基于高光谱图像离群检测的松材线虫病变检测方法

    公开(公告)号:CN115953679A

    公开(公告)日:2023-04-11

    申请号:CN202211654641.X

    申请日:2022-12-22

    IPC分类号: G06V20/10 G01N21/25

    摘要: 本发明涉及松材线虫病变检测技术领域,尤其涉及基于高光谱图像离群检测的松材线虫病变检测方法。步骤包括:采集高光谱图像;利用自然邻居搜索算法,搜索出所有样本点的自然最近邻居;划分为自然密邻居和自然稀邻居;计算密度转折度和邻域转折度;计算各样本点的病变转折度;选取病变转折度最大的样本点作为病变样本点,并将病变样本点的自然稀邻居也作为病变样本点。本发明通过采用高光图像离群检测技术,可以有效检测出松材线虫病变的样本点,避免了人工检测的效率低、滞后性高且成本大的问题。

    一种知识图谱概念认知的多粒度决策规则挖掘方法

    公开(公告)号:CN115858614A

    公开(公告)日:2023-03-28

    申请号:CN202211467509.8

    申请日:2022-11-22

    摘要: 本发明涉及一种知识图谱概念认知的多粒度决策规则挖掘方法,属于人工智能技术领域。该方法包括:S1:将概念相关信息划分为正例数据和负例数据;S2:对于一个概念C,从知识图谱中获取它的正例数据;S3:由知识图谱概念的正例数据构建多粒度信息系统组;S4:从多粒度信息系统组中挖掘频繁极大属性模式,并推导出所有的频繁属性模式;S5:用负例数据验证由频繁属性模式得出的可信决策规则。本发明针对知识图谱概念相关属性的多粒度特性,从多粒度决策规则的角度实现知识图谱概念认知。

    一种基于3D点云的树木骨架提取方法

    公开(公告)号:CN114049387A

    公开(公告)日:2022-02-15

    申请号:CN202111231714.X

    申请日:2021-10-22

    摘要: 本发明公开了一种基于3D点云的树木骨架提取方法,涉及大数据处理和树木3D建模技术领域。本发明包括:利用八叉树和L1‑中值点的方法降低3D点云数据规模;构造一个地面根节点;构造K‑最近邻居图,划分水平层次集;进行聚类,获得同一水平层次集中不同枝干的点云数据;使用八叉树方法进行划分,并计算每个划分的L1‑中值点,获得骨架点;根据两个类簇中的成员的K‑近邻是否存在交集,定义两个类簇是否相邻,将相邻类簇的骨架点进行连接,得到初始骨架:对初始骨架计算其B‑样条曲线,得到优化后的骨架。本发明通过上述步骤能够有效的降低3D点云分布不均对骨架提取的影响,使得提取的树木骨架结果更加准确。

    一种基于3D点云的树木骨架提取方法

    公开(公告)号:CN114049387B

    公开(公告)日:2024-07-02

    申请号:CN202111231714.X

    申请日:2021-10-22

    IPC分类号: G06T7/50 G06T17/00 G06V10/762

    摘要: 本发明公开了一种基于3D点云的树木骨架提取方法,涉及大数据处理和树木3D建模技术领域。本发明包括:利用八叉树和L1‑中值点的方法降低3D点云数据规模;构造一个地面根节点;构造K‑最近邻居图,划分水平层次集;进行聚类,获得同一水平层次集中不同枝干的点云数据;使用八叉树方法进行划分,并计算每个划分的L1‑中值点,获得骨架点;根据两个类簇中的成员的K‑近邻是否存在交集,定义两个类簇是否相邻,将相邻类簇的骨架点进行连接,得到初始骨架:对初始骨架计算其B‑样条曲线,得到优化后的骨架。本发明通过上述步骤能够有效的降低3D点云分布不均对骨架提取的影响,使得提取的树木骨架结果更加准确。

    一种基于三支决策的多粒度知识图谱概念认知方法

    公开(公告)号:CN116467456A

    公开(公告)日:2023-07-21

    申请号:CN202211474458.1

    申请日:2022-11-22

    IPC分类号: G06F16/36 G06F16/35

    摘要: 本发明涉及一种基于三支决策的多粒度知识图谱概念认知方法,属于人工智能技术领域。该方法包括:S1:基于一个概念和知识图谱构建属性有/无粒度的决策信息系统;S2:获得属性有/无粒度的决策信息系统的所有粒;S3:将属性有/无粒度的决策信息系统的所有粒划分到正粒空间、负粒空间和边界粒空间;S4:基于较粗粒度的边界粒空间,在较细粒度上构建决策信息系统,并将边界粒空间中的粒划分到正粒空间、负粒空间和边界粒空间;S5:按照同样的方式处理另外三个较细粒度的决策信息系统,直到最细粒度的粒被划分;S6:将所有分支的正粒空间和负粒空间生成多粒度决策规则,从而实现知识图谱概念认知。

