-
公开(公告)号：CN119940857A
公开(公告)日：2025-05-06
申请号：CN202510106872.4
申请日：2025-01-23
Applicant: 中国民航大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q10/0635 , G06Q50/26 , G06N3/126
Abstract: 本发明提供一种基于高原森林火灾风险评价的应急物资储备库选址方法，其中方法包括：采用熵权法按照高原森林火灾风险评价体系量化高原森林内各地区的火灾风险；基于各地区的火灾风险，建立应急物资储备库选址模型；基于ICD‑NSGA‑Ⅱ算法，对应急物资储备库选址模型进行求解，获得应急物资储备库的最优选址结果。采用熵权法按照高原森林火灾风险评价体系量化高原森林内各地区的火灾风险，提升了火灾风险量化的精准性；基于各地区的火灾风险，建立应急物资储备库选址模型；基于ICD‑NSGA‑Ⅱ算法，对应急物资储备库选址模型进行求解，确定应急物资储备库的最优选址结果，极大程度上提升了应急物资储备库选址的自动化水平，提升了选址的精准性与适应性。
-
公开(公告)号：CN114724184B
公开(公告)日：2024-11-26
申请号：CN202210373006.8
申请日：2022-04-11
Applicant: 中国民航大学
IPC: G06V40/10 , G06V10/56 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于对比层级相关性传播理论的鸟类分类方法。获取待鸟类分类图像数据集，并通过对比层级相关性传播计算所述鸟类图像数据集中每个待鸟类分类图像关键特征区域的空间级相关性掩码；根据所述相关性掩码，利用深度神经网络的置信度分数确定每个待鸟类分类图像的通道级权重；将所述通道级权重与空间级相关性掩码进行线性加权，生成对不同类型鸟类标记的显著图。本发明在平均下降、平均增长和基于能量的三个评价指标上达到了先进性能，能够更好的发现影响模型决策的重要区域，从而更准确高效的对鸟类进行分类。本发明应用于鸟类细粒度图像分类任务，对模型的错误分类行为进行分析，并指导模型的训练过程，实现更准确的鸟类分类。
-
公开(公告)号：CN109859093B
公开(公告)日：2022-12-27
申请号：CN201910084113.7
申请日：2019-01-29
Applicant: 中国民航大学
IPC: G06T1/00
Abstract: 一种基于变参数混沌映射的混合变换域图像零水印方法。其包括零水印嵌入和零水印检测过程。零水印的嵌入和检测均是在非下采样金字塔分解和离散余弦变换混合变换域内完成，充分利用了图像非下采样金字塔分解的平移不变性特点，以及对图像进行分块离散余弦变换后每一个系数块中特殊位置上交流系数符号的稳定性，使得本发明具有比较好的鲁棒性。实验结果表明，本发明方法对于抵抗常见的多种图像处理攻击，如添加噪声、滤波、JPEG压缩、缩放和任意角度的旋转攻击等具有很好的鲁棒性，该发明方法具备有效性和一定的实用价值。
-
公开(公告)号：CN114913486A
公开(公告)日：2022-08-16
申请号：CN202210669428.X
申请日：2022-06-14
Applicant: 中国民航大学
IPC: G06V20/52 , G06V10/44 , G06V10/764 , G06V10/82 , G06T7/73 , G06N3/00 , G06N3/04 , G06N3/08 , G05D1/02
Abstract: 本发明提供一种基于图像识别的无人系统路径规划方法，包括：步骤S1：构建环境模型；步骤S2：通过图像识别技术确定鸟群活动位置；步骤S3：获取当前时刻位于机场内的驱鸟车所在的位置；步骤S4：基于所述鸟群活动位置和所述驱鸟车所在的位置，确定各个所述驱鸟车对应的目标移动位置点；步骤S5：基于所述驱鸟车所在的位置为起点、所述目标移动位置点为终点，规划移动路径。本发明的基于图像识别的无人系统路径规划方法，实现了驱鸟车的无人自动驱鸟，节省了现有采用人工驾驶驱鸟车方式的人力资源，并且可以更快响应，提高了驱鸟效率。
-
公开(公告)号：CN114913485A
公开(公告)日：2022-08-16
申请号：CN202210669392.5
申请日：2022-06-14
Applicant: 中国民航大学
IPC: G06V20/52 , G06V10/44 , G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08 , G06T7/73
