主页:「顺盈注册」:主页本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接 机构代码：12247本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接 机构代码：12247本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接 机构代码：12247

　　本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接 机构代码：12247本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接 机构代码：12247本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接 机构代码：12247

　　G06V20/10G06V10/764G06V10/774G06V10/82G06K9/62G06N3/04G06N3/08

　　本发明实施例公开了一种训练大田作物病害识别模型及大田作物病害识别的方法。该训练大田作物病害识别模型的方法，包括：获取原始大田作物病害图像；基于原始大田作物病害图像、加权dropout算法及预设的Resnet网络进行模型训练，得到大田作物病害识别模型。根据本发明实施例，能够训练出泛化能力强的大田作物病害识别模型，进而更加准确地识别大田作物病害。

　　该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中移（成都）信息通信科技有限公司;中国移动通信集团有限公司，未经中移（成都）信息通信科技有限公司;中国移动通信集团有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

　　本发明提出了一种基于太赫兹成像的霉变小麦识别方法、系统及装置，方法包括：步骤1，获得包含有空间信息和光谱信息的三维太赫兹图像；步骤2，通过太赫兹反射成像系统获取频域图像数据；对频域图像中每个像素点对应的Z个频域图像数据累加后进行三维热力图成像，采用振幅值T对霉变小麦划分感兴趣区域；确定感兴趣区域后根据坐标位置提取每个像素点对应的光谱信息，并对每粒小麦的光谱取平均值；步骤3，基于获取到的光谱平均值，利用改进的VGG19‑Inception‑ResNet‑A网络对不同霉变时间的小麦进行分类识别，获得不同霉变程度的频域光谱曲线；根据频域光谱曲线的振幅值判断小麦的霉变程度。

　　本发明提供了一种融合光谱特征及多尺度空间特征的冰湖提取方法，主要解决现有的冰湖提取方法需进行后处理及辅助数据，而无法实现仅利用遥感图像自动化提取冰湖的技术问题。本发明基于卷积神经网络，采用在ImageNet上预训练好的VGG16网络，接着取出其中的浅层、中层和深层卷积特征，并对每一个层次的图像特征做上采样操作，并将上采样的结果和较浅一层的特征相连，重复上述过程，获得的最后一个卷积层包含了不同尺度的冰湖特征，并将最浅一层的结果做softmax操作，得到每一个像素类别属于冰湖像元的概率，进而得到冰湖模型，通过对模型进行训练，最终得到冰湖提取的网络模型，通过输入遥感图像完成冰湖的自动化提取。

　　本发明提供一种无监督的对比学习冰湖提取方法，主要解决现有的冰湖提取方法中训练样本标签制作复杂、费时费力且模型难以直接迁移至其他数据的技术问题。该方法基于卷积神经网络，通过对冰湖遥感图像的原图进行变换处理，得到变换图，将原图和变换图组成含有两个分支的样本对；接着对样本对分别进行下采样处理、映射处理，进而得到冰湖的对比学习模块；同时采用水体指数NDWI光谱特征图作为对比学习的伪标签，并采用位置损失的计算得到冰湖的位置学习模块，最终得到冰湖提取模型，将任意冰湖遥感图像输入该模型中均可自动提取冰湖信息。采用本方法提取过程更加方便，省时省力，冰湖的提取效率大幅提升。

　　本发明涉及一种顾及物候与水位时序特征的红树林提取方法，包括筛选多光谱遥感影像；构建NDVI和MNDWI原始时间序列；利用谐波模型对每个像素的NDVI和MNDWI时间序列进行重建；构建顾及物候与水位时序特征的红树林指数PWTMI并计算目标年份的PWTMI图像；根据样本的PWTMI统计结果确定阈值范围提取红树林初步范围；去除误分像素，得到最终的红树林提取结果。本发明的有益效果是：本发明结合了光谱特征与时序特征，充分使用了长时序遥感数据，利用该方法可以快速获得大尺度、长时序的红树林分布数据集，有助于掌握红树林的时空动态，为红树林的保护修复与科学管理提供数据支持和决策参考。