    一种航运物流集装箱智能化定位系统及其装置

    公开(公告)号:CN118457824A

    公开(公告)日:2024-08-09

    申请号:CN202410751779.4

    申请日:2024-06-12

    IPC分类号: B63B25/28 B63B27/00 B63B27/22

    摘要: 本发明涉及航运物流领域,具体公开了一种航运物流集装箱智能化定位系统及其装置,包括船体,所述船体上设置有定位机构,所述定位机构的输出端设置有定位框,所述定位机构用于调整所述定位框沿着所述船体的长度方向的位置;所述定位框的两侧顶部设置有预接机构,所述预接机构用于引导吊装的集装箱进入所述定位框中;所述定位框的两侧设置有多个调距机构。本发明在实现对集装箱的位置调整的同时能实现不同型号大小的集装箱的吊装,适应性强,可用于不同大小的船体,实现对集装箱的位置进行调整,迫使集装箱在指定的位置进行降落,利于对集装箱的码垛过程,减少降落时间,利于对集装箱的精准定位,无需人工操作,提高安全性。

    一种母猪活动水平、姿态及行为的监测方法

    公开(公告)号:CN117475517A

    公开(公告)日:2024-01-30

    申请号:CN202311622931.0

    申请日:2023-11-30

    摘要: 本发明涉及一种母猪活动水平、姿态及行为的监测方法,属于畜禽业动物健康及生殖状况监测技术领域。S1:采集母猪加速度和对应视频,处理获得活动水平、姿态及行为数据集;S2:对数据集聚类,获得休息、中度和高度活动的划分阈值,基于设计的姿态、行为分类模型,及设备绕颈转动无关的鲁棒特征集,搜索最优姿态和行为分类特征集;S3:模型训练及参数调优;S4:重置传感项圈监测,实时划分秒点活动水平,每60秒判定母猪当前持续状态,当为持续休息状态时,按1Hz采样,当为持续活动状态时,按20Hz采样,数据暂存传感器至指定容量或时限时上传服务器;S5:服务器完成姿态及行为分类。本发明能有效提高监测鲁棒性、节省采样能耗。

    一种自适应交通流量控制的智能交通疏导装置

    公开(公告)号:CN118982919A

    公开(公告)日:2024-11-19

    申请号:CN202411179912.X

    申请日:2024-08-27

    IPC分类号: G08G1/01 E01F13/04

    摘要: 本发明涉及交通领域,具体公开了一种自适应交通流量控制的智能交通疏导装置,包括支撑架,所述支撑架上设置有半圆形的轨道;所述轨道设置有多组用于疏导车辆运行的疏导组件,所述支撑架上设置有作用于所述疏导组件的驱动机构,所述驱动机构用于驱动所述疏导组件在所述轨道上滑动,以实现道路两侧的拥堵与通畅的控制;所述支撑架上位于所述支撑架与所述轨道之间设置有支撑板。本发明能实现道路两侧车辆的拥堵状况的控制,为拥堵一侧的道路提供通行方案,且当两侧的道路通畅时,保证两侧车辆正常通行,实现拥堵与通畅的两种情况的同时控制,极大地降低交通拥堵的情况,降低交通事故的发生,提高装置的自适应能力,提高对车流量的有效控制。

    从挖掘多粒度概念特征的角度实现知识图谱概念认知的方法及装置

    公开(公告)号:CN118820483A

    公开(公告)日:2024-10-22

    申请号:CN202410784643.3

    申请日:2024-06-18

    发明人: 胡新 段江丽

    摘要: 本发明涉及一种从挖掘多粒度概念特征的角度实现知识图谱概念认知的方法及装置,属于人工智能技术领域。该方法包括:挖掘属性信息系统的频繁属性特征,并生成极大频繁属性模式;基于属性或属性类型信息系统的极大频繁属性模式挖掘属性类型或属性值信息系统的极大频繁属性模式及对应的属性值特征;如果当前极大属性模式对应的属性值特征频繁,则结束其在属性类型或属性值信息系统中的任务;如果当前极大属性模式对应的属性值特征非频繁,则将其划分为多个子模式,然后只有未重复且未被包含在候选集中的子模式才会参与后续判断;通过极大属性模式推导出除自身之外的所有频繁属性,并生成对应的频繁属性值特征。本发明能够模拟人类对概念的认知能力。

    一种基于层次商空间的知识图谱概念认知方法

    公开(公告)号:CN113946694A

    公开(公告)日:2022-01-18

    申请号:CN202111331002.5

    申请日:2021-11-11

    IPC分类号: G06F16/36 G06F40/289

    摘要: 本发明涉及一种基于层次商空间的知识图谱概念认知方法,属于人工智能技术领域。该方法包括:S1对于一个概念C,从知识图谱中获取它的实体;S2:计算概念C的任意两个实体之间的实体相似度,所有的实体相似度形成一个模糊关系矩阵;S3:通过计算模糊关系矩阵的传递闭包可以得到一个模糊等价关系矩阵,通过模糊等价关系矩阵可以得到一组λ‑截;S4:每一个λ‑截生成一个λ‑截矩阵和一个商空间,最终所有的商空间形成一个层次商空间;S5:计算两个层次商空间(有/没有某个属性)的层次商空间距离:S6:计算属性重要度,实现对知识图谱中一个概念的认知。