行特征提取,另一方面,相较于简单融合(如最大或平均选取),本发明利用局部图注意力卷积模块和非局部信息传递模块分层学习包含多个视图关系的多角度全局特征描述符,针对多角度拍摄的二维图像集合,图卷积能有效解决图像位置分布不规则的数据结构,实现根据邻近矩阵进行节点特征更新和权重再分配。

    数据端到目标端的农作物早期种植面积预测方法和系统

    公开(公告)号:CN118365900A

    公开(公告)日:2024-07-19

    申请号:CN202410541458.1

    申请日:2024-04-30

    Abstract: 本申请公开了一种数据端到目标端的农作物早期种植面积预测方法和系统,属于农业统计技术领域,针对农作物早期面积预测任务中存在的农作物种植早期遥感数据少、两段式方法受分割结果影响严重、输入尺寸不一致、标签数据分布不均衡等问题,提出了一种预测方法,该方法通过使用历史多年土地覆盖数据预测当年种植面积,解决当年遥感数据不足的问题,将尺寸不一致的图片进行剪裁后用0填充解决输入尺寸不一致的问题,并提出了从数据端直接到目标端的端到端模型,用来解决两段式面积预测方法受分类结果影响严重的问题,并通过大量数据对模型训练,最终实现了农作物早期面积预测,减小了误差大大提高了预测的计算精度。

    一种基于特征降维及度量学习的农作物估产方法及系统

    公开(公告)号:CN118351447A

    公开(公告)日:2024-07-16

    申请号:CN202410541460.9

    申请日:2024-04-30

    Abstract: 本发明公开了一种基于特征降维及度量学习的农作物估产方法及系统,构建基于时序信息的农作物估产网络,将第一预处理农作物图像输入到农作物估产网络训练该网络模型,待模型收敛后,得到优化的农作物估产网络,将第二预处理农作物图像输入到训练好的优化的农作物估产网络中得到最终的估产结果。通过全局特征提取将时间序列图像映射到同一维度,并将其送入到卷积神经网络中同时利用时序信息和空间信息学习深度特征。另外,拥有相似农作物产量的县通过网络学习也应得到相似的特征。在卷积神经网络的特征学习中加入度量学习对特征学习进行约束。因此,本发明使用多任务学习策略同时学习回归损失及特征约束能够解决现有技术存在的问题。

    农作物产量预估方法、系统、计算机设备及存储介质

    公开(公告)号:CN116629429A

    公开(公告)日:2023-08-22

    申请号:CN202310610477.0

    申请日:2023-05-26

    Abstract: 本发明属于地理信息/农业调查领域,公开了一种农作物产量预估方法、系统、计算机设备及存储介质,包括:获取待预估区域的遥感图像,以及根据预设的农作物掩膜图像,将待预估区域的遥感图像进行掩膜图像,得到农作物遥感图像;通过预设的词袋模型对农作物遥感图像逐像素进行词语向量推演,得到农作物遥感图像的词语向量频次直方图;将农作物遥感图像的词语向量频次直方图输入预设的农作物产量预估模型,得到待预估区域的农作物产量。通过词袋模型的处理,可以将遥感图像处理为大小统一的词语向量频次直方图,解决了遥感图像尺寸不一致无法直接训练以及模型泛化性差的问题,进而可有效提高预估的准确率,为农作物产量计算提供了依据。

Patent Agency Ranking