公开(公告)号：CN109859852A

公开(公告)日：2019-06-07

申请号：CN201910077414.7

申请日：2019-01-25

Applicant: 青海大学

Inventor： 王璐 ,  张磊 ,  祝小兰 ,  王世颍 ,  王雪茜 ,  刘超逸 ,  张拂晓

IPC: G16H50/70 ,  G16H50/20

Abstract: 本发明公开了一种改进的Apriori算法及其在藏医关联挖掘中的应用，只需对事务数据库扫描一次，就可将事务数据库转换成布尔矩阵，对事务数据库的扫描即可转换为向量运算。矩阵中行代表事务，列代表数据项，某项若在事务中出现则用1表示，没有出现则用0表示。布尔矩阵相对于事务数据库更加简洁，不需要重复扫描数据集，且通过向量运算计算支持度。本发明改进后的基于向量的Apriori算法明显优于原有Apriori算法。将其应用于藏医诊疗领域，辅助医疗决策分析，能够帮助藏医药工作者及时准确的获取有用信息，有效避免医疗失误，并提高藏医学的现代化水平，为运用先进科学技术辅助藏医诊疗提供一个有力的手段。

公开(公告)号：CN119625553A

公开(公告)日：2025-03-14

申请号：CN202411661023.7

申请日：2024-11-20

Applicant: 青海大学

Inventor： 王世颍 ,  曹腾飞

IPC: G06V20/13 ,  G06V20/10 ,  G06V10/764 ,  G06V10/26 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请提供了一种基于遥感语义分割的植被覆盖度估算方法和装置，方法包括：获取待测区域的遥感图像；将所述遥感图像输入预设的深度学习模型，得到植被分类结果；对分类结果进行统计分析，计算植被覆盖度。本申请通过将遥感图像输入深度学习模型，模型通过多路径特征融合和SiLU激活函数的引入，结合深度可分离卷积和残差连接，既减少了模型参数量和计算成本，又增强了特征提取的能力，提高了分割结果的精度与细节保留能力，在处理多尺度遥感图像时表现出良好的非线性表达能力，有效提升了对复杂地物和植被覆盖度的估算精度。大幅提高了遥感影像的分割精度和计算效率，为高效、精准的植被覆盖度估算提供了坚实的技术支撑，具有广泛的应用前景。

公开(公告)号：CN115082785A

公开(公告)日：2022-09-20

申请号：CN202210614744.7

申请日：2022-05-30

Applicant: 青海大学

Inventor： 王璐 ,  李希来 ,  宋梓涵 ,  苏金雨 ,  王世颍 ,  孙华方

IPC: G06V20/10 ,  G06V20/17 ,  G06V10/26 ,  G06V10/764 ,  G06V10/40 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  A01G20/00

Abstract: 本发明公开了一种高原鼠兔型退化草甸秃斑特征的判别方法，基于无人机遥感高寒退化草甸图像数据，采用语义分割相关方法，实现了对高寒退化草甸中不同类型秃斑进行分类和预测。依据专家经验对不同类型斑块进行标注，将每张无人机采集图像标注；使用深度学习框架和迁移学习的思想，采用网络模型Resnet50、MobileNetV2和Xception作为主干特征提取网络，并分别搭配卷积神经网络PSPNet和Deeplabv3+对数据集进行训练；经过实验达到预期目的。PSPNet配合主干特征提取网络MobileNetV2在本数据集上的表现最佳，达到了精确率87.14％、召回率86.57％、f1‑score86.85％，准确率99.10％，频权交并比81.40％的良好结果。本发明为高寒退化草甸的智能化诊断和快速修复提供了理论依据和科学支撑，同时为智能技术在区域生态环境中的应用奠定了基础。

公开(公告)号：CN115082785B

公开(公告)日：2025-04-01

申请号：CN202210614744.7

申请日：2022-05-30

Applicant: 青海大学

Inventor： 王璐 ,  李希来 ,  宋梓涵 ,  苏金雨 ,  王世颍 ,  孙华方

IPC: G06V20/10 ,  G06V20/17 ,  G06V20/70 ,  G06V10/26 ,  G06V10/764 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  A01G20/00

Abstract: 本发明公开了一种高原鼠兔型退化草甸秃斑特征的判别方法，基于无人机遥感高寒退化草甸图像数据，采用语义分割相关方法，实现了对高寒退化草甸中不同类型秃斑进行分类和预测。依据专家经验对不同类型斑块进行标注，将每张无人机采集图像标注；使用深度学习框架和迁移学习的思想，采用网络模型Resnet50、MobileNetV2和Xception作为主干特征提取网络，并分别搭配卷积神经网络PSPNet和Deeplabv3+对数据集进行训练；经过实验达到预期目的。PSPNet配合主干特征提取网络MobileNetV2在本数据集上的表现最佳，达到了精确率87.14％、召回率86.57％、f1‑score86.85％，准确率99.10％，频权交并比81.40％的良好结果。本发明为高寒退化草甸的智能化诊断和快速修复提供了理论依据和科学支撑，同时为智能技术在区域生态环境中的应用奠定了基础。

公开(公告)号：CN115082806A

公开(公告)日：2022-09-20

申请号：CN202210605464.X

申请日：2022-05-30

Applicant: 青海大学

Inventor： 李延平 ,  王璐 ,  王世颍 ,  王晓英 ,  祁俊 ,  陈海文

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种面向中高分辨率卫星遥感影像的地面物体提取方法，通过输入图像经HRNet提取特征，然后与通过金字塔池化模块提取的上下文特征融合，得到粗略分割结果，从粗略分割结果中选取部分难学习的点，使用多层感知机在融合特征上再次进行学习，用再次学习的结果对粗略分割结果进行细化得到精细化的分割结果，整个训练过程的Loss由CE_loss，部分点的Points_loss和SSIM_loss组成。高分辨率特征表示与上下文特征融合的方式改善提取效果，对粗略分割结果重新进行学习和结构相似度损失结合的方法改善边界提取效果。具体表现如下：图像的上下文信息易获取、图像边界分割结果精细、处理结果清晰，在小尺寸目标、多类别的遥感数据集上表现优异；在不同数据的泛化能力较强。

公开(公告)号：CN115082806B

公开(公告)日：2025-03-25

申请号：CN202210605464.X

申请日：2022-05-30

Applicant: 青海大学

Inventor： 李延平 ,  王璐 ,  王世颍 ,  王晓英 ,  祁俊 ,  陈海文

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种面向中高分辨率卫星遥感影像的地面物体提取方法，通过输入图像经HRNet提取特征，然后与通过金字塔池化模块提取的上下文特征融合，得到粗略分割结果，从粗略分割结果中选取部分难学习的点，使用多层感知机在融合特征上再次进行学习，用再次学习的结果对粗略分割结果进行细化得到精细化的分割结果，整个训练过程的Loss由CE_loss，部分点的Points_loss和SSIM_loss组成。高分辨率特征表示与上下文特征融合的方式改善提取效果，对粗略分割结果重新进行学习和结构相似度损失结合的方法改善边界提取效果。具体表现如下：图像的上下文信息易获取、图像边界分割结果精细、处理结果清晰，在小尺寸目标、多类别的遥感数据集上表现优异；在不同数据的泛化能力较强。