　　本发明涉及一种基于加权可变形卷积目标检测方法和装置，在经典的方法Faster R‑CNN的基础上，进行了以下优化：在特征提取网络ResNet‑101中引入了加权可变形卷积和全局上下文模块；在特征融合网络中，使用了轻量级的特征融合网络替换特征金字塔网络来学习多尺度特征表示；在损失函数中引入位置损失函数，位置损失函数包括宽高比损失函数和交并比损失函数；在后处理过程中，采用基于中心距离的非极大抑制算法。与现有技术相比，本发明可有效提取和增强目标的边界特征，在保证检测精度的同时加快训练速度，预测框的位置和宽高比均更接近于真实框，同时解决了重叠目标漏检的问题。

　　桂菲菲成喆何红太杜学月黄广焦石柱张晓军张凯黄志勇陈艳霞闻宇李鑫明辛锋许琬昱

　　北京国网富达科技发展有限责任公司山东电工电气集团有限公司国网北京市电力公司

　　本发明涉及一种架空配电线路缺陷在线识别方法及系统。该方法包括获取配电网巡视图像数据集；对所述配电网巡视图像数据集中的配电网巡视图像进行曝光较正处理；对校正后的配电网巡视图像数据集中的配电网巡视图像，采用小波包函数进行降噪处理；对降噪处理后的消噪配电网巡视图像数据集中的配电网巡视图像进行数据增强处理，确定更新后的配电网巡视图像数据集；利用更新后的配电网巡视图像数据集和FasterR‑CNN算法，确定架空配电线路缺陷识别模型；利用架空配电线路缺陷识别模型对实时获取的配电网巡视图像进行缺陷识别。本发明能够提高识别效率与准确度。

　　本发明属于建筑风格识别相关技术领域，并公开了一种新古典主义建筑风格识别系统、构建方法及识别方法。该方法包括：S1构建整体风格图像分类模型；S2构建模仿手法目标检测模型；S3构建关键性构件目标检测模型和重复性构件目标检测模型；S4将整体风格图像分类模型、模仿手法目标检测模型、关键性构件目标检测模型、重复性构件目标检测模型、建筑构件图像分类模型依次串联，其中，模仿手法、关键性构件、重复性构件目标检测模型并联，构成所需的建筑风格识别系统。通过本发明，解决现有风格识别系统中不能根据建筑立面图片形成从整体到局部的完整的新古典主义建筑风格的识别描述的问题。

　　本发明公开了一种特征变量优选的面向对象不透水面材质提取方法。利用不同不透水面材质在高分辨率航空遥感影像上的形状、光谱等差异，通过多尺度分割工具分割对象、对象特征提取、建模对象特征的筛选，构建不透水面材质的提取模型，不透水面材质分布信息提取，自动提取区域范围内不透水面材质的空间分布信息。本方法的特点是自动化选取建模对象特征集，自动化提取不透水面材质，且识别精度较高；方法鲁棒性高，普适性好，可用于大范围的不透水面材质的提取以及其他类型的分类任务中。

　　一种神经网络模型的训练方法以及图像重识别方法，涉及人工智能AI技术领域，该方案中，神经网络模型在训练过程中使用编码网络和自注意力机制网络获取图像局部特征间的相关程度进行训练，使得训练好的模型就能得到更全面的特征表征。这样，该训练好的神经网络模型用于图像重识别的过程中对于被遮挡和非对齐的图像可以更准确的识别，极大的提高了重识别的准确率。

