-
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。
-
公开(公告)号：CN115240059A
公开(公告)日：2022-10-25
申请号：CN202210826465.7
申请日：2022-07-13
Applicant: 江苏海洋大学 , 连云港蓝途智能科技有限公司
IPC: G06V20/05 , G06V10/26 , G06V10/36 , G06V10/50 , G06V10/764 , G06V10/774 , G06N3/00 , G01S15/89
Abstract: 本发明公开了基于改进PSO‑SVM前视声呐图像分类的方法，包括以下步骤：S1：自适应中值滤波；S2：灰度线性变换；S3：声呐图像二值化；S5：特征提取；S6：通过基于烟花算法改进的收缩因子PSO‑SVM进行分类；本方法可以对前视声呐图像中的目标物进行准确分类，对目标物进行了面积、周长、形状参数、灰度均值、灰度方差、方向梯度直方图6类特征的提取，同时在对SVM算法的参数进行寻优时，引入了基于烟花算法改进的收缩因子粒子群算法，优化了参数寻优的准确性，是一种声呐图像目标识别的高效分类方法。
-
Patent Agency Ranking
公开(公告)号：CN118348514B
公开(公告)日：2024-12-20
申请号：CN202410366978.3
申请日：2024-03-28
Applicant: 中国水产科学研究院南海水产研究所 , 江苏海洋大学 , 三亚热带水产研究院
Abstract: 本发明公开了一种深远海网箱养殖鱼群数量测量方法，包括：用全向声呐对目标网箱进行整体扫描，以转换为单次网箱扫描视频；训练得到鱼群识别模型；通过整体扫描和鱼群识别模型，得到目标单次网箱扫描视频的每一帧声呐扫描图像中每一条被识别鱼类的空间三维坐标；设置多个水层；对每一个水层的空间三维坐标进行密度聚类处理，以得到每一个水层的水层聚类估算鱼量；获得足够数量的神经网络训练数据；训练得到网箱总鱼量拟合模型；在目标时间，通过步骤三至步骤五和网箱总鱼量拟合模型，输出目标网箱的网箱总鱼量测量值。本发明能够用全向声呐以较为简单快速的数据采集方式，实现对目标网箱内网箱总鱼量的测量，具有较高的测量准确率。
-
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：CN115878714A
公开(公告)日：2023-03-31
申请号：CN202211516975.0
申请日：2022-11-30
Applicant: 江苏海洋大学 , 连云港蓝途智能科技有限公司
IPC: G06F16/26 , G06F16/29 , G06F16/25 , G06F16/9537 , G06F16/9538 , F03D17/00 , F03D13/25 , G01S19/42 , G01W1/02
Abstract: 本发明公开了一种基于北斗网格码的海上风电桩基大数据检测方法，本发明通过定位、输出桩基附近的水下地形三维位置网格码，来确定桩基的坐标和编号，并通过构建网格风电机组运维信息系统来实现对风电机组运维的监控；在数据采集方面，运用网格码技术，对搜集到的水下地形数据进行编码、整理，以定位和描述风电桩基地理位置，与其周围水下环境地貌特点。通过建立基于空间网格模型的多源数据关联模型，来完成对气象、水文、水下地形数据的采集；获取有关台风路径信息、海浪预报、潮汐预报、天气预报；台风数值模型系统的信息；这更便于我们对风电桩基运维状态进行精准监控。
-
公开(公告)号：CN115542331A
公开(公告)日：2022-12-30
申请号：CN202211164365.9
申请日：2022-09-23
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浅剖声强数据的淤泥层厚度自动提取方法，去除水深误差及噪声误差；提取整幅浅剖图像的声强数据，并将该浅剖图像的声强数据进行合并处理；基于整合后的单道浅剖声强数据构建声强数据改正模型，并对声强数据进行改正；将去除微小波动后的声强数据进行单道剖面数据解译，并确定单道剖面声强图像的波峰数量；根据不同的波峰波谷特征，采用不同的方法以确定淤泥层的上下边界的水深值；对提取出的淤泥层上下边界水深值进行平滑。本方法利用浅剖图像的声强数据，在不消除多次波的情况下，生成声强振幅图像，再根据声强振幅图像的振幅特点，实现对单道剖面淤泥层的提取，进而实现对整幅浅剖图像淤泥层的提取。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.264 seconds)
