-
公开(公告)号：CN119832415A
公开(公告)日：2025-04-15
申请号：CN202411837137.2
申请日：2024-12-13
Applicant: 东北林业大学 , 黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院)
IPC: G06V20/10 , G06V20/17 , G06V10/44 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于RSVMamba与无人机RGB数据实现树种分类方法，属于图像处理技术领域。包括：S1、引入了无人机RGB树种分类数据集，构建树种分类数据集；S2、构建树种分类模型RSVMamba，结合改进的VSS模块和AutoDownsampling模块，并在该模型上实现基于构建的数据集的有效分类。本发明引入无人机RGB树种分类数据集，验证了单时相无人机RGB数据在复杂异质性森林中实现多树种分类的有效性，降低了树种分类任务对高光谱数据的依赖。本发明提出了RSVMamba模型，实现了复杂森林环境下基于单时相无人机RGB数据的树种分类，对8种树种、枯死树木和其他阔叶树的分类精度达到84.28％。
-
公开(公告)号：CN116721415A
公开(公告)日：2023-09-08
申请号：CN202310737832.0
申请日：2023-06-20
Applicant: 东北林业大学
IPC: G06V20/69 , G01N21/359 , G01N21/3563 , G01N23/2251 , G01N23/2206 , G06V10/54 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06V10/77 , G06N3/048 , G06N3/047 , G06V10/764 , G06F18/10 , G06F18/25 , G06F18/24
Abstract: 本发明提供基于图谱融合的多通道木材力学性能检测方法，包括以下步骤：判断是否需要采集其宏观数据特征；使用近红外光谱仪采集实验所需光谱数据；光谱数据采用小波变换和多元散射校正相结合的方法对其进行预处理；使用电子扫描显微镜采集实验所需显微图像数据，选取分辨率最高的一张保存；采用灰色共现矩阵提取管胞显微图像的纹理特征；采用基于深度学习的分水岭算法完成对显微图像的细胞分割，通过几何分析法提取管胞显微图像的形态特征，提取形态特征；建立多通道特征融合网络Multi‑FF‑Net完成对多源数据集的分类处理及融合决策。本发明提出了在数据融合的基础上引入稀疏注意力机制，以结果反馈输入，实现不同输入占比的合理配置。
-
公开(公告)号：CN113155772A
公开(公告)日：2021-07-23
申请号：CN202110094836.2
申请日：2021-01-25
Applicant: 东北林业大学
IPC: G01N21/3563 , G01N21/359 , G01N3/08 , G06F30/23 , G06F30/27 , G06N3/08 , G06F119/14
Abstract: 本发明公开了一种用于检测复合板材CLT物理性能的方法，包括以下步骤：S1：预处理，S2：单一板材力学性能测试，S3：单元板材建立力学性能预测模型建立与选取，S4：建立网格并进行CLT试件有限元分析，S5：CLT板有限元分析。本发明涉及复合板材检测技术领域，具体是提供了一种误差极小、节约板材、节省时间、运算更量小，利用近红外光谱技术与深度学习相结合，对CLT木板的力学强度进行无损预测，通过数值分析和实际测量结合的方法预测竹木复合CLT面板的力学性能，不仅有利于木材资源的充分利用，还可以进一步保障木材的质量的用于检测复合板材CLT物理性能的方法。
-
公开(公告)号：CN105506858B
公开(公告)日：2017-11-14
申请号：CN201610052220.8
申请日：2016-01-26
Applicant: 东北林业大学
IPC: D04H1/4382 , D04H1/728 , D04H1/425 , D01D5/00
Abstract: 静电纺丝制备纤维素增强纳米复合纤维薄膜的方法，它涉及一种制备复合纤维薄膜的方法。本发明是为了解决现有方法制备的PMMA纤维薄膜成膜难、热稳定性差，并且非极性PMMA和极性CNC相容性差的问题。本方法如下：一、制备CNC水悬液；二、制备电纺液；三、将电纺液装入注射器中，静电纺丝，得到纤维素增强纳米复合纤维薄膜。本发明制备的纤维表面光滑，直径均一。随着CNC添加量增加，纤维直径逐步减小，纤维直径分布变窄。而且随着CNC添加量增加，纳米复合纤维的TGA曲线向高温方向移动，纳米复合纤维的热学性能增强。制备的纤维薄膜最大拉伸强度达到0.3MPa。本发明属于复合薄膜的制备领域。
-
公开(公告)号：CN107064151A
公开(公告)日：2017-08-18
申请号：CN201710427875.3
申请日：2017-06-08
Applicant: 东北林业大学
IPC: G01N21/84
Abstract: 利用激光测量纤维角的在线分析检测实木板材力学性能的装置和方法，本发明涉及在线分析检测实木板材力学性能的装置和方法。本发明的目的是为了解决现有力学试验机测定板材力学性能时会将试件破坏，同时不能对整批次板材进行普检，在实际操作过程中产生浪费以及检测误差大的问题。利用激光测量纤维角的在线分析检测实木板材力学性能的装置包括工作台、试验台主支撑架、激光发生器、摄像头、摄像头高度调节架、同步驱动轴、横向运动步进电机、纵向运动步进电机、移动夹取装置和二轴滑台。本发明用于实木板材力学性能检测领域。
