-
公开(公告)号：CN103546728B
公开(公告)日：2017-03-15
申请号：CN201310563161.7
申请日：2013-11-14
Applicant: 北京林业大学
IPC: H04N7/18 , H04N19/176 , H04W84/18
CPC classification number: Y02D70/10
Abstract: 一种野生动物野外监测装置，该装置基于无线传感器网络技术，能以自组织形式形成无线传感器网络，实现野生动物监测图像的自动采集和发送。该野生动物野外监测装置由图像采集模块、图像处理模块、无线通信模块、GPS模块和供电模块组成。其中图像采集模块配备3个热释电红外传感器、多个红外LED、光敏传感器和2个舵机，可以实现野生动物监测图像的自动采集。该野生动物野外监测装置采用基于压缩感知的图像压缩算法，具有较高的能量效率和较高的压缩比以减少数据传输量。本发明是无线传感器网络在野生动物监测方面的成功应用，可以全天候的获取野生动物监测图像，帮助研究人员远程、实时地掌握野生动物资源现状及其动态变化。
-
公开(公告)号：CN103327304B
公开(公告)日：2016-04-20
申请号：CN201310232105.5
申请日：2013-06-13
Applicant: 北京林业大学
Abstract: 一种基于聚集机理的花卉生长关键帧提取系统，给相关研究人员提供一种视频数据小，花卉生长细节信息丰富，整段视频播放中流畅、自然，压缩比较高的花卉生长过程的监测平台；该系统包括：PC机，图像采集模块，核心算法模块，关键帧判决模块，数据查询分析模块，视频合成模块，视频预览模块；通过图像的采集、模式选择及相关参数设置、关键帧提取算法运行、视频合成等环节最终实现对花卉生长过程中的图像进行关键帧提取，并将提取出的关键帧合成表征花卉生长过程的关键帧视频。
-
公开(公告)号：CN102313342B
公开(公告)日：2015-06-03
申请号：CN201110317508.0
申请日：2011-10-19
Applicant: 北京林业大学
IPC: F24F11/02
Abstract: 一种远程可控全自动智能加湿器，包括加湿器本体与智能控制装置；加湿器本体包括水箱、雾化装置和电源模块，雾化装置位于所述水箱的下方，电源模块位于雾化装置的下方，给雾化装置和智能控制装置供电；水箱的中部设有出汽腔室，出汽腔室顶部设有出汽口；雾化装置通过继电器与电源模块连接，述智能控制装置以单片机为核心，包含温湿度检测、红外感应模式、短距离无线遥控收发装置、GPRS通信单元以及LCD显示单元；该远程可控全自动智能加湿器不仅方便用户查看温、湿度实时信息，而且能根据设定的湿度期望值自动控制加湿过程，并且做到人走机停，实现手机远程开关控制，满足人们对环境舒适性的要求。
-
公开(公告)号：CN102065447A
公开(公告)日：2011-05-18
申请号：CN201010615294.0
申请日：2010-12-30
Applicant: 北京林业大学
Abstract: 一种无线传感器网络的部署方法，包括：获得传感器节点的通信半径和感知半径，所述无线传感器网络中各个传感器节点的通信半径相同，各个传感器节点的感知半径相同；得到所述通信半径与感知半径的比值；查找预先设置的最优化部署方式对应关系，确定所述通信半径与感知半径的比值对应的规格化部署方式；按照确定的规格化部署方式部署传感器节点。本发明通过预先配置的rC/rS与不同规格化最优部署方式的对应关系，在获知通信半径与感知半径后，即可通过查找对应关系迅速确定最优的规格化部署方式，从而降低无线传感器网络的组网成本。
-
公开(公告)号：CN118918352A
公开(公告)日：2024-11-08
申请号：CN202410705826.1
申请日：2024-06-03
Applicant: 广东省科学院动物研究所 , 广州当康自然资源科技有限公司 , 北京林业大学
IPC: G06V10/764 , G06V40/10 , G06V10/82 , G06V10/74
Abstract: 本发明提供了一种物种识别方法及装置，属于物种识别和人工智能(artificial intelligence，AI)技术领域，能够提高物种识别的准确性和效率。该方法基于多个物种分类错误的动物图像的特征向量构建特征数据库，将AI分类模型得到的待识别动物图像的特征向量与特征数据库中的多个特征向量进行距离判断，并根据判断结果得出动物物种识别结果。
-
Patent Agency Ranking
公开(公告)号：CN118196533A
公开(公告)日：2024-06-14
申请号：CN202410406742.8
申请日：2024-04-07