　　本申请公开了一种秸秆还田覆盖率的检测方法及装置，涉及图像处理技术领域。本申请一实施例的检测方法包括：获取秸秆还田作业的第一图像和作业参数。根据作业参数确定作业边界。根据作业参数和作业边界从第一图像中筛选出第二图像，第二图像为包含作业区域的图像。将第二图像输入至预训练的秸秆识别模型，以获取秸秆对应的第一像素数据和非秸秆对应的第二像素数据。根据第一像素数据和第二像素数据计算秸秆还田覆盖率。本申请能够提升测量秸秆还田覆盖率的效率和准确性。

　　本申请实施例公开一种目标实例数量确定方法、装置、电子设备和存储介质；包括：利用特征提取网络对待检测图像进行特征提取处理，得到预设数量个子处理结果，其中，待检测图像包括有目标实例；对预设数量个子处理结果进行特征融合处理，得到预设数量个特征图，其中，预设数量个特征图两两之间尺寸各不相同；基于预设数量个特征图，得到多个目标框，其中，目标框为用于框出目标实例的框；基于多个目标框，确定待检测图像中包括的目标实例的数量。在待检测图像中，可通过生成多个目标框的方式实现目标实例的数量的确定。由于多个特征图两两之间尺寸各不相同，因此本申请实施例可兼顾待检测图像的整体与细节，提高识别准确率，也降低了工作量。

　　本发明公开一种基于机载高光谱遥感技术估算草原植物beta多样性的方法，在调查区域内均匀布设若干1x1m样方，记录其位置信息并计算beta多样性指数；获取调查区域的高光谱遥感影像，影像分辨率为0.25m，每个样方均可覆盖16个像元；根据归一化差值植被指数将每个样方所覆盖的16个像元排序；计算样方之间的多像元光谱角度及多像元光谱距离；将影像重采样至样方大小；计算样方之间的单一像元光谱距离；以多像元光谱角度、多像元光谱距离以及单一像元光谱距离为自变量，beta多样性为因变量，构建多元回归模型。将该模型应用于整个遥感影像，即可获取调查区域内任意地点的植被beta多样性，适用于草原地区大面积的植物beta多样性估算。

　　本发明提供了一种基于地球物理引导无监督学习的反褶积方法及系统，该方法包括：将观测地震数据输入人工神经网络，所述人工神经网络输出反褶积结果；将反褶积结果与地震子波进行褶积得到重建地震数据；通过比较观测地震数据和重建地震数据得到训练损失；将训练损失进行反向传播，通过深度学习框架的自动微分功能得到神经网络各参数的梯度，进而由优化算法利用所述梯度更新所述人工神经网络的参数。本发明为基于深度学习的反褶积方法，与传统方法相比，人机交互更少，智能程度较高。本发明为无监督学习方法，不需使用大量数据训练人工神经网络，且引入地球物理约束，反褶积结果遵守地球物理规律，较为合理。

　　本发明实施例涉及一种绿化区域的生成方法与生成系统。所述生成方法包括：将场景图像切分成多个待绿化区域；将所述多个待绿化区域输入条件生成式对抗网络中的生成器，以生成相应的多个绿化区域；以及将所述多个绿化区域进行融合，以生成所述场景图像中的绿化区域。本发明可自动生成以往需美术人员手动绘制的绿化区域，从而可极大地提高绘制效率。

　　本发明公开了一种智能终端提醒方法、电子设备及计算机可读存储介质，该智能终端提醒方法包括：采集目标人物的第一图像数据，基于所述第一图像数据预测所述目标人物的精神状态；采集预设时段内的浮漂图像集，以及所述预设时段内的环境信息；对所述浮漂图像集中的每个浮漂图像进行特征采样，得到第一浮漂图像特征序列；基于所述第一浮漂图像特征序列和所述环境信息预测目标区域的鱼儿进食状态，所述目标区域包括所述浮漂的垂直投影区域；在所述鱼儿进食状态表示所述目标区域内鱼儿进食的概率低于第一预设阈值，且所述精神状态表示所述目标人物对钓鱼兴趣低于第二阈值的情况下，向所述用户终端输出提醒消息。本发明可以节约钓鱼人时间。

