公开(公告)号：CN120014492A

公开(公告)日：2025-05-16

申请号：CN202510080995.5

申请日：2025-01-20

Applicant: 厦门大学

Inventor： 张彩云 ,  罗好

IPC: G06V20/17 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于改进型Unet++网络的赤潮水体监测方法，包括以下步骤：S1、对无人机图像数据进行预处理，得到数据集；S2、利用改进型Unet++网络的编码器对输入的无人机图像进行下采样，实现图像特征提取；S3、在编码器的末端使用空间金字塔池化模块，通过引入多个不同空洞率的卷积操作，捕捉不同尺度的上下文信息，生成具有不同感受野的特征图像；S4、利用改进型Unet++网络的解码器将编码器输出的特征图像尺寸逐步恢复到原始无人机图像尺寸，并输出特征图像识别结果；S5、重复执行步骤S2至步骤S4对改进型Unet++网络进行训练，得到训练好的改进型Unet++网络；S6、将测试集输入至训练好的改进型Unet++网络中，得到赤潮水体异常识别的结果，用于对赤潮水体进行监测。

公开(公告)号：CN119964018A

公开(公告)日：2025-05-09

申请号：CN202411294299.6

申请日：2024-09-14

Applicant: 厦门大学

Inventor： 余小龙 ,  赖文典 ,  陈能汪 ,  李忠平 ,  张彩云 ,  吴玉芳 ,  黄水英

IPC: G06V20/13 ,  G01N21/27 ,  G01N21/55 ,  G06V10/75 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0985

Abstract: 本发明公开了一种基于卫星融合的近岸海域营养盐浓度遥感反演方法，包括以下步骤：S1、对高空间分辨率卫星和低空间分辨率卫星的光学影像的原始L1C数据分别进行瑞利校正，得到瑞利校正后遥感反射比；S2、将瑞利校正后遥感反射比数据中的云与陆地像元进行掩膜处理；S3、基于低空间分别卫星数据构建营养盐训练数据集；S4、构建跨卫星融合训练数据集；S5、建立基于低分辨率卫星的AutoGluon‑DIN机器学习模型和AutoGluon‑DIP机器学习模型，并进行模型训练；S6、建立融合高分辨和低分辨率卫星的AutoGluon‑transfer机器学习模型，并进行模型训练；S7、依次应用训练后AutoGluon‑transfer机器学习、AutoGluon‑DIN机器学习模型、AutoGluon‑DIP机器学习模型于高分辨率卫星，获取高空间分辨率的近岸海域营养盐浓度遥感反演产品。

公开(公告)号：CN119128469A

公开(公告)日：2024-12-13

申请号：CN202411072337.3

申请日：2024-08-06

Applicant: 厦门大学

Inventor： 张彩云 ,  刘睿

IPC: G06F18/2111 ,  G06F18/2113 ,  G06N3/006 ,  G06F18/241 ,  G06N20/00

Abstract: 本发明公开了一种水质分类机器学习模型的特征选择方法，包括以下步骤：利用相关分析法对收集到的现场水质观测参数和卫星遥感数据进行分析，获得原始特征子集；采用沙普利加性解释法(SHAP)计算原始特征子集中各个特征对水质分类机器学习模型的贡献值，根据贡献值筛选排序在前面的特征作为初始优化特征子集；采用粒子群算法(PSO)对初始优化特征子集进行计算优化，得到最优特征子集。本发明设计了SHAP‑PSO优化算法来筛选机器学习算法所需的最优特征子集，显著提升了沿海水质分类遥感模型的精度。

公开(公告)号：CN112132259B

公开(公告)日：2024-03-05

申请号：CN202010903848.0

申请日：2020-09-01

Applicant: 厦门大学

Inventor： 张彩云 ,  丁文祥 ,  李雪丁 ,  张友权 ,  李星 ,  郑祥靖 ,  郭民权 ,  丁萍 ,  陈金瑞 ,  朱本璐 ,  任在常

