-
公开(公告)号：CN114399104A
公开(公告)日：2022-04-26
申请号：CN202210028398.4
申请日：2022-01-11
Applicant: 北京林业大学
Abstract: 本申请提供一种垃圾回收调度方法，包括：接收居民端发送的第一图像，基于第一图像确定居民垃圾堆放处的第一垃圾堆放量，第一图像为居民垃圾堆放处的垃圾图像；接收清运人员端发送的第二图像，基于第二图像确定区域垃圾堆放处的第二垃圾堆放量，第二图像为区域垃圾堆放处的垃圾图像；基于第一垃圾堆放量、第一垃圾堆放时长和第一垃圾堆放位置确定第一清运人员的第一最优路线，并发送至清运人员端，指导第一清运人员将居民垃圾堆放处的垃圾运输至区域垃圾堆放处；基于第二垃圾堆放量、第二垃圾堆放时长和第二垃圾堆放位置确定第二清运人员的第二最优路线，并发送至清运人员端，指导第二清运人员将区域垃圾堆放处的垃圾运输至垃圾回收站。
-
公开(公告)号：CN111860623A
公开(公告)日：2020-10-30
申请号：CN202010635369.5
申请日：2020-07-03
Applicant: 北京林业大学
Abstract: 本发明实施例公开了一种基于改进SSD神经网络的统计树木数量的方法及系统，方法包括：采集图像，其中，图像为航拍的环境图像；将图像输入预先训练好的用于识别树木的神经网络模型中，以通过神经网络模型识别图像中的树木，其中，神经网络模型包括一一对应地提取多个尺度的特征图像的多个卷积层、以及一一对应地对多个尺度的特征图进行特征融合的多个反卷积层，以由多个反卷积层获取到融合后的新特征图。本发明的基于改进SSD神经网络的统计树木数量的方法，通过对图像分析之前，对神经网络模型进行训练，从而，能够对复杂环境下的图像均具有普适性，并且可以精确的识别到树木的数量，进而，提高对林业资源统计的精确度。
-
公开(公告)号：CN110223249B
公开(公告)日：2021-03-30
申请号：CN201910470245.3
申请日：2019-05-31
Applicant: 北京林业大学
Abstract: 本发明实施例提供一种基于模糊聚类的土壤孔隙三维分割方法及系统，该方法包括：读取一组二维土壤CT图像并合成为三维图像，通过提取三维图像中体素的灰度值初始化三维图像的体素矩阵；对体素的三维邻域信息进行预处理，基于三维邻域信息自动选取邻近体素基于中心体素的影响因子；根据三维邻域信息和影响因子构造目标函数，基于目标函数对三维图像进行模糊聚类，去模糊化处理后获得孔隙结构辨识结果。本发明实施例提供的基于模糊聚类的土壤孔隙三维分割方法及系统，通过根据三维邻域信息和影响因子构造目标函数进行模糊聚类及去模糊化，对土壤CT图像具有普适性，解决二维图像辨识缺失空间信息和精确度不足的问题，保证土壤孔隙辨识的执行效率。
-
Patent Agency Ranking
公开(公告)号：CN109658378B
公开(公告)日：2020-09-15
申请号：CN201811325236.7
申请日：2018-11-08
Applicant: 北京林业大学
Abstract: 本发明实施例提供一种基于土壤CT图像的孔隙辨识方法及系统，该方法包括：建立土壤CT图像的灰度‑梯度直方图，并通过筛除、投影、卷积的方式获得灰度直方图，基于灰度直方图的极点数量，确定土壤图像的聚类数目；根据聚类数目对灰度‑梯度直方图进行区域划分，并根据划分结果构造初始隶属度矩阵；基于邻域空间信息构造目标函数，并通过迭代优化完成对土壤CT图像的模糊辨识；对模糊辨识结果进行去模糊化，获得土壤孔隙的辨识结果。本发明实施例通过确定聚类数目、构造初始隶属度矩阵、构造加入空间信息的目标函数和去模糊化处理，对土壤CT图像具有普适性，解决了初始值制约辨识精确度的问题，保证了土壤孔隙辨识的执行效率。
-
公开(公告)号：CN113469882B
公开(公告)日：2023-06-23
申请号：CN202110727642.1