Applicant: 北京林业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于注意力机制和ResNet50网络的野生动物图像分类方法，涉及野生动物分类技术领域。本发明与之前的野生动物分类方法相比，解决了传统深度网络在测试数据集是均匀分布的情况下，在长尾分布数据集上的表现效果不佳的问题，将ResNet50与Class Balanced Loss相结合，以平衡各个类别在训练中的权重，使得模型更加关注少数类别的样本，从而提高在长尾数据上的性能；并引入SGE注意力机制在模型的特定层引入空间注意力增强，通过使得模型在学习过程中更加关注图像中的重要结构信息，提高模型对于关键区域的感知能力。通过上述综合分类方法，在保持传统网络特性的同时，有效提升模型性能。
-
公开(公告)号：CN116681954A
公开(公告)日：2023-09-01
申请号：CN202310804912.3
申请日：2023-07-03
Applicant: 北京林业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/094 , G06T3/00 , G06N3/096
Abstract: 本发明涉及人工智能技术领域，尤其涉及一种基于联合对抗迁移学习的害虫图像识别方法，包括以下步骤：步骤S1,对开源农林业害虫数据集进行风格化处理，形成迁移学习数据集；步骤S2,训练领域‑测试领域包含源域、风格域以及空白域三个域的所有组合；步骤S3,在领域对抗神经网络中引入中心感知约束；步骤S4,在标签识别器最后的全连接层中引入相关对齐约束。本发明通过联合对抗迁移学习的害虫图像分类算法方法，可以较好解决负迁移对害虫分类准确性的影响问题,进而实现了农林业害虫的有效识别。
-
公开(公告)号：CN108827306B
公开(公告)日：2022-01-07
申请号：CN201810553413.0
申请日：2018-05-31
Applicant: 北京林业大学
IPC: G01C21/20
Abstract: 本发明公开了一种基于多传感器融合的无人机SLAM导航方法，包括实时采集无人机周围环境的图像信息，并根据所述图像信息获取无人机的位姿信息；实时采集无人机与障碍物的深度信息，将所述位姿信息以及所述深度信息融合构建障碍物深度地图，根据所述障碍物深度地图获取无人机的全球位姿信息；根据所述全球位姿信息、所述障碍物深度地图采用在线动态规划路径的规划方法生成无人机的飞行路径，根据所述飞行路径控制无人机的自主避障飞行。该方法及系统可以实现复杂环境中无人机的实时定位与地图构建。相对于传统的无人机导航技术实现实时定位和地图构建与自主导航，提高无人机的智能化程度和导航精度。
-
公开(公告)号：CN113239965A
公开(公告)日：2021-08-10
申请号：CN202110398674.1
申请日：2021-04-12
Applicant: 北京林业大学
Abstract: 本发明实施例公开了一种基于深度神经网络的鸟类识别方法及电子设备。方法包括：获取鸟类训练图片集，用于训练深度神经网络；获取待识别的鸟类图片，将其输入所述深度神经网络，得到鸟类相关特征。本发明效果如下：1)在不提升额外的网络参数量情况下，能够提取更加多样化的图片局部特征信息，取得更高的分类精度；2)相比于RA‑CNN等经典方法，能够更加综合各个局部的信息，而不是仅仅关注某一个关键的区域；3)提出一种抑制通道的方法，随机抑制一些通道注意力区域，迫使网络寻找其他有效的信息，能够提高网络的泛化能力；4)结合注意力机制和热力图，我们的网络具有更强的可解释性和精确定位目标的能力。
-
公开(公告)号：CN109176461B
公开(公告)日：2021-05-11
申请号：CN201811289103.9
申请日：2018-10-31
Applicant: 北京林业大学
IPC: B25J5/00 , B62D57/032 , B62D57/028
Abstract: 本发明提供了一种轮腿式越障机器人，属于移动机器人领域，其包括相连接的机架和轮腿机构；轮腿机构包括机架关节、机械臂转向装置、机械臂、轮体转向装置和轮体装置；机械臂转向装置与机架关节转动连接，机械臂一端与机械臂转向装置连接，另一端连接轮体转向装置，轮体装置与轮体转向装置转动连接，机械臂包括伸缩驱动装置以及能够折叠变形的四边形机构，伸缩驱动装置的固定端和伸缩端分别连接四边形机构的对角线的两端。利用机械臂转向装置能够驱动机械臂水平转动，利用轮体转向装置能够驱动轮体装置水平转动，机械臂通过其自身的伸缩驱动装置实现沿高度方向的运动，达到多个自由度的全方位行驶，具有良好的越障性能。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.027 seconds)
