一种基于深度学习的波状和漩滚涌潮同步识别方法

    公开(公告)号:CN115311511A

    公开(公告)日:2022-11-08

    申请号:CN202210480596.4

    申请日:2022-05-05

    Abstract: 本发明公开了一种基于深度学习的波状和漩滚涌潮同步识别方法。本发明针对现有涌潮观测方法无法对涌潮形态变化过程进行连续观测的问题,提出了波状和旋滚涌潮同步识别方法,创新性地将无人机观测平台与深度学习技术相结合并运用于涌潮观测领域。首先通过无人机在不同的河段拍摄不同潮期的涌潮图像来制作出涌潮形态的典型数据集,然后将数据集放入神经网络中进行训练,再将训练出来的模型部署在移动端设备上,最后通过移动端设备控制无人机飞至江面上方同步识别波状涌潮和旋滚涌潮,为涌潮形态变化过程的研究提供更加充分的基础数据支撑。该方法具有安全性高、操作方便、观测范围广、识别准确率高和处理速度快等特点。

    一种基于优化半监督支持向量机模型的涌潮水质反演方法

    公开(公告)号:CN116912714A

    公开(公告)日:2023-10-20

    申请号:CN202310297540.X

    申请日:2023-03-24

    Abstract: 本发明公开了一种基于优化半监督支持向量机模型的涌潮水质反演方法。针对现有涌潮水质反演方法标记样本需求量大、采集和标注成本高、泛化能力不足、不能灵活适应多样的数据场景等问题,本发明使用无人机搭载多光谱相机动态跟踪拍摄涌潮,利用遥感数据和实测水质数据建立反演模型,并将半监督支持向量机协同回归算法应用到涌潮水质反演中,该算法能够有效结合标记和未标记数据,提高模型的预测和泛化能力。同时,将人工鱼群生物启发算法应用于支持向量机模型的优化中,该算法具有全局搜索能力强、收敛速度快等优点,可以有效提高模型的性能。本发明提供的方法具有标记数据需求量少、数据利用率高、对异常数据鲁棒性较好以及泛化能力更强等优点。

    一种基于无人机的涌潮含沙量检测装置

    公开(公告)号:CN118732703A

    公开(公告)日:2024-10-01

    申请号:CN202410759373.0

    申请日:2024-06-13

    Abstract: 本发明公开了一种基于无人机的涌潮含沙量检测装置,包括:标识柔性条升降驱动机构、监测机构和含沙量检测机构。标识柔性条升降驱动机构由无人机、挂钩、支撑板、减速电机、绕线轮、联轴器、蓄电池、线绳、支架、导轮、绕线轮支架和标识柔性条组成,用于驱动色彩鲜艳的标识柔性条升降;监测机构由支架、摄像头和标识柔性条组成,用于监测传感器安装板入水情况以及标识柔性条的位置状态和舒展状态,并将其图像信息作为信号,调整无人机的飞行状态;含沙量检测机构由链条、支架、传感器安装板和支撑杆组成,根据图像信息得到的相应指令,控制无人机飞行状态,使无人机的飞行速度与潮水流速的方向和大小保持一致后,板上安装的传感器阵列通过激光、红外等原理进行涌潮中两板之间潮水含沙量的在线检测。本发明可以有效克服涌潮对无人机飞行的影响,实现涌潮含沙量的实时在线检测,使含沙量测量数据更具分析研究和应用价值。

Patent Agency Ranking