-
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：CN109253985B
公开(公告)日：2022-01-11
申请号：CN201811436277.3
申请日：2018-11-28
Applicant: 东北林业大学 , 扬州市良匠古筝制作研究院有限公司
IPC: G01N21/359 , G01N21/3563 , G06N3/08
Abstract: 本发明公开了一种基于神经网络的近红外光谱识别古筝面板用木材等级的方法，所述方法包括如下步骤：(1)将包含不同等级的古筝面板用木材的近红外光谱数据进行Savitzky‑Golay卷积平滑和一阶导数预处理和主成分分析；(2)构建改进的BP神经网络模型；(3)训练改进的BP神经网络模型；(4)利用训练好的改进的BP神经网络模型对古筝面板用木材近红外光谱数据进行分类，从而实现古筝面板用木材的等级识别。本发明基于可以涵盖不同等级古筝面板用木材的化学物质的近红外光谱数据进行判别，测量数据快，成本低，判断时间短，有效缩小计算数据量，不掺杂主观臆断，稳定性较高，方法更具健壮性。
-
公开(公告)号：CN110245379A
公开(公告)日：2019-09-17
申请号：CN201910386724.7
申请日：2019-05-09
Applicant: 东北林业大学
IPC: G06F17/50 , G06K9/62 , G01R31/327 , H01H50/54
Abstract: 本实发明涉及一种密封式电磁驱动开关电器失效机理判别方法。该方法简单易行、适用范围广、成本低、准确率高、可去除电弧侵蚀等干扰因素、无需对受试电继器进行开腔处理、无需借助高倍显微镜，具体步骤如下：1.采集继电器生命周期内的六个关键性能退化参数数据，将采集到的数据矩阵作为电磁继电器失效机理判别的数据集。2.采用FIR(Finite Impulse Response，FIR)高通滤波器对试验获得的数据集进行滤波处理，去除电弧侵蚀和材料转移的随机性对数据采集系统造成的干扰。3.采用贝叶斯判别法从降噪滤波后的数据集中提取出能区分继电器失效机理的最佳组合参数。4.利用随机森林算法通过最佳组合参数对继电器失效机理进行判别。
-
公开(公告)号：CN109253985A
公开(公告)日：2019-01-22
申请号：CN201811436277.3
申请日：2018-11-28
Applicant: 东北林业大学 , 扬州市良匠古筝制作研究院有限公司
IPC: G01N21/359 , G01N21/3563 , G06N3/08
Abstract: 本发明公开了一种基于神经网络的近红外光谱识别古筝面板用木材等级的方法，所述方法包括如下步骤：(1)将包含不同等级的古筝面板用木材的近红外光谱数据进行Savitzky-Golay卷积平滑和一阶导数预处理和主成分分析；(2)构建改进的BP神经网络模型；(3)训练改进的BP神经网络模型；(4)利用训练好的改进的BP神经网络模型对古筝面板用木材近红外光谱数据进行分类，从而实现古筝面板用木材的等级识别。本发明基于可以涵盖不同等级古筝面板用木材的化学物质的近红外光谱数据进行判别，测量数据快，成本低，判断时间短，有效缩小计算数据量，不掺杂主观臆断，稳定性较高，方法更具健壮性。
-
公开(公告)号：CN103544291B
公开(公告)日：2016-05-18
申请号：CN201310520592.5
申请日：2013-10-29
Applicant: 东北林业大学
IPC: G06F17/30
Abstract: 道路网络中基于RRN-Tree的移动对象CKNN查询方法，涉及一种数据查询方法。为了解决现有采用索引结构对道路网络段进行索引，将道路网络建模为有向/无向图，基于内存数据结构处理最近邻查询请求，但是当道路网络数据量较大、路段较多时，查询效率急剧降低；并且，基于图的建模方式，无法反映出移动对象在十字路口的转向关系，无法解决具有十字路口转向和U型转弯约束的复杂道路网络最近邻查询的问题。它提出RRN-Tree索引结构，对道路网络及兴趣点对象进行索引，同时在索引结构中为路径上的交叉点建立邻接链表，存储十字路口处各路段之间的连接关系，从而完成复杂约束条件下道路网络CKNN查询。用于道路网络CKNN查询。
-
Patent Agency Ranking
公开(公告)号：CN104317251A
公开(公告)日：2015-01-28
申请号：CN201410624370.2
申请日：2014-11-07
Applicant: 东北林业大学
IPC: G05B19/4103
CPC classification number: G05B19/4103 , G05B2219/34085
