-
公开(公告)号：CN118351446B
公开(公告)日：2025-01-28
申请号：CN202410514013.4
申请日：2024-04-26
Applicant: 江西省国土空间调查规划研究院 , 中南大学 , 江西省自然资源测绘与监测院
Abstract: 本发明涉及遥感影像技术领域，具体涉及一种顾及方向‑连通性的道路网络优化处理方法，其中，方向引导的道路信息推理模块利用道路的结构和方向特点，从不同的方向对断裂道路进行空间信息推理，促使模型能够有效地建模不同行或列之间的空间关系，从而修复断裂的道路。后处理网络模型同时输出道路面和道路方向的预测结果，并利用道路语义标签信息进行损失监督，增强后处理网络模型的推理能力，提升道路面的提取精度。此外，本发明中后处理网络模型的输入中包含初始分割结果，在后处理网络模型中使用编码器‑解码器结构和跳跃连接时不会导致狭窄道路丢失和无关噪声信息的引入，从而得到更为精细的道路分割图和道路方向图。
-
公开(公告)号：CN119151301A
公开(公告)日：2024-12-17
申请号：CN202411604507.8
申请日：2024-11-12
Applicant: 江西啄木蜂科技有限公司 , 江西省国土空间调查规划研究院
IPC: G06Q10/0635 , G06Q50/02 , G06F18/2431 , G06F18/21 , G06F18/214 , G06F18/25 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种面向大规模林业资源的多模态专家协同火灾风险监测方法，包括构造包含多模态样本的多模态火灾风险监测数据集，其中每个多模态样本均包含气象时序数据、植被图像、人类活动图数据、地形图像和表示火灾风险类别的目标标签；构造四个专家模型，包括气象专家模型、植被专家模型、人类活动专家模型和地形专家模型；构造多模态监测网络训练得到多模态监测模型，用于待识别区域火灾风险类别的预测。本发明能够从多模态数据中提取更多的信息，提高对复杂环境中火灾风险的预测能力；能根据输入数据的特征动态调整各专家模型的权重，实现模型预测效果的自适应优化。本发明适用于火灾风险的实时监测和预测，能提高火灾预警的准确度和及时性。
-
公开(公告)号：CN118469356A
公开(公告)日：2024-08-09
申请号：CN202410941260.2
申请日：2024-07-15
Applicant: 江西省国土空间调查规划研究院
IPC: G06Q10/0637 , G06Q10/10 , G06Q50/26 , G06V10/774
Abstract: 本申请公开了一种土地利用变更举证的核查系统，其通过采集待核查地块的实地数据，即俯拍图像，并在后端引入基于人工智能和机器视觉的图像处理和分析算法来进行该俯拍图像的分析，以此来提取出有用的地块特征信息，从而对待核查地块对应的土地使用类型是否符合要求进行核查。这样，能够实现更为自动化和智能化的土地使用类型核查，通过这样的方式，不仅提升了核查效率，而且能够减少对人力的依赖，从而提供更可靠的土地使用核查结果，以判断土地使用类型和土地利用变更是否符合要求。
-
公开(公告)号：CN109446485B
公开(公告)日：2023-01-06
申请号：CN201811308285.X
申请日：2018-11-05
Applicant: 江西省国土空间调查规划研究院
IPC: G06F17/18
Abstract: 本发明公开了一种基于多源数据融合的季节性湖泊湖底地形生成方法，涉及湖底地形生成技术领域，本发明针对覆盖面积较大的季节性湖泊，利用基础测绘数据、光学遥感影像数据、LiDAR数据、多波束测深数据等多源数据，获取季节性湖泊湖底地形，充分发挥各类型数据的优点，规避其不足，对数据进行相关性分析，通过构建多元回归方程计算生成湖泊湖底深水区域地形，然后，采用双线性内插法生成湖泊湖底浅水区域地形，同时，考虑影像间接缝处的平滑处理，从而实现季节性湖泊湖底完整地形的获取，即有效地缩短了对湖泊地形实地测量的时间周期，又保障了湖泊地形数据的完整性与高精度，并且，优化了面积较大的季节性湖泊的湖底地形数据生产效率。
-
公开(公告)号：CN113792942A
公开(公告)日：2021-12-14
申请号：CN202111344561.X
申请日：2021-11-15
Applicant: 江西省国土空间调查规划研究院
Abstract: 本发明涉及国土空间开发技术领域，具体地说，涉及一种国土空间开发利用生态效应动态模拟预测系统。其包括原始土地识别单元、空间格局模拟单元和动态仿真分析单元；动态仿真分析单元用于动态演示原始土地识别单元的原始图到空间格局模拟单元的模拟结果图的变化，将原始图与模拟结果图的数据汇总对比，生成各地类面积指标变化统计报表。本发明方便通过统计报表直观的确定土地变化的数据，提高土地生态效应预测分析准确性，实现对国土空间开发的生态效应进行预测，可以更直观的观察到国土空间开发前后土地的生态效应变化，方便动态显示原始图中变化的部分，提高实用性。
-
Patent Agency Ranking
公开(公告)号：CN118424168A
公开(公告)日：2024-08-02
申请号：CN202410527122.X
申请日：2024-04-29
Applicant: 江西省国土空间调查规划研究院 , 国家电网有限公司 , 国网江西省电力有限公司吉安供电分公司 , 中南大学
