-
公开(公告)号：CN112861732A
公开(公告)日：2021-05-28
申请号：CN202110183122.9
申请日：2021-02-10
Applicant: 东北林业大学
Abstract: 一种生态环境脆弱区土地监测方法、系统及装置，属于图像识别技术与环境监测技术结合领域。为了解决目前的生态环境脆弱区土地监测存在监测工作效率低问题或者存在监测准确率低的问题。本发明根据监测任务确定监测节点并对监测的区域范围进行图像采集；将监测区域范围图像变为灰度图，记为图像A；将监测区域范围图像的RGB通道中的G、B通道图像分别记为图像G、图像B；将RGB通道中去除B通道的图像记为图像RG；利用训练好的神经网络模型进行预测，得到对应监测节点时间下图像的预测结果；根据监测节点时间对应的预测结果中各分割区域的变化实现生态环境脆弱区土地变化的监测。本发明适用于生态环境脆弱区的土地监测。
-
公开(公告)号：CN114612788A
公开(公告)日：2022-06-10
申请号：CN202210283098.0
申请日：2022-03-22
Applicant: 东北林业大学
IPC: G06V20/10 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 基于神经网络的城市景观植物多样性监测方法，本发明涉及城市景观植物多样性监测方法。本发明的目的是为解决传统的城市景观植物多样性监测方法无法实现大范围的动态监测，且监测时所需要的人力、物力大的问题。过程为：采集无人机拍摄的可见光图像；建立神经网络模型；对可见光图像进行城市景观植物多样性预测；对可见光图像和红外遥感影像进行配准；截取红外遥感影像的子图像；获得可见光图像和子图像的特征向量；获得最佳匹配结果；获得可见光图像中城市景观植物中各种植物的覆盖率以及含水量；监测连续的M年内指定城市指定月份第n种植物的覆盖率以及含水量。本发明用于城市景观植物多样性监测领域。
-
公开(公告)号：CN112861732B
公开(公告)日：2021-11-02
申请号：CN202110183122.9
申请日：2021-02-10
Applicant: 东北林业大学
Abstract: 一种生态环境脆弱区土地监测方法、系统及装置，属于图像识别技术与环境监测技术结合领域。为了解决目前的生态环境脆弱区土地监测存在监测工作效率低问题或者存在监测准确率低的问题。本发明根据监测任务确定监测节点并对监测的区域范围进行图像采集；将监测区域范围图像变为灰度图，记为图像A；将监测区域范围图像的RGB通道中的G、B通道图像分别记为图像G、图像B；将RGB通道中去除B通道的图像记为图像RG；利用训练好的神经网络模型进行预测，得到对应监测节点时间下图像的预测结果；根据监测节点时间对应的预测结果中各分割区域的变化实现生态环境脆弱区土地变化的监测。本发明适用于生态环境脆弱区的土地监测。
-
公开(公告)号：CN114612788B
公开(公告)日：2023-04-07
申请号：CN202210283098.0
申请日：2022-03-22
Applicant: 东北林业大学
IPC: G06V20/10 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 基于神经网络的城市景观植物多样性监测方法，本发明涉及城市景观植物多样性监测方法。本发明的目的是为解决传统的城市景观植物多样性监测方法无法实现大范围的动态监测，且监测时所需要的人力、物力大的问题。过程为：采集无人机拍摄的可见光图像；建立神经网络模型；对可见光图像进行城市景观植物多样性预测；对可见光图像和红外遥感影像进行配准；截取红外遥感影像的子图像；获得可见光图像和子图像的特征向量；获得最佳匹配结果；获得可见光图像中城市景观植物中各种植物的覆盖率以及含水量；监测连续的M年内指定城市指定月份第n种植物的覆盖率以及含水量。本发明用于城市景观植物多样性监测领域。
-
-
-
Search Results
4
records
(took 0.01 seconds)