　　本申请公开了一种建筑模式识别方法，该方法基于多个空间接近图距离和建筑属性特征，用于识别具有复杂非线性空间分布模式的建筑群。本申请构建了三个图序列来捕捉不同特征视图的空间相邻结构和非空间特征，然后通过图扩散过程得到三个改进的图，并融合成一个所有视图共享的联合图，该联合图能够描绘出它们之间的相互关系，并产生最终的聚类结果。本申请的识别方法使用了轮廓距离和质心距离两种距离度量方式，充分利用空间结构和非空间属性的互补信息，通过结合空间上的接近关系和非空间上的相似性来确定建筑模式，为地图制图综合、城市场景语义分割等方面提供技术支撑，在地图比例尺的限制下，尽可能真实地表示地理现实。

　　本发明提供一种联合轨迹位置和邻域结构监督的社区道路网提取方法，包括：基于第三方地图软件，采集多个社区区域的轨迹叠加建筑物足迹地图和建筑物道路地图；以轨迹叠加建筑物足迹地图作为样本，对应的建筑物道路地图作为标签生成输入目标图像对，基于输入目标图像对构建训练集和验证集；将验证集中的轨迹叠加建筑物足迹地图输入道路生成模型，道路生成模型输出对应的结果建筑物道路图像，道路生成模型是将训练集输入至MAC‑GAN生成式条件对抗网络进行训练得到的；将输出的多个结果建筑物道路图像进行滤波和拼接，得到完整社区道路网。在轨迹稀疏、缺失的情况下，通过建筑物足迹信息监督生成精度较高、接近真实的社区精细化道路。

　　本发明涉及精确制导领域，特别涉及一种基于检测级联、运动分析、时序分析网络的抗干扰方法、基于检测级联、运动分析、时序分析网络的抗干扰装置、电子设备。其中，方法包括：获取待检测目标的连续帧，其中，连续帧包括时间轴上连续的多帧图像；确认待检测目标在连续帧中的轨迹管道，其中，轨迹管道包括每个图像中待检测目标的检测框；基于待检测目标的运动特征，确定轨迹管道对应的运动分类结果；基于待检测目标的图像，确定轨迹管道对应的外观分类结果；基于运动分类结果和外观分类结果，确定待检测目标的检测结果。本发明通过对目标的运动特征和图像的特征分别进行判断分析，并综合两者的分类结果得到最终目标检测的结果，从而避免了采用单帧目标识别的抗干扰能力差。

　　本发明涉及精确制导领域，特别涉及一种基于时空渐进式学习的抗干扰方法、基于时空渐进式学习的抗干扰装置、电子设备及计算机可读存储介质。其中，方法包括：取待检测目标的连续帧，其中，连续帧包括时间轴上连续的多帧图像；生成初始的建议框；基于当前建议框位置，预测相邻的建议框的位置，形成轨迹管道；通过双分支网络，基于全局分支根据区域特征时空关系得到分类概率，并基于局部分支根据全局信息和局部信息确定回归框；将分类概率最大的回归框替代建议框，更新轨迹管道。本发明从粗尺度的建议框开始，采用渐进式学习，利用空间细化模块完成检测和级联任务，结合时序拓展模块提取更多时序信息，提高了识别准确性，具备优异的抗干扰性能。

　　本发明公开了一种简缩极化SAR海上溢油检测方法及系统。方法包括：S1、对全极化SAR图像进行预处理，并提取简缩极化SAR数据；S2、基于所述简缩极化SAR数据提取总散射功率和熵，构造简缩极化SAR溢油检测器；S3、对所述简缩极化SAR检测器提取的极化特征图进行随机森林分类，得到油水分离图，并对油水分离图的溢油检测能力进行定量评估。本发明低散射功率l

