-
公开(公告)号：CN110545305B
公开(公告)日：2022-03-18
申请号：CN201811608954.5
申请日：2018-12-27
Applicant: 塔塔咨询服务有限公司
Inventor： 普拉钦·拉利特·简 , 萨纳特·萨兰吉 , 普拉克鲁蒂·维诺钱德拉·巴特 , 斯里尼瓦苏·帕普拉
Abstract: 本发明涉及用于自适应参数采样的方法和系统。本公开涉及精确农业，其依赖于监视农场的微气候条件以进行准确的疾病预测以更好地保护作物并提高生产效率。考虑到通过基于物联网的传感器在现场产生的大量数据，传统系统在管理能量和传输带宽方面面临挑战。本公开通过最佳地配置参数采样率从而最大化节省能量而从现场提供节省能量的自适应参数采样。这有助于减少不必要的云流量，同时延长网络生命周期。
-
公开(公告)号：CN109313841B
公开(公告)日：2021-02-26
申请号：CN201780028997.3
申请日：2017-05-08
Applicant: 塔塔咨询服务有限公司
Abstract: 已经解释了用于在传感器网络中实现自适应聚类的系统和方法。系统在传感器网络中执行分层聚类，以最大化网络的寿命。该系统包括一组传感器节点和汇聚节点。传感器网络中的聚类是由大量部署的节点自动形成的，其中聚类特性由终端用户定义的测量要求驱动。该系统还采用聚类算法来实现自适应聚类。处理器还包括第一级聚类模块，用于基于测量结果将该组传感器节点分组为数据级聚类。处理器还包括第二级聚类模块，用于基于位置将数据级聚类中的该组传感器节点分组为位置级聚类。在另一个实施例中，该聚类可以继续进行到多于两级。
-
公开(公告)号：CN110046631B
公开(公告)日：2023-04-28
申请号：CN201811085927.4
申请日：2018-09-18
Applicant: 塔塔咨询服务有限公司
Inventor： 普拉克鲁蒂·维诺钱德拉·巴特 , 萨纳特·萨兰吉 , 斯里尼瓦苏·帕普拉
IPC: G06V10/762 , G06V10/77 , G06V10/764 , G06N3/0464 , G06N3/088
Abstract: 本公开通过利用从在变化的上下文上训练的卷积神经网络(CNN)提取出的高级别稳健特征而不是依赖于数据的特征方法来解决了能够自动推断时空图像变化的技术问题。基于高级别特征的无监督聚类消除了对图像标记的繁琐要求。由于模型未在任何特定上下文上训练，因此可以接受任何图像。通过无监督聚类和监督分类的某种组合能够进行实时推断。云边缘拓扑结构即使在连接是不可用时也通过确保更新后的分类模型被部署在边缘上来确保进行实时推断。基于自适应学习创建知识本体使能够以变化的精度水平对输入图像进行推断。精细农作可以是本公开的应用。
-
Patent Agency Ranking
公开(公告)号：CN108701147B
公开(公告)日：2022-01-25
申请号：CN201780010763.6
申请日：2017-02-09
Applicant: 塔塔咨询服务有限公司
Inventor： 萨纳特·萨兰吉 , 普拉尼特·帕丁查雷·瓦扎伊尔 , 萨兰亚·拉马纳特 , 戈普·钱德拉塞南 , 斯里尼瓦苏·帕普拉
Abstract: 本公开提供用于自动识别农业气候地带的方法和系统。该方法涉及经由一种或多种交互方法接收关于来自各种外部系统的用于地理区域的周围环境和土壤的参数。该参数可以是原始数据或从原始数据导出，是均质的，并且被存储，为通用和层级格式，以方便消费。根据参数和相关联的属性通过与知识库模块中可用的历史属性进行比较以用于对应的农业气候地带而得出推断。还可以根据编码形式诸如图像、视频和本体知识的可用参数进行推断。根据比较，生成反映符合预限定农业气候地带的程度的分数。本公开实现根据直接可用或编码格式的小气候参数实时、智能地对地理区域的分类进行推断。
-
公开(公告)号：CN110545305A
公开(公告)日：2019-12-06
申请号：CN201811608954.5
