公开(公告)号：CN115965157A

公开(公告)日：2023-04-14

申请号：CN202310057497.X

申请日：2023-01-16

Applicant: 南京信息工程大学

Inventor： 包云轩 ,  陈晨 ,  郭铭淇 ,  王可心 ,  杨诗俊

IPC: G06Q10/04 ,  G06Q50/02 ,  G06V20/10 ,  G06V20/17 ,  G06V10/766 ,  G06V10/82 ,  G06V10/75 ,  G06V10/10 ,  G06F17/18 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种水稻虫害程度预测方法、装置、电子设备及存储介质，所述方法包括采集待测区域内的图像；根据待测区域内的图像，计算待测区域内与水稻生理参数呈显著相关的植被指数作为模型的自变量数据；将该自变量数据输入预先构建的水稻虫害程度预测模型中，得到预测的水稻生理参数值，根据水稻生理参数值判断水稻虫害处于何种程度，本发明在减少人力资源消耗的同时克服了卫星遥感易受云层影响、数据精度不高的缺点，能够更加方便地获取高精度的大田水稻受虫害后的生长信息，为预防和减轻水稻虫害提供参考依据。

公开(公告)号：CN117973636B

公开(公告)日：2024-05-31

申请号：CN202410366652.0

申请日：2024-03-28

Applicant: 南京信息工程大学

Inventor： 王可心 ,  包云轩 ,  杨诗俊 ,  魏祥一 ,  苏钰格 ,  朱承瑛 ,  韩佳芮

IPC: G06Q10/04 ,  G06Q50/26 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种通用交通气象短临预报方法、装置及存储介质，属于人工智能和交通气象交叉领域。方法包括：获取观测数据；对数据进行处理得到基础特征；结合交通气象学领域知识，对基础特征进行扩展，生成通用特征空间；引入inception结构，提取不同时间间隔内的时间序列信息并进行融合，将融合后的信息与即时信息组合生成预报知识库；根据预报知识库预测输出预报目标数值，将预报目标数值相继转换为交通安全综合等级；构建自定义损失函数作为模型训练的评价策略；将观测数据输入到训练好的模型，得到预报目标数值并确定交通安全综合等级。本发明在充分挖掘观测数据的同时结合交通气象学领域知识，有效增加短临预报模型输出的准确性、通用性及自适应性。

公开(公告)号：CN117973636A

公开(公告)日：2024-05-03

申请号：CN202410366652.0

申请日：2024-03-28

Applicant: 南京信息工程大学

Inventor： 王可心 ,  包云轩 ,  杨诗俊 ,  魏祥一 ,  苏钰格 ,  朱承瑛 ,  韩佳芮

IPC: G06Q10/04 ,  G06Q50/26 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种通用交通气象短临预报方法、装置及存储介质，属于人工智能和交通气象交叉领域。方法包括：获取观测数据；对数据进行处理得到基础特征；结合交通气象学领域知识，对基础特征进行扩展，生成通用特征空间；引入inception结构，提取不同时间间隔内的时间序列信息并进行融合，将融合后的信息与即时信息组合生成预报知识库；根据预报知识库预测输出预报目标数值，将预报目标数值相继转换为交通安全综合等级；构建自定义损失函数作为模型训练的评价策略；将观测数据输入到训练好的模型，得到预报目标数值并确定交通安全综合等级。本发明在充分挖掘观测数据的同时结合交通气象学领域知识，有效增加短临预报模型输出的准确性、通用性及自适应性。

公开(公告)号：CN118134158A

公开(公告)日：2024-06-04

申请号：CN202410188126.X

申请日：2024-02-20

Applicant: 南京信息工程大学 ,  皖西学院

Inventor： 李春影 ,  杨再强 ,  张春龙 ,  张丰寅 ,  罗靖 ,  姜楠 ,  王可心

IPC: G06Q10/0631 ,  G06Q10/0639 ,  G06Q10/04 ,  G06Q50/02 ,  G06F30/27 ,  G06F119/02

Abstract: 本发明公开了一种设施番茄生长状况预测方法、装置、系统及存储介质，属于设施作物状态监测技术领域，方法包括：对设施番茄叶片进行透射电镜亚显微结构扫描和叶气交换参数测定，获取结构参数、气体交换参数、光合荧光参数和机理参数，从中筛选出关键参数构建三个设施番茄叶气交换模拟模型并进行优选，利用优选设施番茄叶气交换模拟模型对设施番茄生长状况和高温胁迫程度进行预测；其中，设施番茄叶气交换模拟模型包括Artificial Neural Network模型、半经验气孔导度模型与Farquhar光合作用模型结合的FvCB扩展模型，以及考虑气孔导度、角质导度和叶气交换的单叶尺度叶气交换模型。该方法能够减少人力资源消耗并克服常规采样方法对设施番茄植株造成损伤且预测精度不高的缺点。