　　综合了后向散射能量和散射机制两种方向的极化特征参数，这样有助于改善浮油信息的提取，从而使溢油检测变得更加精确。

　　本公开提供了一种基于多尺度注意力的目标检测方法，包括：构建多尺度语义特征融合检测网络，其中包括目标检测模块，多尺度注意力生成模块和多尺度特征融合模块；获取用于训练的含矩形标注框的目标数据集；根据矩形标注框，计算每张训练图片对应的多张像素级掩码标签图；使用包含矩形标注框和像素级掩码标签的数据集，对多尺度语义特征融合检测网络进行训练；获取待检测图片，输入到训练好的检测网络中得到结果。本公开通过在目标检测网络中加入图像分割特征的多尺度注意力模块与原始卷积特征进行融合，能够抑制背景区域，提高对小尺寸目标的注意力，改进检测效果。

　　本发明提供高光谱异常检测方法，包括以下步骤：步骤1，构建高光谱图像的线，构建双空间权重稀疏解混模型，计算各端元在混合像元中的丰度矩阵；步骤3，引入光谱加权因子和基于空间邻域信息的空间加权因子，创建字典空谱低秩分解模型；步骤4，对字典空谱低秩分解模型求解，求得异常矩阵；步骤5，通过异常矩阵，求得重建图像；步骤6，根据高光谱图像和重建图像得到异常目标检测图像。本发明本发明通过引入光谱加权因子和基于空间邻域信息的空间加权因子来充分挖掘高光谱图像的光谱信息和空间信息的相关性，以提升高光谱图像异常检测检测的准确性，本发明的异常检测结果准确率为99.39％。

　　本发明涉及水土保持技术领域，尤其涉及一种土壤水蚀保持量的监测方法、系统和电子设备，方法包括：根据预设区域的降雨侵蚀力因子、土壤可蚀性因子、坡度因子、坡长因子、植被覆盖度因子和水土保持因子，计算得到预设区域的实际水蚀模数，根据预设最大植被覆盖度因子，以及预设区域的降雨侵蚀力因子、土壤可蚀性因子、坡度因子、坡长因子和水土保持因子，计算得到预设区域的最大水蚀模数；进而计算得到预设区域的土壤水蚀保持量。一方面，对小尺度、偶发性的土壤水蚀保持量同样具有适用性，另一方面，利用无人机能够满足较大区域的土壤水蚀保持量的监测，尤其能够对偏远地区水土流失事件进行方便快捷地实现监测，避免人工监测，效率高。

　　本发明公开了一种确定电缆与道路之间的匹配关系的方法、装置及存储介质，该方法包括：获取待匹配区域的路网数据和电缆数据；根据路网数据的第一分布信息和电缆数据的第二分布信息对各电缆进行匹配处理，得到各电缆对应的目标匹配结果，匹配处理包括：基于电缆的第二分布信息确定电缆对应的目标区域，并根据道路的第一分布信息判断目标区域内是否存在目标道路，以在目标区域内存在目标道路的情况下，识别目标区域内的目标道路与电缆之间的目标匹配结果，目标匹配结果用于指示电缆与目标道路是否匹配；根据各电缆对应的目标匹配结果，确定待匹配区域内的电缆与道路之间的匹配关系。可见，实施本发明能够提高电缆与道路之间的匹配关系的确定效率。

　　本发明公开了一种基于Transformer的农作物叶片病害检测方法，涉及农作物病害检测技术领域，包括以下步骤：S1、获取n幅用于模型训练的农作物叶片图像；S2、构建初始的叶片病害检测模型；S3、利用样本集训练初始的叶片病害检测模型，从而得到训练完成的叶片病害检测模型；S4、利用训练完成的叶片病害检测模型对待检测的农作物叶片图像进行检测，得到农作物叶片图像中农作物叶片病害检测结果。本发明模型采用编码器和解码器结构，编码器主要采用Transformer完成特征的提取工作，相较于传统的卷积神经网络速度更快，参数量更少；在解码器中，利用Transformer输出特征图进行特征融合的部分采用通道注意力机制，能够很好的减少模型参数量同时不会使性能下降。

