-
公开(公告)号：CN118330613A
公开(公告)日：2024-07-12
申请号：CN202410366980.0
申请日：2024-03-28
Applicant: 江苏海洋大学 , 中国水产科学研究院南海水产研究所
Abstract: 本发明公开了一种基于全向声呐的网箱鱼类空间分布状态估计方法，通过用全向声呐对被测网箱进行整体扫描，以转换为网箱整体声呐扫描视频，再训练得到能够识别网箱整体声呐扫描视频的每一帧鱼群声呐图像中每一条被识别鱼类的位置的鱼类自动识别模型；并且，在需要对被测网箱进行估计的目标时间，通过整体扫描和鱼类自动识别模型，得到目标网箱整体声呐扫描视频的每一帧鱼群声呐图像中每一条被识别鱼类的实际三维坐标，再按照预设的水深间隔和水深重叠间隔设置多个水层数据，并对每一个水层数据的实际三维坐标进行密度聚类处理，且计算出被测网箱内每一条网箱鱼类的鱼类实际三维坐标，以此为依据实现对被测网箱内的网箱鱼类进行空间分布状态估计。
-
Patent Agency Ranking
公开(公告)号：CN118330613B
公开(公告)日：2025-01-10
申请号：CN202410366980.0
申请日：2024-03-28
Applicant: 江苏海洋大学 , 中国水产科学研究院南海水产研究所
Abstract: 本发明公开了一种基于全向声呐的网箱鱼类空间分布状态估计方法，通过用全向声呐对被测网箱进行整体扫描，以转换为网箱整体声呐扫描视频，再训练得到能够识别网箱整体声呐扫描视频的每一帧鱼群声呐图像中每一条被识别鱼类的位置的鱼类自动识别模型；并且，在需要对被测网箱进行估计的目标时间，通过整体扫描和鱼类自动识别模型，得到目标网箱整体声呐扫描视频的每一帧鱼群声呐图像中每一条被识别鱼类的实际三维坐标，再按照预设的水深间隔和水深重叠间隔设置多个水层数据，并对每一个水层数据的实际三维坐标进行密度聚类处理，且计算出被测网箱内每一条网箱鱼类的鱼类实际三维坐标，以此为依据实现对被测网箱内的网箱鱼类进行空间分布状态估计。
-
公开(公告)号：CN118470362A
公开(公告)日：2024-08-09
申请号：CN202410529117.2
申请日：2024-04-29
Applicant: 江苏海洋大学 , 蓝湾海洋资源开发技术创新中心
IPC: G06V10/762 , G06V10/26 , G06V10/44 , G06V10/52 , G01M10/00
Abstract: 本发明提出一种基于RDP轨迹划分和方向聚类的中尺度涡旋迁移路径提取方法，通过引入RDP算法和定义方向相似性，优化了传统的基于密度的聚类算法的轨迹划分方式，更加适用于涡旋轨迹特征点的取舍，对轨迹线段的方向具有敏感性。同时引入参考评价QM指标与轮廓系数来衡量聚类效果，结果表明本算法簇内样本密度更为紧凑，分类标准更为明确，被错误分类的噪声线段更少，聚类质量更高，效果更好。本方法将具有相似行为的涡旋轨迹划分为一类，探究涡旋的移动路径，分析移动规律，以期预测某海域涡旋的传播路径和演变，对海洋能量转换和生物化学循环的研究工作具有很大的参考作用，也对更好地理解全球物质和能量的收支具有重要意义。
-
公开(公告)号：CN118470362B
公开(公告)日：2025-03-18
申请号：CN202410529117.2
申请日：2024-04-29
Applicant: 江苏海洋大学 , 蓝湾海洋资源开发技术创新中心
IPC: G06V10/762 , G06V10/26 , G06V10/44 , G06V10/52 , G01M10/00
Abstract: 本发明提出一种基于RDP轨迹划分和方向聚类的中尺度涡旋迁移路径提取方法，通过引入RDP算法和定义方向相似性，优化了传统的基于密度的聚类算法的轨迹划分方式，更加适用于涡旋轨迹特征点的取舍，对轨迹线段的方向具有敏感性。同时引入参考评价QM指标与轮廓系数来衡量聚类效果，结果表明本算法簇内样本密度更为紧凑，分类标准更为明确，被错误分类的噪声线段更少，聚类质量更高，效果更好。本方法将具有相似行为的涡旋轨迹划分为一类，探究涡旋的移动路径，分析移动规律，以期预测某海域涡旋的传播路径和演变，对海洋能量转换和生物化学循环的研究工作具有很大的参考作用，也对更好地理解全球物质和能量的收支具有重要意义。
-
公开(公告)号：CN118196070B
公开(公告)日：2024-09-20
申请号：CN202410416297.3
申请日：2024-04-08
Applicant: 江苏海洋大学 , 蓝湾海洋资源开发技术创新中心
IPC: G06T7/00 , G06V10/143 , G06V10/762 , G06V10/764 , G06V10/82 , G06V10/74 , G06V10/44
Abstract: 本发明公开了一种基于无人机热红外遥感的光伏板缺陷识别方法，通过改进针对原有数据集中热红外成像光伏板缺陷的分类方法和引入改进的神经网络模型“FeatureFusion”，以提高故障识别的精度和效率；针对原始数据集中各故障类别间存在定义模糊，难以精准判断，区分意义不大的问题，采用了一套新分类方法，旨在减少模糊缺陷类别间的重叠，从而优化分类精度。本发明的改进型神经网络模型有效地提高了故障特征的识别和分类精确度，从而提升了故障检测的可靠性。不仅增强了光伏系统的缺陷检测效率，还为光伏产业的持续发展提供了坚实的技术支持，这对于推动全球能源产业向更清洁、更低碳的方向转型，具有极其重要的战略意义。
-
公开(公告)号：CN118196070A
公开(公告)日：2024-06-14
申请号：CN202410416297.3
申请日：2024-04-08
Applicant: 江苏海洋大学 , 蓝湾海洋资源开发技术创新中心
IPC: G06T7/00 , G06V10/143 , G06V10/762 , G06V10/764 , G06V10/82 , G06V10/74 , G06V10/44
Abstract: 本发明公开了一种基于无人机热红外遥感的光伏板缺陷识别方法，通过改进针对原有数据集中热红外成像光伏板缺陷的分类方法和引入改进的神经网络模型“FeatureFusion”，以提高故障识别的精度和效率；针对原始数据集中各故障类别间存在定义模糊，难以精准判断，区分意义不大的问题，采用了一套新分类方法，旨在减少模糊缺陷类别间的重叠，从而优化分类精度。本发明的改进型神经网络模型有效地提高了故障特征的识别和分类精确度，从而提升了故障检测的可靠性。不仅增强了光伏系统的缺陷检测效率，还为光伏产业的持续发展提供了坚实的技术支持，这对于推动全球能源产业向更清洁、更低碳的方向转型，具有极其重要的战略意义。
-
-
-
-
-
Search Results
6
records
(took 0.046 seconds)
