-
公开(公告)号：CN114549972A
公开(公告)日：2022-05-27
申请号：CN202210050976.4
申请日：2022-01-17
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心 , 北京数论科技有限公司
Abstract: 本发明提供一种露天矿采场提取方法、装置、设备、介质及程序产品，包括：获取露天采场的待检测遥感影像，并对待检测遥感影像进行降采样；将降采样后的待检测遥感影像输入至Faster R‑CNN，得到露天采场的矩形范围信息；基于矩形范围信息，在待检测遥感影像上进行截取，得到影像块，并在影像块上叠加NDVI和RRI波段得到具有红、绿、蓝、近红、NDVI、RRI六个波段的待提取影像；将待提取影像输入至改进的U‑Net网络，得到露天采场提取结果。本发明用以解决现有技术中消耗计算机内存和运行时间，以及识别露天矿采场的精度低的缺陷，实现了提升定位和提取的计算效率和精度。
-
公开(公告)号：CN113887459B
公开(公告)日：2022-03-25
申请号：CN202111185384.5
申请日：2021-10-12
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心 , 北京数论科技有限公司
Abstract: 本发明公开了一种基于改进Unet++的露天矿区采场变化区域检测方法，其方法如下：A、获取至少两个年份的采场样本数据集，采场样本数据集中的数据为露天矿区采场的高分辨率遥感影像；B、基于Pytorch设计构建改进的Unet++网络模型，Unet++网络模型以Unet++作为基础网络结构，引入可变形卷积模块和CBAM注意力机制模块，CBAM注意力机制模块包括通道注意力模块和空间注意力模块；C、Unet++网络模型训练：利用训练数据集对Unet++网络模型进行训练并得到训练后的Unet++网络模型。本发明将多尺度可变形卷积引入Unet++网络模型并用于露天矿区场景特征提取，提高了鲁棒性与识别精度；通过在可变形卷积Unet++网络中加入深度学习注意力机制，增强模型对实质性变化类特征的学习与敏感程度。
-
公开(公告)号：CN113128134B
公开(公告)日：2021-09-14
申请号：CN202110669285.8
申请日：2021-06-17
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种矿区生态环境演变驱动因子权重量化分析方法，对植被、土壤、水体、大气以及生态功能进行长时间尺度上高频次定量反演，获取连续空间的生态因子及气候气象、地理地貌、人类活动三类驱动因子数据集，然后结合统计再分析数据、土地利用分类数据，在高维度空间对参量数据进行叠加构建生态演变大数据立方体，接着以纯数据驱动的角度建立矿区生态演变的地理时空加权人工神经网络对各参量之间的驱动关系进行模拟，最后采用高维数据下的矿区生态驱动因子定权法来量化各因子的权重，从而计算出驱动因子权重立方体，得到了矿区生态环境演变过程中在不同空间位置下的主导驱动因子及其权重，为探索矿区生态环境演变机理提供了客观的数据。
-
公开(公告)号：CN117612038B
公开(公告)日：2024-07-02
申请号：CN202311566771.2
申请日：2023-11-22
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种基于无人机影像的矿区植被碳汇精细演算方法，其方法包括：S1、采用多光谱无人机对目标矿区进行重叠正投影拍摄得到影像数据集并得到目标矿区影像；S2、对目标矿区影像逐像素进行灰度化处理与属性划分；S3、基于改进的双线性插值算法对目标矿区影像按照设定像元大小进行重采样处理，统计得到各个像元的植被覆盖度；S4、采集目标矿区的气象参数输入反距离权重插值模型中，反距离权重插值模型采用距离倒数乘方法进行覆盖所有像元的气象参数的插值处理，基于UAV‑CASA模型计算得到各个像元的碳汇量。本发明能够得到各个像元的碳汇量、目标矿区碳汇量分布、总碳汇量、植被净生态系统生产力总量，对科学评价矿区植被碳汇具有重要意义。
-
公开(公告)号：CN117671437A
公开(公告)日：2024-03-08
申请号：CN202311359531.5
申请日：2023-10-19
Applicant: 中国矿业大学(北京)
IPC: G06V10/80 , G06V10/82 , G06V10/774 , G06V10/764 , G06N3/0464 , G06V20/10
Abstract: 本发明公开了一种基于多任务卷积神经网络的露天采场识别与变化检测方法，其方法包括：S1、采集研究区T1、T2两个时相的遥感影像数据，构建多任务卷积神经网络模型；S2、变化检测网络分支将第一识别网络分支得到的特征图与第二识别网络分支得到的特征图进行差分融合得到编码特征图，然后通过跳跃连接并进行特征融合得到特征图Dt‑5、Dt‑4、Dt‑3、Dt‑2；S3、变化检测网络分支将特征图Dt1‑2与特征图Dt2‑2进行差分融合得到特征图Da‑t2；S4、将特征图Dt‑2分别与通道注意力权重、空间注意力权重相乘运算得到特征图D′t‑2，然后通过上采样操作得到变化检测结果。本发明构建有基于孪生VGG‑16网络结构的多任务卷积神经网络模型，能够快速高效地应用于露天矿区采场识别与变化区域自动检测。
-
Patent Agency Ranking
公开(公告)号：CN115565063A
公开(公告)日：2023-01-03
