-
公开(公告)号：CN116580328A
公开(公告)日：2023-08-11
申请号：CN202310849642.8
申请日：2023-07-12
IPC分类号： G06V20/17 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了基于多任务辅助的热红外图像堤坝渗漏险情智能识别方法，包括改进和训练UNet模型、利用改进和训练UNet模型的堤坝渗漏险情检测两个过程。改进和训练UNet模型具有以下内容：数据采集,制作样本，生成样本和划分数据集，改进UNet模型，训练改进的UNet模型，利用改进和训练UNet模型的堤坝渗漏险情检测，堤坝渗漏险情的确定,堤坝渗漏险情检测。本发明的有益效果是：本发明将堤坝渗漏险情与背景分离的二分类问题转换成多分类问题，通过对这些易干扰堤坝渗漏险情的检测的地物进行识别，有利于提升堤坝渗漏险情的检测精度；针对堤坝渗漏险情小目标检测问题对Unet模型进行了改进，提升的检测的精度和速度。
-
公开(公告)号：CN118821620A
公开(公告)日：2024-10-22
申请号：CN202411295450.8
申请日：2024-09-18
摘要： 本发明涉及一种湖泊水质参数反演方法，包括：收集湖泊各站点水质监测数据及湖泊上下游出入湖河流的水文水质监测数据；基于边界条件驱动水生态模型进行湖泊水质参数的时空动态模拟并进行模型率定验证；获取湖泊对应遥感影像数据并确定各个像元的中心坐标，基于像元中心坐标提取水生态模型中对应点处的水质参数模拟数据。将每个像元各波段反射率与其位置相匹配的水生态模型中水质参数模拟值相对应构成训练数据集，采用机器学习模型学习像元各波段反射率与对应位置模拟水质参数的关系；提取湖泊各站点对应的像元各波段反射率，并输入至训练好的机器学习模型中，获得各站点水质参数反演值，并与水质参数实测值对比，分析水质参数反演效果。
-
公开(公告)号：CN118865184A
公开(公告)日：2024-10-29
申请号：CN202411347302.6
申请日：2024-09-26
IPC分类号： G06V20/17 , G06V20/52 , G06V20/70 , G06V10/10 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/80
摘要： 本发明公开了一种基于边缘增强的堤防裂缝险情智能识别方法，包括改进和训练边缘增强的YOLOv8模型，改进和训练YOLOv8模型具有以下内容：数据采集，制作样本，生成样本和划分数据集，改进边缘增强的YOLOv8模型，训练边缘增强的YOLOv8模型：利用边缘增强的YOLOv8模型的堤防裂缝险情检测，堤防裂缝险情的确定。本发明将利用边缘特征提取模块,提取图像高频边缘信息，有利于堤防裂缝险情的特征；设计两个主干网络特征提取模块来提高堤防裂缝险情检测的准确性；设计一种新的特征增强融合模块用于融合各种特征，从而有效提高了堤防裂缝险情检测的准确性。
-
公开(公告)号：CN116580328B
公开(公告)日：2023-09-19
申请号：CN202310849642.8
申请日：2023-07-12
IPC分类号： G06V20/17 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了基于多任务辅助的热红外图像堤坝渗漏险情智能识别方法，包括改进和训练UNet模型、利用改进和训练UNet模型的堤坝渗漏险情检测两个过程。改进和训练UNet模型具有以下内容：数据采集,制作样本，生成样本和划分数据集，改进UNet模型，训练改进的UNet模型，利用改进和训练UNet模型的堤坝渗漏险情检测，堤坝渗漏险情的确定,堤坝渗漏险情检测。本发明的有益效果是：本发明将堤坝渗漏险情与背景分离的二分类问题转换成多分类问题，通过对这些易干扰堤坝渗漏险情的检测的地物进行识别，有利于提升堤坝渗漏险情的检测精度；针对堤坝渗漏险情小目标检测问题对Unet模型进行了改进，提升的检测的精度和速度。
-
-
-
搜索结果
4 条记录 (耗时 0.052 秒)
