-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN117422622A
公开(公告)日：2024-01-19
申请号：CN202311306710.2
申请日：2023-10-10
Applicant: 江苏海洋大学 , 连云港蓝途智能科技有限公司
Abstract: 本发明公开了一种基于自适应组合滤波声呐图像去噪方法，S1：将声呐所测点云数据导入运行；S2：按点云间距进行半径滤波，设置搜索半径和域值去除离散度高的点云；S3：设置切片厚度、相邻切片距离将点云数据进行切片处理，简化数据集提高去噪效果；S4：计算均值和标准差设定相应的阈值采用统计滤波方法对声呐图像进行处理；S5：采用组合滤波对声呐数据进行点云滤波；S6：进行精度检验和数据可视化对比。本方法利用水下声呐所测点云数据，在保留数据信息完整的同时根据点云数据特征，实现声呐图像的点云去噪。实验证明，本文算法滤波率为27.63％且精度更高，能有效提高点云数据的去噪效果，更好的保留原始数据且具有较好的可视化效果。
-
公开(公告)号：CN117830814A
公开(公告)日：2024-04-05
申请号：CN202311727263.8
申请日：2023-12-15
Applicant: 江苏海洋大学 , 连云港蓝途智能科技有限公司
IPC: G06V20/05 , G01S15/89 , G06V10/25 , G06V10/82 , G06V10/764 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于图像声呐的深海网箱养殖鱼群数量估计方法，针对离岸深海网箱内养殖鱼群的数量难以评估的问题，通过采用前视图像声呐在深海网箱中进行持续探测，结合添加注意力机制的YOLO目标检测模型和BP神经网络，实现了深海网箱中鱼群数量的实时自动估计。通过大量的定量实验，为训练YOLO模型和神经网络提供了数据基础。实验结果表明，改进的YOLOv8模型平均检测精度mAP50相比原始算法提升了3.81个百分点；神经网络在拟合鱼群数量时达到了84.63％的精确度，优于三次多项式拟合0.72个百分点。深海网箱养殖鱼群数量的精确评估将助力深远海养殖科学智能管理，合理制定喂食、渔获规划。
-
公开(公告)号：CN117522724A
公开(公告)日：2024-02-06
申请号：CN202311331245.8
申请日：2023-10-16
Applicant: 江苏海洋大学 , 连云港蓝途智能科技有限公司
Abstract: 本发明公开了基于Ad‑Wiener和Sobel的2D‑TV‑VMD声呐图像去噪方法，应用该方法可以高效地对声呐噪声图像进行去噪处理。首先通过2D‑TV‑VMD算法分解含噪图像然后针对模态分量中所含有效信息的程度采用不同的处理方案，以高效地筛选出有效的模态分量，最后将处理获得的有效模态分量进行重构处理，以达到去除图像中的噪声的效果。经过实验，本方法在改善图像相关系数(CC)、信噪比(SNR)、峰值信噪比(PSNR)等指标上分别提升了4.1％、16.7％、11.2％，去噪图像的视觉效果和边缘保持能力得到较大提升，并且随着噪声方差的不断增大，本方法的鲁棒性也得到进一步体现，故亦适用于具有高密度噪声的声呐图像去噪。
-
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。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.058 seconds)
