-
公开(公告)号：CN117132527A
公开(公告)日：2023-11-28
申请号：CN202310256236.0
申请日：2023-03-16
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06T7/12 , G06T7/13 , G06T7/194 , G06F3/04845
Abstract: 本发明公开了基于机器视觉的水体分割与水位线提取系统及方法，包括，S1：采集并上传选定区域流域河流的监测视频图像；S2：使用画刷大致勾画图像前景背景；S3：精确分割水体与无关背景区域，提取水体部分；S4：框选绘制水位线区域并在区域内绘制水位线。本发明采用水文闸站的摄像装置采集特定水域的监控视频，通过改进后的图像分割算法和直线检测算法分割水体，进而实时获取水位线。能够实现对水库环境的实时动态监测。改进后的图像分割算法和直线检测算法交互性强，计算量小，无需大量存储空间。
-
公开(公告)号：CN111832810A
公开(公告)日：2020-10-27
申请号：CN202010581924.0
申请日：2020-06-23
Applicant: 西安电子科技大学
Abstract: 本发明属于洪水预测技术领域，公开了一种洪水预报模型、信息处理方法、存储介质、计算机设备，时空特征抽象层，用于从地形-降雨量时空特征中提取特征；特征融合层，用于通过Concat连接操作，将卷积网络抽象出的时空特征与历史趋势特征相结合；预测输出层，用于预测未来T个小时的流量变化情况。本发明为了解决传统模型需要大量的参数率定和数据驱动模型无法对洪水过程进行准确预测的问题，将基于二维卷积的卷积神经网络CNN引入到洪水预报领域，利用CNN的特征抽象能力，融合降雨量时空分布特征、地形地貌特征和流量变化趋势特征，构建了预见期为24个小时和36个小时的洪水预报模型。经检验，模型符合洪水预报的要求。
-
Patent Agency Ranking
公开(公告)号：CN112949624B
公开(公告)日：2024-02-13
申请号：CN202110099933.0
申请日：2021-01-25
Applicant: 西安电子科技大学 , 北京金水信息技术发展有限公司
IPC: G06V20/62 , G06V30/146 , G06V30/19
Abstract: 本发明公开了一种基于水尺的水位检测方法、装置、电子设备及存储介质，包括：获取含有水尺的待检测水域图像；输入预先训练的第一水尺检测模型，得到待检测水域图像中水尺的位置信息；利用位置信息从待检测水域图像中得到水尺图像；输入预先训练的第二水尺检测模型，得到水尺图像中各字符对应的坐标信息；利用各字符对应的坐标信息得到水位值；其中，字符包括数字；本发明用于训练第一水尺检测模型的样本水域图像是通过预先获取各种场景的水域水面和水尺模板图像进行图像融合得到的。本发明扩大了样本数据的场景，可以针对各种复杂场景的图像实现良好的目标检测效果，因此可以实现针对不同的复杂水文环境得到准确率高的水位检
-
公开(公告)号：CN111310968B
公开(公告)日：2024-02-09
申请号：CN201911329550.7
申请日：2019-12-20
Applicant: 西安电子科技大学
IPC: G06F16/29 , G06F18/214 , G06N3/044
Abstract: 本发明属于数据处理技术领域，公开了一种基于互信息的LSTM神经网络循环水文预报方法，通过互信息分析对原始数据进行筛选和分类，将降雨、水库水位、流量水文特征作为长短期记忆循环预测模型的输入特征；通过模拟降雨过程训练和确定LSTMC模型的结构，反映洪水的长期变化；利用实际洪水资料对模型的输出进行验证。本发明采用基于互信息的方法分析数据集，充分的捕获当前时刻流量与之前较长时间段的各个水文特征，动态的选取模型的输入特征。本发明利用深度学习算法，采用基于LSTM神经网络的循环预测模型，在用于洪水流量时间序列预测时，克服了水文变化过程受前期各方面因素影响较大的问题，能够较好的自动捕获有效特征。
-
公开(公告)号：CN111832810B
公开(公告)日：2023-06-27
申请号：CN202010581924.0
申请日：2020-06-23
Applicant: 西安电子科技大学
Abstract: 本发明属于洪水预测技术领域，公开了一种洪水预报模型、信息处理方法、存储介质、计算机设备，时空特征抽象层，用于从地形‑降雨量时空特征中提取特征；特征融合层，用于通过Concat连接操作，将卷积网络抽象出的时空特征与历史趋势特征相结合；预测输出层，用于预测未来T个小时的流量变化情况。本发明为了解决传统模型需要大量的参数率定和数据驱动模型无法对洪水过程进行准确预测的问题，将基于二维卷积的卷积神经网络CNN引入到洪水预报领域，利用CNN的特征抽象能力，融合降雨量时空分布特征、地形地貌特征和流量变化趋势特征，构建了预见期为24个小时和36个小时的洪水预报模型。经检验，模型符合洪水预报的要求。
-
公开(公告)号：CN112949624A
公开(公告)日：2021-06-11
申请号：CN202110099933.0
申请日：2021-01-25
Applicant: 西安电子科技大学 , 北京金水信息技术发展有限公司
Abstract: 本发明公开了一种基于水尺的水位检测方法、装置、电子设备及存储介质，包括：获取含有水尺的待检测水域图像；输入预先训练的第一水尺检测模型，得到待检测水域图像中水尺的位置信息；利用位置信息从待检测水域图像中得到水尺图像；输入预先训练的第二水尺检测模型，得到水尺图像中各字符对应的坐标信息；利用各字符对应的坐标信息得到水位值；其中，字符包括数字；本发明用于训练第一水尺检测模型的样本水域图像是通过预先获取各种场景的水域水面和水尺模板图像进行图像融合得到的。本发明扩大了样本数据的场景，可以针对各种复杂场景的图像实现良好的目标检测效果，因此可以实现针对不同的复杂水文环境得到准确率高的水位检测结果的目的。
-
公开(公告)号：CN111310968A
公开(公告)日：2020-06-19
申请号：CN201911329550.7
申请日：2019-12-20
Applicant: 西安电子科技大学
Abstract: 本发明属于数据处理技术领域，公开了一种基于互信息的LSTM神经网络循环水文预报方法，通过互信息分析对原始数据进行筛选和分类，将降雨、水库水位、流量水文特征作为长短期记忆循环预测模型的输入特征；通过模拟降雨过程训练和确定LSTMC模型的结构，反映洪水的长期变化；利用实际洪水资料对模型的输出进行验证。本发明采用基于互信息的方法分析数据集，充分的捕获当前时刻流量与之前较长时间段的各个水文特征，动态的选取模型的输入特征。本发明利用深度学习算法，采用基于LSTM神经网络的循环预测模型，在用于洪水流量时间序列预测时，克服了水文变化过程受前期各方面因素影响较大的问题，能够较好的自动捕获有效特征。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