申请日：2021-06-29
Applicant: 北京林业大学
IPC: G06T3/40 , G06T5/50 , G06N3/0475 , G06N3/0464 , G06N3/045 , G06N3/094
Abstract: 本发明提供一种基于土壤CT图像的超分辨率重建方法及装置，包括：获取原始高分辨率CT图像；对原始高分辨率CT图像进行降采样处理，得到低分辨率CT序列图像；将低分辨率CT序列图像输入序列图像生成器模型中，得到序列图像生成器模型输出的超分辨率重建图像；其中，序列图像生成器模型是基于与鉴别器模型形成生成式对抗网络进行对抗训练得到的，鉴别器模型用于鉴别图像可信度。通过基于深度学习神经网络的序列图像生成器模型对土壤CT图像超分辨率重建解决了土壤CT图像清晰度低和孔隙边界模糊的问题，为土壤形态学研究提供了清晰可靠的数据。
-
公开(公告)号：CN113469882A
公开(公告)日：2021-10-01
申请号：CN202110727642.1
申请日：2021-06-29
Applicant: 北京林业大学
Abstract: 本发明提供一种基于土壤CT图像的超分辨率重建方法及装置，包括：获取原始高分辨率CT图像；对原始高分辨率CT图像进行降采样处理，得到低分辨率CT序列图像；将低分辨率CT序列图像输入序列图像生成器模型中，得到序列图像生成器模型输出的超分辨率重建图像；其中，序列图像生成器模型是基于与鉴别器模型形成生成式对抗网络进行对抗训练得到的，鉴别器模型用于鉴别图像可信度。通过基于深度学习神经网络的序列图像生成器模型对土壤CT图像超分辨率重建解决了土壤CT图像清晰度低和孔隙边界模糊的问题，为土壤形态学研究提供了清晰可靠的数据。
-
公开(公告)号：CN110223249A
公开(公告)日：2019-09-10
申请号：CN201910470245.3
申请日：2019-05-31
Applicant: 北京林业大学
Abstract: 本发明实施例提供一种基于模糊聚类的土壤孔隙三维分割方法及系统，该方法包括：读取一组二维土壤CT图像并合成为三维图像，通过提取三维图像中体素的灰度值初始化三维图像的体素矩阵；对体素的三维邻域信息进行预处理，基于三维邻域信息自动选取邻近体素基于中心体素的影响因子；根据三维邻域信息和影响因子构造目标函数，基于目标函数对三维图像进行模糊聚类，去模糊化处理后获得孔隙结构辨识结果。本发明实施例提供的基于模糊聚类的土壤孔隙三维分割方法及系统，通过根据三维邻域信息和影响因子构造目标函数进行模糊聚类及去模糊化，对土壤CT图像具有普适性，解决二维图像辨识缺失空间信息和精确度不足的问题，保证土壤孔隙辨识的执行效率。
-
公开(公告)号：CN109658378A
公开(公告)日：2019-04-19
申请号：CN201811325236.7
申请日：2018-11-08
Applicant: 北京林业大学
CPC classification number: G06T7/0002 , G06K9/6218 , G06T5/003 , G06T5/40 , G06T2207/10081
Abstract: 本发明实施例提供一种基于土壤CT图像的孔隙辨识方法及系统，该方法包括：建立土壤CT图像的灰度-梯度直方图，并通过筛除、投影、卷积的方式获得灰度直方图，基于灰度直方图的极点数量，确定土壤图像的聚类数目；根据聚类数目对灰度-梯度直方图进行区域划分，并根据划分结果构造初始隶属度矩阵；基于邻域空间信息构造目标函数，并通过迭代优化完成对土壤CT图像的模糊辨识；对模糊辨识结果进行去模糊化，获得土壤孔隙的辨识结果。本发明实施例通过确定聚类数目、构造初始隶属度矩阵、构造加入空间信息的目标函数和去模糊化处理，对土壤CT图像具有普适性，解决了初始值制约辨识精确度的问题，保证了土壤孔隙辨识的执行效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.028 seconds)
