-
公开(公告)号：CN113469097A
公开(公告)日：2021-10-01
申请号：CN202110789818.6
申请日：2021-07-13
Applicant: 大连理工大学人工智能大连研究院 , 大连理工大学
Abstract: 本发明涉及机器学习、图像识别领域，具体涉及一种基于SSD网络的水面漂浮物多相机实时检测方法，包括以下步骤：步骤1:通过视频录制、相机拍摄和网络收集来采集水面漂浮物数据；步骤2:采用数据降噪和数据增强算法进行水面漂浮物数据扩增；步骤三：采用Labelimg工具对水面漂浮物数据集标注；步骤四：采用迁移学习对SSD网络模型进行训练获取最优权重模型；步骤五：基于SSD网络最优权重模型的多相机水面漂浮物目标实时检测。本发明基于SSD网络对水面漂浮物进行多相机实时检测，能够有效降低光照、天气和动态背景对实时检测造成的干扰，同时弥补单一相机检测的缺陷，满足实时性和精度的要求。
-
公开(公告)号：CN114022812B
公开(公告)日：2024-05-10
申请号：CN202111282062.2
申请日：2021-11-01
Applicant: 大连理工大学 , 大连理工大学人工智能大连研究院
Abstract: 一种基于轻量化SSD的DeepSort水面漂浮物多目标跟踪方法，属于机器学习、目标跟踪领域。首先，获得若干水面漂浮物的连续视频帧。其次，输入水面漂浮物视频数据，通过轻量化的SSD检测算法获取当前帧的水面漂浮物目标检测框，基于视频当前帧的目标检测框进行状态预测，获得当前视频帧下的水面漂浮物目标跟踪框。再次，计算所有水面漂浮物目标检测框和跟踪框之间的运动匹配度和表观匹配度，将运动匹配度和表观匹配度进行综合匹配得到关联代价。最后，通过匈牙利算法将水面漂浮物的关联代价矩阵Ci，j进行关联匹配，确定跟踪结果。本发明能够实现水面漂浮物多目标跟踪，降低反向传播的参数数量和内存成本，提高数据关联的准确性，改善光照和遮挡物的影响。
-
公开(公告)号：CN113469097B
公开(公告)日：2023-10-17
申请号：CN202110789818.6
申请日：2021-07-13
Applicant: 大连理工大学人工智能大连研究院 , 大连理工大学
IPC: G06V20/10 , G06V20/52 , G06V10/30 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/096
Abstract: 本发明涉及机器学习、图像识别领域，具体涉及一种基于SSD网络的水面漂浮物多相机实时检测方法，包括以下步骤：步骤1:通过视频录制、相机拍摄和网络收集来采集水面漂浮物数据；步骤2:采用数据降噪和数据增强算法进行水面漂浮物数据扩增；步骤三：采用Labelimg工具对水面漂浮物数据集标注；步骤四：采用迁移学习对SSD网络模型进行训练获取最优权重模型；步骤五：基于SSD网络最优权重模型的多相机水面漂浮物目标实时检测。本发明基于SSD网络对水面漂浮物进行多相机实时检测，能够有效降低光照、天气和动态背景对实时检测造成的干扰，同时弥补单一相机检测的缺陷，满足实时性和精度的要求。
-
公开(公告)号：CN114022812A
公开(公告)日：2022-02-08
申请号：CN202111282062.2
申请日：2021-11-01
Applicant: 大连理工大学 , 大连理工大学人工智能大连研究院
Abstract: 一种基于轻量化SSD的DeepSort水面漂浮物多目标跟踪方法，属于机器学习、目标跟踪领域。首先，获得若干水面漂浮物的连续视频帧。其次，输入水面漂浮物视频数据，通过轻量化的SSD检测算法获取当前帧的水面漂浮物目标检测框，基于视频当前帧的目标检测框进行状态预测，获得当前视频帧下的水面漂浮物目标跟踪框。再次，计算所有水面漂浮物目标检测框和跟踪框之间的运动匹配度和表观匹配度，将运动匹配度和表观匹配度进行综合匹配得到关联代价。最后，通过匈牙利算法将水面漂浮物的关联代价矩阵Ci，j进行关联匹配，确定跟踪结果。本发明能够实现水面漂浮物多目标跟踪，降低反向传播的参数数量和内存成本，提高数据关联的准确性，改善光照和遮挡物的影响。
-
公开(公告)号：CN115421218B
公开(公告)日：2024-12-03
申请号：CN202211004273.4
申请日：2022-08-22
Applicant: 大连理工大学
IPC: G01W1/10 , G01W1/14 , G06F18/2431
