-
公开(公告)号:CN114898101B
公开(公告)日:2025-04-11
申请号:CN202210489848.X
申请日:2022-05-06
Applicant: 西北农林科技大学
IPC: G06V10/40 , G06V10/774 , G06V10/58 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 一种基于深度学习的压缩感知高光谱数据重构方法,其特征在于,包括以下步骤:步骤1:训练基于卷积神经网络的压缩感知高光谱数据重构网络模型;步骤2:使用步骤1训练好的重构网络模型重构压缩感知高光谱数据。本发明使用卷积神经网络解决压缩感知高光谱数据重构问题,通过训练网络学习压缩测量数据到原始数据的逆变换,进一步使用训练好的模型重构压缩感知高光谱数据,实现了压缩感知高光谱数据的快速、精确重建,与传统迭代重建算法相比,在重建质量上有所提高,并且在重构高光谱数据上的计算时间上有显著提高,远快于传统算法。
-
公开(公告)号:CN115424115A
公开(公告)日:2022-12-02
申请号:CN202211118323.1
申请日:2022-09-11
Applicant: 西北农林科技大学
Abstract: 本发明公开了一种基于偏振成像和深度学习的透明目标检测方法,包括以下步骤:步骤1,训练深度学习网络检测模型;步骤2,通过训练好的深度学习网络检测模型对透明目标进行目标检测:检测结果=训练好的深度学习网络检测模型(S0,DoLP,IE,L1)。本发明实现了透明目标的精确、快速检测,在智能制造、智能驾驶等领域具有广泛的应用价值和前景。
-
公开(公告)号:CN114898101A
公开(公告)日:2022-08-12
申请号:CN202210489848.X
申请日:2022-05-06
Applicant: 西北农林科技大学
Abstract: 一种基于深度学习的压缩感知高光谱数据重构方法,其特征在于,包括以下步骤:步骤1:训练基于卷积神经网络的压缩感知高光谱数据重构网络模型;步骤2:使用步骤1训练好的重构网络模型重构压缩感知高光谱数据。本发明使用卷积神经网络解决压缩感知高光谱数据重构问题,通过训练网络学习压缩测量数据到原始数据的逆变换,进一步使用训练好的模型重构压缩感知高光谱数据,实现了压缩感知高光谱数据的快速、精确重建,与传统迭代重建算法相比,在重建质量上有所提高,并且在重构高光谱数据上的计算时间上有显著提高,远快于传统算法。
-
-
公开(公告)号:CN2580494Y
公开(公告)日:2003-10-15
申请号:CN02262367.1
申请日:2002-10-25
Applicant: 西北农林科技大学
Abstract: 本实用新型公开了一种智能型水位/水压测控仪,由外壳、电源电路、传感器及电路板组成;液位传感器经恒流源电路供电后,将液位信号变换为毫伏级的电压信号,该信号以差分形式直接输入到A/D转换器的输入端,并利用其引脚STR的功能产生中断请求信号送入CPU中;CPU采用中断方式采集到表示水位的电信号后,经过数据滤波,线性化校正及水位换算数据处理过程后,将水位值送向LED驱动电路的端口进行水位显示;数据依靠程序自动存储存储器中;并自动从中调出参数至CPU内部的RAM中供使用,CPU将设定的水位参数与采样得到的水位值进行比较,然后按控制方式由输出指示电路输出相应的控制信号或报警信号。电路结构简单,成本低,调校方便。提高了给水过程的自动化程度。
-
-
-
-