IPC: G06N3/04 ,  G06N3/086

Abstract: 本发明公开了一种神经网络模型输入参量降维方法及计算机可读存储介质，方法包括：获取样本数据；根据预设的比例，将样本数据划分为训练数据和测试数据；随机产生预设数量的初始串结构数据，得到初始的种群，初始串结构数据中的每个位分别与样本数据中的各变量一一对应，且每个位的取值为第一字符或第二字符；分别计算最新的种群中各串结构数据对应的Heidke技巧评分，并作为各串结构数据的适应度；若存在适应度大于或等于预设目标值的串结构数据，则将该串结构数据中取值为第一字符的位对应的变量作为最终建模变量；若不存在，则根据遗传算法，生成新的串结构数据，得到新的(56)对比文件孙文兵.遗传算法降维优化的BP模型及葡萄酒质量预测遗传算法降维优化的BP模型及葡萄酒质量预测.邵阳学院学报( 自然科学版).2017,第14卷(第1期),第24-28页.刘树霄 等.基于全卷积神经网络方法的日间黄海海雾卫星反演研究.海洋湖沼通报.2019,第16-18页.

公开(公告)号：CN116541667A

公开(公告)日：2023-08-04

申请号：CN202310782657.7

申请日：2023-06-29

Applicant: 厦门大学

Inventor： 张彩云 ,  林晨旭

IPC: G06F18/15 ,  G06F18/21 ,  G06N3/0442 ,  G06N3/08 ,  G06N3/084 ,  G06F123/02

Abstract: 本发明公开了一种浮标时间序列数据缺失值的插补方法及系统，方法包括：获取样本数据；利用Mann‑Kendall检验，根据缺失的时间段确定参与插补的数据；分别将参与插补数据的前段和后段利用母小波进行小波分解得到分量；根据预设的时间步长，将得到的分量各自以顺时间方向和反时间方向分别得到正向和反向的数据组；利用长短期记忆网络模型，每个分量都训练得到正向和反向模型；利用模型对缺失时间段行一一插值，插值得到的数据会加入下一时刻插补时的时间向量，直到整个时间段插补完整；将正向模型得到的结果相加得到正向插值结果，将反向模型结果相加得到反向插值结果，将两种结果乘以权值得到最终插补结果。本发明可以对浮标时间序列数据的缺失进行有效插补。

公开(公告)号：CN119964054A

公开(公告)日：2025-05-09

申请号：CN202510041522.4

申请日：2025-01-10

Applicant: 厦门大学

Inventor： 张彩云 ,  徐博兴 ,  黄水英

IPC: G06V20/40 ,  G06V20/10 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06V10/30 ,  G06V10/50 ,  G06V10/26 ,  G06V20/70 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明公开了一种基于视频监控的球形棕囊藻赤潮自动检测方法，包括以下步骤：S1、利用浮标平台上的高清监控摄像头采集海面的图像数据，将图像数据实时传输到数据库后，并对图像数据进行预处理；S2、制定标注方案，对预处理后的图像数据进行标注，构建训练样本库；S3、对YOLOv8目标检测模型进行训练和优化，得到球形棕囊藻识别模型；S4、将待识别视频监控图片按一定时间间隔进行抽帧处理，再将每帧图片输入球形棕囊藻识别模型进行识别，自动生成球形棕囊藻赤潮监测信息；该方法通过结合视频监控技术与人工智能目标检测算法，可实现对球形棕囊藻赤潮时产生的囊体实现高效、准确监测，从而显著提升球形棕囊藻赤潮监测的实时性和自动化水平。

公开(公告)号：CN119479876A

公开(公告)日：2025-02-18

申请号：CN202411491921.2

申请日：2024-10-24

Applicant: 厦门大学

Inventor： 张彩云 ,  丁文祥 ,  陈能汪 ,  黄水英

IPC: G16C20/20 ,  G01D21/02 ,  G16C20/70 ,  G06N20/20 ,  G06N3/0442 ,  G06F18/15 ,  G06F18/2433

Abstract: 本发明公开了一种基于AdaBoost的叶绿素浓度预报方法、装置及可读介质，包括：构建训练数据，并构建集成若干个弱预报模型的叶绿素浓度强预报模型，在弱预报模型的训练过程中，采用AdaBoost算法对训练数据的分布权值进行迭代调整，采用每次迭代使用的训练数据对每个弱预报模型进行训练，得到若干个经训练的弱预报模型，并计算每个经训练的弱预报模型的权重；将输入数据输入到每个经训练的弱预报模型，得到每个经训练的弱预报模型的预报结果，根据每个经训练的弱预报模型的预报结果及其对应的经训练的弱预报模型的权重计算得到叶绿素浓度强预报模型的预报结果，能够提升对近岸叶绿素浓度的预测精度，并为海洋生态系统的保护提供更加精准和有效的预报支持。