Abstract: 本公开实施例中提供了一种升降轨I nSAR地下不稳定区三维形变监测方法，属于测量技术领域，具体包括：获取升降轨SAR数据并进行预处理操作；对升降轨LOS形变序列进行时空基准统一；裁剪出升降轨SAR数据中的目标区域，获取目标区域对应的雷达视线方向的形变测量值；根据形变测量值计算目标区域各监测点的入射角和方位角；根据时空基准统一后的升降轨LOS形变序列、入射角和方位角建立观测方程并求解，得到二维形变结果；基于二维形变结果，通过构建线性比例函数模型和随机模型并对其求解，得到南北向形变结果，结合南北向形变结果和二维形变结果，得到目标区域的三维形变结果。通过本公开的方案，提高了监测精准度和适应性。
-
公开(公告)号：CN118887550B
公开(公告)日：2025-04-25
申请号：CN202411368421.X
申请日：2024-09-29
Applicant: 江西啄木蜂科技有限公司 , 江西省国土空间调查规划研究院
IPC: G06V20/10 , G06V10/82 , G06N3/0455 , G06N3/082 , G06V10/80 , G06N3/0475 , G06V10/26 , G06V20/70
Abstract: 本发明公开了一种基于多模态图像生成的林业资源变化监测方法，属于图像数据处理技术领域，包括构造数据集；选取一cycleGAN网络，改进其损失函数，用数据集训练得到改进生成器；构造SAR辅助编码器和改进SETR网络；构造完整数据集Gall；用Gall训练改进SETR网络得到改进SETR模型，用于变化检测。本发明实现多模态的信息有效利用，不仅能增强训练稳定性、提升泛化能力，还能根据图像质量进行自适应调整，从而对林区图像实现更精确的语义分割，结合不同时刻的语义分割图得到更准确的变化区域。本发明能监测森林的动态变化，及时识别森林退化、火灾发生和病害扩散等事件，从而为林业管理和灾害响应提供关键信息。
-
公开(公告)号：CN119832230A
公开(公告)日：2025-04-15
申请号：CN202411775216.5
申请日：2024-12-05
Applicant: 江西省国土空间调查规划研究院
Inventor： 徐进军 , 吴玉炜 , 江振 , 郭大千 , 龙惠芳 , 陈颖颖 , 钟芳兴 , 邹孙忠 , 余成 , 黄靓 , 欧阳龙华 , 涂丹 , 及挽云 , 谢业文 , 李伟成 , 章欢中 , 王志豪 , 王晗 , 余志旻
IPC: G06V10/26 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06V10/44
Abstract: 本发明提供一种基于多类型双分支卷积神经网络的农田地块提取方法，创建一种基于多类型卷积模块的双分支多任务网络DBMNet，设计双分支特征提取模块DBFE替换原网络的卷积层，使用动态线形约束卷积模块LCDC和多尺度可变形卷积特征提取模块MDFE来综合提取图像的边缘特征以及不同大小和形状的田地块区域特征，提升网络对不同尺度信息的感知能力，从而提高网络的分割精度。网络使用边界检测和距离回归任务改善农田地块掩码的精度提取，从而使网络有更好的泛化效果。本发明将多类型卷积网络应用于农田地块提取任务上，实验结果表明其相较于其它最先进算法取得了最好的分割表现，可以有效提取农田地块的判别性特征，显著提高了分割精度，准确提取农田地块，具有较大的应用潜力与前景。
-
公开(公告)号：CN119151301B
公开(公告)日：2025-02-11
申请号：CN202411604507.8
申请日：2024-11-12
Applicant: 江西啄木蜂科技有限公司 , 江西省国土空间调查规划研究院
IPC: G06Q10/0635 , G06Q50/02 , G06F18/2431 , G06F18/21 , G06F18/214 , G06F18/25 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种面向大规模林业资源的多模态专家协同火灾风险监测方法，包括构造包含多模态样本的多模态火灾风险监测数据集，其中每个多模态样本均包含气象时序数据、植被图像、人类活动图数据、地形图像和表示火灾风险类别的目标标签；构造四个专家模型，包括气象专家模型、植被专家模型、人类活动专家模型和地形专家模型；构造多模态监测网络训练得到多模态监测模型，用于待识别区域火灾风险类别的预测。本发明能够从多模态数据中提取更多的信息，提高对复杂环境中火灾风险的预测能力；能根据输入数据的特征动态调整各专家模型的权重，实现模型预测效果的自适应优化。本发明适用于火灾风险的实时监测和预测，能提高火灾预警的准确度和及时性。
-
公开(公告)号：CN119229035A
公开(公告)日：2024-12-31
申请号：CN202411759501.8
申请日：2024-12-03
Applicant: 深圳市森歌数据技术有限公司 , 江西省国土空间调查规划研究院
IPC: G06T17/00 , G06T15/20 , G06N3/0499
Abstract: 本发明公开了一种融合时间维度以及层次化采样策略的NeRF建模方法，包括构造数据集；对数据集中RGB图像的每条射线，采样M个粗采样点；对粗采样点进行位置编码，再由MLP输出粗采样点的体密度和颜色；计算粗采样点的权重、累计权重；基于累计权重生成N个精采样点，计算精采样点的体密度、颜色、不透明度和累计透射率；结合粗采样点和精采样点计算射线的颜色；构造MLP的损失函数L；训练MLP得到三维场景建模模型。本发明通过层次化采样策略提高渲染效率，在编码时融合显式空间结构来增强模型对复杂几何的捕捉能力，增加时间编码以高效应对场景中的动态变化，从而在处理大规模、复杂、动态的三维场景时具备更好的性能和效率。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.051 seconds)