申请号：CN202211133129.0
申请日：2022-09-16
Applicant: 中国矿业大学(北京)
IPC: G06V20/10 , G06V10/764
Abstract: 本发明公开了一种基于气候潜在补偿的矿区植被碳汇贡献量计算与分析方法，其方法如下：A、基于矿区构建出试验区，在试验区中选取研究区；B、计算对照区土地利用类型为草地、林地、耕地的植被潜在碳汇补偿值：C、研究区植被碳汇影响因子分析：C1、利用对照区植被碳汇的补偿值矫正计算得出研究区的理想植被碳汇，C2、根据计算模型得出研究区的气候气象与人类活动对植被碳汇影响。本发明对研究区土地进行精细分类，开展基于层次支持向量机的对照区选取，结合光能利用率和气候潜在模型构建潜在碳汇补偿值，精确获取矿区人类活动对植被碳汇的影响，进而实现矿区植被碳汇影响因子贡献的定量计算与分析，为矿区决策提供科学的数据支撑。
-
公开(公告)号：CN114549972B
公开(公告)日：2023-01-03
申请号：CN202210050976.4
申请日：2022-01-17
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心 , 北京数论科技有限公司
Abstract: 本发明提供一种露天矿采场提取方法、装置、设备及介质，包括：获取露天采场的待检测遥感影像，并对待检测遥感影像进行降采样；将降采样后的待检测遥感影像输入至Faster R‑CNN，得到露天采场的矩形范围信息；基于矩形范围信息，在待检测遥感影像上进行截取，得到影像块，并在影像块上叠加NDVI和RRI波段得到具有红、绿、蓝、近红、NDVI、RRI六个波段的待提取影像；将待提取影像输入至改进的U‑Net网络，得到露天采场提取结果。本发明用以解决现有技术中消耗计算机内存和运行时间，以及识别露天矿采场的精度低的缺陷，实现了提升定位和提取的计算效率和精度。
-
公开(公告)号：CN115115224A
公开(公告)日：2022-09-27
申请号：CN202210749017.1
申请日：2022-06-28
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种矿区植被碳汇分级及变化趋势评价分析方法，首先根据矿权边界选定矿区的研究区，获取研究区对应的遥感影像和气象数据；基于光能利用率模型计算矿区植被碳汇量，基于CASA模型及采用粒子群算法计算植被光能利用率理想最大值和所对应的理想气温和降水量；依据矿区月太阳总辐射和植被覆盖度的分级标准，推算出植被碳汇的分级指标；通过Theil‑SenMedian计算不同煤炭采阶段的植被碳汇的变化趋势，并结合Mann‑Kendall统计检验方法进行显著性检验，实现矿区植被碳汇趋势变化的等级划分。本发明能够量化评判植被碳汇量值变化情况、变化趋势，能够科学的、量化地知晓变化趋势好坏，对矿区生态环境监测、治理和修复提供数据支撑。
-
公开(公告)号：CN113887459A
公开(公告)日：2022-01-04
申请号：CN202111185384.5
申请日：2021-10-12
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心 , 北京数论科技有限公司
Abstract: 本发明公开了一种基于改进Unet++的露天矿区采场变化区域检测方法，其方法如下：A、获取至少两个年份的采场样本数据集，采场样本数据集中的数据为露天矿区采场的高分辨率遥感影像；B、基于Pytorch设计构建改进的Unet++网络模型，Unet++网络模型以Unet++作为基础网络结构，引入可变形卷积模块和CBAM注意力机制模块，CBAM注意力机制模块包括通道注意力模块和空间注意力模块；C、Unet++网络模型训练：利用训练数据集对Unet++网络模型进行训练并得到训练后的Unet++网络模型。本发明将多尺度可变形卷积引入Unet++网络模型并用于露天矿区场景特征提取，提高了鲁棒性与识别精度；通过在可变形卷积Unet++网络中加入深度学习注意力机制，增强模型对实质性变化类特征的学习与敏感程度。
-
公开(公告)号：CN117351359B
公开(公告)日：2024-06-21
申请号：CN202311378728.3
申请日：2023-10-24
Applicant: 中国矿业大学(北京)
IPC: G06V20/10 , G06V20/17 , G06V10/774 , G06V10/44 , G06V10/776 , G06V10/766 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于改进Mask R‑CNN的矿区无人机影像沙棘识别方法及系统，其方法包括：S1、构建包括特征提取网络、注意力机制模块、RPN区域生成网络、检测头网络系统的改进Mask R‑CNN网络模型，特征提取网络对输入影像处理得到特征图P2～P6；S2、注意力机制模块对输入特征图加权处理得到特征图Q2～Q6；S3、RPN区域生成网络遍历特征图Q2～Q6每个像素点并得到候选目标区域RoIs；检测头网络系统经过识别与分割相结合的处理得到包含边界框、类别信息的特征图像；S4、采集研究区的正射影像输入训练后的改进Mask R‑CNN网络模型并得到所对应的特征图像。本发明提高了沙棘的识别效率和准确性，能够更可靠地捕捉和分析沙棘植被数据，为矿区沙棘的管理和维护提供有力支持。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.087 seconds)