公开(公告)号：CN119152433A

公开(公告)日：2024-12-17

申请号：CN202411286597.0

申请日：2024-09-13

Applicant: 厦门大学

Inventor： 陈能汪 ,  张彩云 ,  邹文财 ,  徐博兴 ,  黄水英 ,  罗好 ,  郭晶 ,  林晨旭

IPC: G06V20/52 ,  G06V20/40 ,  G06V10/26 ,  G06V10/30 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/096 ,  G06N3/084 ,  G06N3/0464

Abstract: 本发明公开了一种基于视频监控的海漂垃圾智能识别方法，包括以下步骤：S1、数据收集及预处理：从视频监控设备的监控图像中获取图像数据形成图像数据库，并对图像数据进行预处理；S2、构建模型样本库：基于研究海域的历史观测资料和相关文献的记载，确定图像分类的类别，制定标注方案，再根据标注方案进行图像标注，得到模型训练样本库；S3、模型构建及优化：针对海漂垃圾、明确目标物体和白浪构建相应的识别算法模型，并通过增加样本和迁移学习对识别算法模型进行优化；S4、生成可视化信息产品：采用优化后的识别算法模型对新的图像数据进行智能识别，删除非海漂垃圾的识别结果，通过矩形框的方式对识别到的海漂垃圾进行标记和展示。

公开(公告)号：CN119131608A

公开(公告)日：2024-12-13

申请号：CN202411072335.4

申请日：2024-08-06

Applicant: 厦门大学

Inventor： 张彩云 ,  刘睿

IPC: G06V20/13 ,  G06V10/764 ,  G06V10/774 ,  G06N3/006

Abstract: 本发明公开了一种基于多源遥感数据的沿海水质分类反演方法及系统，方法包括：数据收集与预处理步骤，对两颗卫星所有波段的遥感反射率进行一致性分析，获得相似波段及对应的遥感反射率；训练样本数据集构建步骤，将匹配数据点按水质分类类型进行分配，获得各水质类别的训练集和测试集；水质分类模型训练步骤，选取出水质分类模型的输入特征，对水质分类模型进行训练；水质分类反演步骤，获取目标海域的待反演卫星遥感影像，使用训练好的水质分类模型对待反演卫星遥感影像进行水质分类反演，得到目标水域的水质等级空间分布情况。本发明通过对水质分类模型训练样本进行均衡及对输入特征进行选择优化，提高了沿海水质分类遥感反演的精度与效率。

公开(公告)号：CN112132190B

公开(公告)日：2024-01-26

申请号：CN202010902619.7

申请日：2020-09-01

Applicant: 厦门大学

Inventor： 张彩云 ,  丁文祥 ,  武新娜 ,  李雪丁 ,  张友权 ,  李星 ,  郑祥靖 ,  郭民权 ,  丁萍 ,  陈金瑞 ,  朱本璐 ,  任在常

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/0499 ,  G06N3/088

Abstract: 本发明公开了一种赤潮样本数据筛选方法及计算机可读存储介质，方法包括：获取得到赤潮样本；根据预设的比例，将一赤潮样本划分为训练数据和测试数据；根据训练数据对SOM神经网络进行训练；分别计算各神经元的赤潮数据所占比例，并根据预设的各敏感系数，划分为赤潮神经元和非赤潮神经元；将测试数据输入训练后的SOM神经网络，并根据测试数据的分类结果参数，计算各敏感系数对应的Heidke技巧评分；获取最大Heidke技巧评分对应的敏感系数，作为最优敏感系数；根据最优敏感系数对应的分类结果参数，计算一赤潮样本的正确预报率；根据正确预报率对赤潮样本进行筛选。本发明可确保样本数据的质量。