Abstract: 本发明提供一种多层级特征融合的弱监督检测方法，包括：获取待分析图片；将待分析图片，输入预设的目标分类模块中，获取目标分类模块中Layer1层、Layer2层、Layer3层和Layer4层的特征图；基于Layer1层、Layer2层、Layer3层和Layer4层的特征图，生成对应的类激活图；将Layer1层、Layer2层、Layer3层的类激活图融合，形成前景区域；基于前景区域与Layer4层的类激活图，对待分析图片中的目标进行定位。本发明的多层级特征融合的弱监督检测方法，通过采用坐标注意力机制对Resnet50主干网络进行改进，用以捕获目标的关键特征，在提高模型对目标细粒度分类性能的同时，为目标定位器提供计算依据。
-
Patent Agency Ranking
公开(公告)号：CN114724184A
公开(公告)日：2022-07-08
申请号：CN202210373006.8
申请日：2022-04-11
Applicant: 中国民航大学
Abstract: 本发明提供了一种基于对比层级相关性传播理论的鸟类分类方法。获取待鸟类分类图像数据集，并通过对比层级相关性传播计算所述鸟类图像数据集中每个待鸟类分类图像关键特征区域的空间级相关性掩码；根据所述相关性掩码，利用深度神经网络的置信度分数确定每个待鸟类分类图像的通道级权重；将所述通道级权重与空间级相关性掩码进行线性加权，生成对不同类型鸟类标记的显著图。本发明在平均下降、平均增长和基于能量的三个评价指标上达到了先进性能，能够更好的发现影响模型决策的重要区域，从而更准确高效的对鸟类进行分类。本发明应用于鸟类细粒度图像分类任务，对模型的错误分类行为进行分析，并指导模型的训练过程，实现更准确的鸟类分类。
-
公开(公告)号：CN114419444A
公开(公告)日：2022-04-29
申请号：CN202210078169.3
申请日：2022-01-24
Applicant: 中国民航大学
Abstract: 本发明提供了一种基于深度学习网络的轻量化的高分辨率鸟群识别方法，包括：基于HRNet网络构建有四个并行子网组成的鸟群场景识别网络；基于点级注释和聚焦逆距离算法生成FIDT图，通过所述FIDT图对所述鸟群场景识别网络进行监督训练；将机场鸟群图片集导入所述监督训练后的鸟群场景识别网络，通过联合上采样，获取最终特征图集合；根据所述最终特征图集合，基于预设的计数准则和定位准则，确定鸟群的唯一计数定位图。本文发明通过非对称卷积与冗余特征图线性变换机制相结合，增强了网络提取鸟群飞行姿态特征的能力和获得丰富的鸟群特征的同时，降低了模型复杂度。本发明通过联合损失函数来监督训练过程，减少图像中无关背景的影响，加快网络收敛速度。
-
-
公开(公告)号：CN110989358A
公开(公告)日：2020-04-10
申请号：CN201911326840.6
申请日：2019-12-20
Applicant: 中国民航大学
IPC: G05B13/04
Abstract: 本发明为一种欠驱动系统的控制方法，包括：构建预设欠驱动系统，其存在输入向量和输出向量之间的动力学模型，并基于模型映射将所述动力学模型转换为状态空间表达式；将所述状态空间表达式通过坐标变换，解耦为至少一个全驱动子系统；确定所述全驱动子系统的时变参数，并建立U模型；将所述U模型通过以线性极点配置的方法确定期望输出；将所述全驱动子系统通过反步迭代确定所述全驱动子系统的控制输入量，形成基于U模型的解耦控制闭环系统。
-
公开(公告)号：CN110113723B
公开(公告)日：2020-02-11
申请号：CN201910375115.1
申请日：2019-05-07
Applicant: 中国民航大学
Abstract: 本发明公开了一种基于无线传感网络的飞机舱内环境参数测量估计方法，包括：基于飞机舱内部署的无线传感网络对应的传感设备，收集传感器节点对应的邻居节点的测量值，并利用加入所述无线传感网络通信中的量化器，对收集的所述测量值进行量化处理；根据量化处理后的数值，计算对应的卡尔曼一致估计值；利用预设的事件函数，判断计算得到的所述卡尔曼一致估计值是否产生触发事件，并根据判断结果，将对应的估计值进行量化后发送至邻居节点；基于量化后的所述估计值，更新所述无线传感网络中传感器对应的增益矩阵和误差协方差矩阵；根据更新结果，实时判断飞机舱内的环境参数是否达到预设临界值；有效减少了监测过程中对通信带宽的需求。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.051 seconds)
