-
公开(公告)号：CN118898290A
公开(公告)日：2024-11-05
申请号：CN202410661208.1
申请日：2024-05-27
申请人： 华南农业大学
IPC分类号： G06N5/025 , G06N3/045 , G06N3/0464 , G06N3/08 , G06F17/18 , G06F18/2433 , G06F123/02
摘要： 本发明涉及复杂事件处理技术领域，尤指一种用于复杂事件规则的自动提取方法,包括：读取空气污染指数的数据集，对数据集进行预处理，得到时间窗口数据；根据时间窗口数据构建自注意力时域卷积网络预测模型；对自注意力时域卷积网络预测模型进行训练并得到预测值；对预测值与实际值进行求差处理，通过求两者差值的绝对值得到误差向量；通过多元高斯分布公式和最大似然估计法计算误差向量的均值和协方差矩阵，利用均值和协方差矩阵计算马氏距离，通过比较马氏距离与设定阈值的大小结果来标记异常数据或正常数据；异常数据或正常数据利用数据挖掘算法实现规则提取,通过本发明可以高效地提取复杂事件处理规则并分析数据。
-
公开(公告)号：CN116563542A
公开(公告)日：2023-08-08
申请号：CN202310499071.X
申请日：2023-05-05
申请人： 华南农业大学
摘要： 本发明提供了一种基于大数据无人机遥感图像的并行分割方法、设备和介质，属于遥感图像分割技术领域，该基于无人机遥感图像的分割方法，包括以下步骤：获取目标图像，并将所述目标图像转换成二进制文本文件；读取所述二进制文本文件，并将所述二进制文本文件生成弹性分布数据集；改写图像分割算法并生成传递函数，根据所述弹性分布数据集构建新的弹性分布数据集；当触发操作指令后，运行图像分割算法，并行处理所述新的弹性分布数据集，并输出处理结果，完成大规模图像的并行分割操作。本申请提供的方案，通过Spark+图像分割算法进行集群式并行分割操作，能够对无人机拍摄的海量图像进行快速有效的分割处理，极大地缩短处理时间，提高了效率。
-
公开(公告)号：CN118778949A
公开(公告)日：2024-10-15
申请号：CN202410662396.X
申请日：2024-05-27
申请人： 华南农业大学
摘要： 本发明涉及事件处理规则技术领域，尤指一种基于Flink的事件规则描述方法及其编译系统,包括编写单个模式描述文本，编译系统输入模块读取规则描述文本，输入模块判断文本属于单个模式还是模式组，选择对应的编译模块；编译模块的解析单元接收输入文本，解析单元对符合格式的文本进行切分提取出组成成分，并将组成成分传递给编译模块的编译单元；编译单元将组成成分编译成单个模式或模式组；编译成功的单个模式或模式组传递给输出模块；输出模块接收单个模式和模式组，最终以字典的形式一并输出，本发明通过文本语言来定义复杂事件及其处理方法，降低了使用难度，提高了使用的普遍性，此外通过提供文本化描述方法可以实现动态载入规则。
-
公开(公告)号：CN118890481A
公开(公告)日：2024-11-01
申请号：CN202410661876.4
申请日：2024-05-27
申请人： 华南农业大学
IPC分类号： H04N19/172 , G06V20/40 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , H04N19/70 , H04N19/593
摘要： 本发明涉及视频编码技术领域领域，尤指一种基于Transformer和CNN结构的VVC的CU预测方法，其包括从公开数据集中获取VVC测试视频序列，使用VTM源码对测试视频序列进行编码并获取原始图像帧；从原始图像帧中提取32x32CU，构建32x32尺寸CU样本集；选择T‑CNN模型，利用样本集训练T‑CNN模型，通过训练好的T‑CNN模型预测CU分区模式，通过本发明可以避免传统的RDO蛮力搜索过程,大幅降低VVC帧内编码的计算复杂度,同时通过T‑CNN模型结构和阈值决策,保持较高的编码效率。
-
公开(公告)号：CN116645665A
公开(公告)日：2023-08-25
申请号：CN202310625362.9
申请日：2023-05-30
申请人： 华南农业大学
IPC分类号： G06V20/68 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/096
摘要： 本发明涉及荔枝品种自动化识别与分类技术领域，尤其涉及基于Spark和深度学习的荔枝品种鉴别与分类方法，其步骤：S1.获取各个品种荔枝RGB图像数据，划分为训练集和测试集；S2.构建Resnet34_CBAM识别模型；S3.基于训练集训练识别模型，保留表现最优识别模型；S4.搭建Spark集群和Hadoop集群，同时配备AnalyticsZoo，将最优识别模型通过AnalyticsZoo部署于Spark集群和Hadoop集群中；S5.读入海量荔枝图像并存放于Hadoop集群的分布式文件系统HDFS中，按类别写回HDFS，实现海量荔枝图像分布式一键分类。该方法更快得到全局最优值，且使得荔枝鉴别的识别模型的收敛效果稳定，能够快速提升算法的运行效率。
-
公开(公告)号：CN118747878A
公开(公告)日：2024-10-08
申请号：CN202410762069.1
申请日：2024-06-13
申请人： 华南农业大学
摘要： 本发明提供了一种基于激光雷达与图像传感器融合的果树多维定位方法，涉及农业生产设备领域，该基于激光雷达与图像传感器融合的果树多维定位方法包括：果树视觉定位模型训练；激光雷达和图像传感器的标定；采集图像并导入果树视觉定位模型，输出果树定位框的二维坐标；获取激光点云数据并将点云数据转为深度图；根据深度图及果树定位框的二维坐标，确定果树定位框的三维坐标。通过训练专门针对果树的视觉定位模型，能够有效识别果树并输出其在图像中的二维坐标，结合激光雷达获取的深度信息，能够有效地提高果树定位的精度和可靠性，从而实现精准的果树识别和定位，能够为果园机器人提供准确的定位信息，提高作业效率和安全性。
-
公开(公告)号：CN116645376A
公开(公告)日：2023-08-25
申请号：CN202310625044.2
申请日：2023-05-30
申请人： 华南农业大学
IPC分类号： G06T7/10 , G06V10/774 , G06V10/82 , G06V20/68 , G06F16/182
摘要： 本发明涉及荔枝树冠并行化分割技术领域，尤其涉及一种基于Hadoop与U‑Net无人机遥感荔枝树冠图像并行分割方法，其包括以下步骤：S1.获取荔枝树树冠图像，标注荔枝树冠及荔枝树树冠背景，分为训练集和测试集；S2.得到树冠分割模型；S3.评估树冠分割模型，选出最优树冠分割模型权重；S4.搭建Hadoop完全分布式平台；S5.将最优树冠分割模型权重的文件上传到Hadoop完全分布式平台，并且将海量待分割的荔枝树冠图像上传分布式文件系统HDFS；S6.荔枝树冠图像被分配到MapReduce程序的每个map阶段且利用python工具包对荔枝树冠图像进行格式转换，加载训练完之后该U‑Net模型架构的权重的文件，实现荔枝树冠图像并行化分割，其能够快速提高荔枝树冠分割效率，实现对荔枝冠层信息的快速观察。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.022 秒)