-
Patent Agency Ranking
公开(公告)号：CN104928849B
公开(公告)日：2017-03-29
申请号：CN201510415614.0
申请日：2015-07-15
Applicant: 东北林业大学
IPC: D04H1/4382 , D04H1/728 , D01D5/00
Abstract: 静电纺制备纤维素基耐热纳米复合纤维薄膜的方法，它涉及一种复合纤维薄膜的制备方法。本发明的是为了解决现有方法制备的PVA薄膜脆性较大成膜难、孔隙率低的技术问题。本方法：一、制备CNCs溶液；二、制备电纺液；三、将电纺液装于注射器中，纺丝，得到纤维素基耐热纳米复合纤维薄膜。本发明采用环保高效的静电纺技术解决了PVA成膜难、性能不易控制的问题；制备出表面光滑、直径均匀的超细PVA/CNC纳米复合纤维，赋予了电纺PVA薄膜更优异的使用性能。本发明属于复合纤维薄膜的制备领域。
-
公开(公告)号：CN103706552B
公开(公告)日：2015-11-04
申请号：CN201310737303.7
申请日：2013-12-27
Applicant: 东北林业大学
Abstract: 用于家具稳定性检测的地板振动激励信号产生装置，本发明涉及一种用于检测家具稳定性的地板振动激励信号发生装置。它解决了目前还没有能够使复合地板上的家具产生规律性、准确性的振动摇晃的振动源的问题。用于家具检测。它包括电动机、凸轮、吊杆、支座体、弹性锤击体和悬绳，电动机的电机轴与凸轮的轮盘轴相连接以使二者同轴旋转，吊杆的一端铰接在支座体的顶端上，吊杆的另一端连接悬绳的上端，悬绳的下端连接弹性锤击体，凸轮为盘状凸轮，盘状凸轮的外缘为工作面，吊杆的杆体位于凸轮的上方并压在凸轮的工作面上。
-
公开(公告)号：CN104392242A
公开(公告)日：2015-03-04
申请号：CN201410642066.0
申请日：2014-11-13
Applicant: 东北林业大学
CPC classification number: G06K9/6271
Abstract: 基于双树复小波特征提取及压缩感知的实木板材表面纹理与缺陷协同分类方法，涉及实木板材表面缺陷检测领域。解决了现有的实木板材表面纹理与缺陷分类方法存在的分类精度低、分类效率低等问题。实木板材图像应用双树复小波变换进行特征提取后进行特征降维；基于压缩感知理论对优化后的特征向量进行分类：将优化后的特征向量作为样本列，由训练样本矩阵建立数据字典矩阵；用训练样本线性地表示测量样本，计算测试样本在数据字典上的稀疏表示向量，具有残差最小的类为测试样本的类别。双树复小波良好的方向性能够表达板材表面复杂的信息，基于粒子群算法特征选择能够进一步的提高分类效率，压缩感知分类器与传统分类器相比结构简单且具有较高的分类精度。
-
公开(公告)号：CN119693753A
公开(公告)日：2025-03-25
申请号：CN202411796300.5
申请日：2024-12-09
Applicant: 东北林业大学 , 黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院) , 中国科学院空天信息创新研究院
IPC: G06V10/80 , G06V10/44 , G06V10/42 , G06V10/82 , G06N3/0464 , G06V10/774 , G06N3/048 , G06N3/084 , G06V10/764 , G06V20/10
Abstract: 本发明提供一种基于特征融合网络的细粒度物候参数提取方法，包括以下步骤：(1)对物候相机中拍摄的照片进行收集和预处理，构建出适用于训练的数据集；(2)物候参数提取；首先，引入ResNet18，通过3×3的卷积核进行全局特征提取；其次，针对轻量级提取局部特征部分；(3)在两个分支各自提取全局和局部特征后，采用自适应特征融合模块将两部分特征进行融合，利用GELU激活函数对拼接后的特征进行处理，生成综合的特征；(4)分类层使用Softmax函数，加入Dropout技术将融合后的特征映射到不同物候期的类别空间，实现对多种物候期的精确分类。本发明实现了高精度的物候期监测框架，操作简单，物候期提取细粒度高，适用于植物生长过程的生态研究。
-
公开(公告)号：CN117095265A
公开(公告)日：2023-11-21
申请号：CN202311131522.0
申请日：2023-09-04
Applicant: 黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院) , 东北林业大学
IPC: G06V10/80 , G06V10/82 , G06N3/0464 , G06V10/52
Abstract: 本发明公开了一种基于双分支CNN的SAR影像与光学影像的融合方法，所述方法如下：一、将原始遥感SAR影像与多光谱影像经过高通滤波器得到森林图像的高频信息，并将高频信息上采样到SAR图像高频信息的同等分辨率；二、编码器模块分别提取SAR与多光谱图像高频信息的深层特征；三、在特征融合层模块对不同源图像的深层特征的进行融合；四、解码器模块采用图像超分辨网络SRCNN将融合后的特征图映射回图像的空间信息；五、采用跳线连接方式，将空间细节信息叠加到采样的多光谱图像上得到最终的融合结果。该方法设计两路不同的CNN网络提取不同影像的各自特征，引入多尺度特征提取块，实现SAR与多光谱图像空间信息更好的融合。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.038 seconds)