Abstract: 本发明提供一种基于虚拟站点的格状遥测雨量和点状实测雨量的融合框架，属于少资料地区降雨估计技术领域。首先，用雨量站把待估计地区划分为多个子区域。其次，针对每一个子区域，由多源格状遥测雨量产品与点状实测雨量空间对比推荐虚拟站点的位置。再次，基于非空间类融合方法估计虚拟站点处的降雨量。最后，利用实际站点和虚拟站点进行空间插值。本发明利用多源格状遥测雨量产品推测虚拟站点的数量、位置和雨量，从而补充了雨量站点缺测的降雨空间分布信息，并削弱了格状遥测产品的不确定性带来的干扰，为获得更高精度的降水空间分布提供了新思路。
-
Patent Agency Ranking
公开(公告)号：CN112884223B
公开(公告)日：2024-08-13
申请号：CN202110188490.2
申请日：2021-02-19
Applicant: 大连理工大学
IPC: G06Q10/04 , G06Q10/0637 , G06Q50/26 , G01W1/10
Abstract: 本发明提供一种基于多源卫星降水信息和产流约束校正的无资料地区洪水实时预报方法，属于洪水实时预报技术领域。首先，拆分流域出口流量组成，获得校正对象。其次，采用多源卫星降水产品驱动水文模型后得到第一步获得的校正对象的多个序列，将多序列的最值形成的范围作为约束，进行产流约束校正和流量预报。最后，根据传统的评价指标评价每场洪水的预报表现，并进行参数率定。本发明通过将多源卫星降水信息转化为产流的上下限，从而对产流进行有约束的校正，可大幅提高卫星降雨产品驱动的水文模型的洪水预报精度，以支持无降雨资料地区洪水预报，并为多源卫星降雨产品的应用提供新思路。
-
公开(公告)号：CN111080157B
公开(公告)日：2023-04-07
申请号：CN201911365764.X
申请日：2019-12-26
Applicant: 大连理工大学
IPC: G06Q10/0631 , G06Q50/06 , G06Q50/26
Abstract: 本发明提供的梯级水电站排磷量的调度方法和系统，通过将梯级水电站的总发电量和排磷量这两个双目标整合为单一的调度目标后，再获取不同权重比下的调度目标，然后对所获取的调度目标进行优化，最后通过优化后的调度目标对应获取当前调度目标下与其总发电量和排磷量相对应的水位调度过程，进而能够从水质机理上缓解水电站建设带来的生态环境问题，可广泛应用于流域梯级水电站的生态优化调度。
-
公开(公告)号：CN113128129A
公开(公告)日：2021-07-16
申请号：CN202110495077.0
申请日：2021-05-07
Applicant: 大连理工大学
Abstract: 本发明涉及一种突发水污染正逆耦合溯源方法及系统，根据获取到的力学参数和水质参数建立河道一维正向水质模拟模型；根据河道一维正向水质模拟模型，对每个监测指标分别使用逆向优化溯源模型进行测算，通过构建了河道一维正向水质模拟模型，使用逆向优化溯源模型进行测算，并进行贝叶斯更新过程，实现了多信息融合，本发明能够合理支配和使用不同观测信息，把多源信息在空间或时间上的冗余或互补进行组合，以获得被测对象的一致性解释，从而克服了水环境的不确定性，提高了水污染溯源的精准性，实现了水污染溯源问题的多解决策。
-
公开(公告)号：CN111080157A
公开(公告)日：2020-04-28
申请号：CN201911365764.X
申请日：2019-12-26
Applicant: 大连理工大学
Abstract: 本发明提供的梯级水电站排磷量的调度方法和系统，通过将梯级水电站的总发电量和排磷量这两个双目标整合为单一的调度目标后，再获取不同权重比下的调度目标，然后对所获取的调度目标进行优化，最后通过优化后的调度目标对应获取当前调度目标下与其总发电量和排磷量相对应的水位调度过程，进而能够从水质机理上缓解水电站建设带来的生态环境问题，可广泛应用于流域梯级水电站的生态优化调度。
-
公开(公告)号：CN106951682B
公开(公告)日：2019-03-29
申请号：CN201710109519.7
申请日：2017-03-01
Applicant: 大连理工大学 , 中国水利水电科学研究院
IPC: G06F17/50
Abstract: 本发明提供一种基于不确定性分析的山丘区水文预报模型与数据精度匹配方法，包括以下步骤：1)分析某一类型数据精度对模拟的影响；2)基于单独一种数据精度对水文模拟结果的影响分析，选择对结果影响较大的数据精度，采用方差分解方法ANOVA量化水文模拟中诸多数据类型对模拟结果的不确定性贡献，识别影响模拟结果不确定性的来源，找到水文预报模型与数据精度匹配的方案。该方法综合考虑影响水文模型不确定性的因子，并将方差分解方法ANOVA成功应用于水文模型不确定性研究。为全面认识水文模型不确定性的本质和内在规律提供服务，为山洪灾害预报预警工作提供了更有效的建议和参考。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.075 seconds)