Abstract: 基于Obrechkoff算法的三次NURBS曲线实时插补方法包括以下步骤：对给定的型值点及权因子进行参数密化，用累计弦长参化数法给出参数u的初值，用计算节点矢量U，然后根据控制顶点矩阵求出全部控制顶点与权因子，最后将节点矢量中的新参数、控制顶点以及权因子依次代入到三次NURBS曲线方程中求出下一插补点的位置实现轨迹计算。不断重复参数密化和轨迹计算两个实时插补步骤直至曲线终点，即可完成插补轨迹。本发明的方法利用Obrechkoff的高局部截断误差提高了插补精度；通过后向差分代替微分的方法简化了计算复杂度，保证了插补的实时性；插补曲线曲率变化平缓，保证了插补曲线的光顺性。对实现计算机数字控制机床高精度、高质量加工异形曲线曲面零件具有重要意义。
-
公开(公告)号：CN115876180A
公开(公告)日：2023-03-31
申请号：CN202211561646.8
申请日：2022-12-07
Applicant: 东北林业大学
IPC: G01C19/72
Abstract: 本发明公开了一种动态范围可调的光学陀螺，属于光学传感的技术领域，解决了目前光学陀螺动态范围小、动态范围不可调、且必须对光进行相位调制才能分辨旋转速度方向的问题，包括光源、偏振控制器、第一耦合器、环形光波导、第二耦合器、加热片、电压源、光谱仪和信号处理及控制系统；本发明利用加热片控制光学谐振腔的腔长，从而调谐动态范围，同时，利用宽线宽光源输出连续且强度恒定的宽线宽光、并利用光谱仪获得光学谐振腔的透射谱，然后，通过对光学谐振腔谐振频率的精确定位，可同时获得旋转速度大小及方向，因此，本发明具有动态范围可调、测量旋转速率范围大、不包含相位调制器件、不对光进行相位调制就能分辨旋转速度方向的优点。
-
公开(公告)号：CN108109155A
公开(公告)日：2018-06-01
申请号：CN201711221140.1
申请日：2017-11-28
Applicant: 东北林业大学
Abstract: 基于改进Canny算法的自动获取阈值边缘检测方法包括以下步骤：利用改进的自适应中值滤波器替代传统Canny算法中的高斯滤波器进行去噪；在求幅值时，使用8个方向梯度模板计算图像梯度的幅值；通过Otsu算法自适应生成高低阈值，利用双阈值发检测和连接边缘，通过形态学方法细化边缘，得到最终的边缘图像。本发明的方法能够有效地解决传统一阶导数边缘检测方法存在的边缘短小、边缘丢失和噪声敏感等问题，检测的边缘定位精确，连续性好，能有效的抑制伪边缘同时检测出更多的边缘细节，且避免了人为手动输入阈值的问题。在原木图像检测中具有较好的实时性，可用于实时性图像分析系统之中。
-
公开(公告)号：CN105807615A
公开(公告)日：2016-07-27
申请号：CN201610317962.9
申请日：2016-05-13
Applicant: 东北林业大学
IPC: G05B13/04
CPC classification number: G05B13/0275 , G05B13/04
Abstract: 模糊前馈反馈控制算法包括以下步骤：设计用参数自整定的模糊PID控制器取代原有的PID控制器，其主要是由模糊推理机和PID控制器两部分构成，以被控变量误差e以及误差的变化率ec作为模糊控制器的输入，以PID控制参数的变化量ΔKP、ΔKI、ΔKD作为输出，利用专家以及实践总结出来的模糊控制规则对PID控制器的三个参数变化量进行实时在线调整，满足不同时刻PID参数自整定的要求。在参数自整定的模糊PID控制器中加入了前馈控制环节，当干扰出现时，在其发生作用前直接用前馈控制作用于控制系统，消除大部分偏差控制量，剩余偏差则通过PID反馈控制消除，解决前馈控制对模型的精度要求和单纯使用PID控制器的不及时性的问题。
-
公开(公告)号：CN119693248A
公开(公告)日：2025-03-25
申请号：CN202411796112.2
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: G06T5/50 , G06N3/088 , G06N3/0464 , G06N3/045 , G06T7/11 , G06N3/048 , G06N3/084 , G06T3/4076
Abstract: 本发明提供一种基于超分辨率技术的无监督遥感影像空谱融合方法，包括以下步骤：对需要融合的低空间分辨率多光谱遥感影像和高空间分辨率全色遥感影像进行预处理和归一化；基于原始输入的多光谱和全色影像构建训练数据；构建超分辨率网络模型并基于步骤2获得的预训练数据集对模型进行预训练；预训练模型在原始输入数据上进行微调；微调后的深度学习网络，输入原始分割的多光谱和全色影像，得到融合后的遥感影像块；通过将所有融合的影像块进行组合，并进行反归一化，最终获得融合的多光谱遥感影像。本发明实现了高效率的空谱融合，所构建的无监督学习框架无需额外收集训练数据，可以大大减少人力和资金成本。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.021 seconds)