申请日：2018-12-27
Applicant: 塔塔咨询服务有限公司
Inventor： 普拉钦·拉利特·简 , 萨纳特·萨兰吉 , 普拉克鲁蒂·维诺钱德拉·巴特 , 斯里尼瓦苏·帕普拉
Abstract: 本发明涉及用于自适应参数采样的方法和系统。本公开涉及精确农业，其依赖于监视农场的微气候条件以进行准确的疾病预测以更好地保护作物并提高生产效率。考虑到通过基于物联网的传感器在现场产生的大量数据，传统系统在管理能量和传输带宽方面面临挑战。本公开通过最佳地配置参数采样率从而最大化节省能量而从现场提供节省能量的自适应参数采样。这有助于减少不必要的云流量，同时延长网络生命周期。
-
公开(公告)号：CN110046631A
公开(公告)日：2019-07-23
申请号：CN201811085927.4
申请日：2018-09-18
Applicant: 塔塔咨询服务有限公司
Inventor： 普拉克鲁蒂·维诺钱德拉·巴特 , 萨纳特·萨兰吉 , 斯里尼瓦苏·帕普拉
Abstract: 本公开通过利用从在变化的上下文上训练的卷积神经网络(CNN)提取出的高级别稳健特征而不是依赖于数据的特征方法来解决了能够自动推断时空图像变化的技术问题。基于高级别特征的无监督聚类消除了对图像标记的繁琐要求。由于模型未在任何特定上下文上训练，因此可以接受任何图像。通过无监督聚类和监督分类的某种组合能够进行实时推断。云边缘拓扑结构即使在连接是不可用时也通过确保更新后的分类模型被部署在边缘上来确保进行实时推断。基于自适应学习创建知识本体使能够以变化的精度水平对输入图像进行推断。精细农作可以是本公开的应用。
-
公开(公告)号：CN109313841A
公开(公告)日：2019-02-05
申请号：CN201780028997.3
申请日：2017-05-08
Applicant: 塔塔咨询服务有限公司
Abstract: 已经解释了用于在传感器网络中实现自适应聚类的系统和方法。系统在传感器网络中执行分层聚类，以最大化网络的寿命。该系统包括一组传感器节点和汇聚节点。传感器网络中的聚类是由大量部署的节点自动形成的，其中聚类特性由终端用户定义的测量要求驱动。该系统还采用聚类算法来实现自适应聚类。处理器还包括第一级聚类模块，用于基于测量结果将该组传感器节点分组为数据级聚类。处理器还包括第二级聚类模块，用于基于位置将数据级聚类中的该组传感器节点分组为位置级聚类。在另一个实施例中，该聚类可以继续进行到多于两级。
-
公开(公告)号：CN108701147A
公开(公告)日：2018-10-23
申请号：CN201780010763.6
申请日：2017-02-09
Applicant: 塔塔咨询服务有限公司
Inventor： 萨纳特·萨兰吉 , 普拉尼特·帕丁查雷·瓦扎伊尔 , 萨兰亚·拉马纳特 , 戈普·钱德拉塞南 , 斯里尼瓦苏·帕普拉
CPC classification number: G06F16/29 , G06F16/00 , G06F16/2246 , G06F16/2457 , G06F16/258 , G06F16/285 , G06N5/04 , G06Q50/02 , Y02A90/15
Abstract: 本公开提供用于自动识别农业气候地带的方法和系统。该方法涉及经由一种或多种交互方法接收关于来自各种外部系统的用于地理区域的周围环境和土壤的参数。该参数可以是原始数据或从原始数据导出，是均质的，并且被存储，为通用和层级格式，以方便消费。根据参数和相关联的属性通过与知识库模块中可用的历史属性进行比较以用于对应的农业气候地带而得出推断。还可以根据编码形式诸如图像、视频和本体知识的可用参数进行推断。根据比较，生成反映符合预限定农业气候地带的程度的分数。本公开实现根据直接可用或编码格式的小气候参数实时、智能地对地理区域的分类进行推断。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.041 seconds)