　　胥明凯任志刚李琮杨杰陈显达王淑颖王思源杨宁高飞胡旭冉刘昭刘一男胡庆浩高翔邵帅郑义斌张雨薇

　　本发明公开了一种深度卷积神经网络的可微架构搜索方法及装置，应用于输电线路隐患分析场景或变电站缺陷检测场景，属于神经网络架构搜索技术领域，方法包括以下步骤：采集待检测数据，所述待检测数据包括输电线路隐患分析数据集或变电站缺陷检测数据；计算神经网络权重和神经网络架构参数，得到神经网络的最优架构；采用与任务无关的模型中间层特征的最大编码率缩减作为网络架构性能标准进行搜索；采用与任务相关的模型中间层时域特征和频域特征的最大编码率缩减作为网络架构性能标准进行搜索。本发明能够实现深度卷积神经网络的加速与压缩，解决输电线路隐患分析场景和变电站缺陷检测场景中是隐患问题。

　　本发明提供了一种一体化像素级变化样本标注和模型优化方法及装置，涉及遥感影像处理的技术领域，包括：获取目标区域的单元格图像中的城市单元格，并获取城市单元格的样本遥感影像集，其中，样本遥感影像集中包括：不同时相、不同拍摄角度和不同光照条件的遥感影像；将样本遥感影像集输入初始模型，得到城市单元格的预测图斑，其中，初始模型包括：变化检测模块和标注模块；对预测图斑进行人工处理，得到目标预测图斑，其中，人工处理包括：人工核验，手工标注和人工质检；利用交叉验证算法、样本遥感影像集和目标预测图斑，对多个初始模型进行优化，得到多个目标模型，解决了现有的遥感影像变化区域标注方法的精确度较低技术问题。

　　本发明涉及图像数据处理技术领域，公开了一种基于遥感图像的道路检测方法，包括：获取遥感图像，提取合成孔径雷达道路特征，提取光学遥感道路特征，将所述合成孔径雷达道路特征和所述光学遥感道路特征进行融合得到融合道路特征，将所述融合道路特征输入至道路提取网络，得到道路检测结果。本发明充分利用光学遥感图像和合成孔径雷达图像的观测信息优势，通过两个分支提取各自的道路特征，使用融合分支将多源遥感数据的道路特征进行合并融合，采用多尺度融合损失对网络进行训练，得到预测的道路检测结果，同时考虑合成孔径雷达图像全天时全天候的特性和光学遥感图像的地物观察色彩信息，有效提高对于遥感图像的道路检测精度。

　　基于孪生Transformer的多模态图像地面建筑识别方法及装置6.6

　　本发明公开了一种基于孪生Transformer的多模态图像地面建筑识别方法及装置，属于地面建筑识别技术领域。所述多模态图像地面建筑识别方法，包括：建立具有N个Transformer结构的多孪生神经网络，所述多孪生神经网络为伪孪生神经网络；获取N幅不同模态的目标图像；将所述目标图像输入所述多孪生神经网络，所述多孪生神经网络输出识别结果。本发明实现了多平台多模态地面建筑图像的准确识别。

　　本发明涉及数据处理技术领域，提供一种候期识别方法、装置、电子设备和存储介质。其中方法包括：获取目标作物种植区域的待识别图像，并确定水稻待识别图像的作物类型对应的物候期识别模型；基于水稻物候期识别模型，对水稻待识别图像进行物候期识别，获得物候期识别结果；其中，水稻物候期识别模型是基于样本识别图像和水稻样本识别图像对应的样本物候期识别结果训练得到的；水稻样本识别图像包括水稻作物类型对应的生育期内每一天的图像。本发明中，样本识别图像包括作物类型对应的生育期内每一天的图像，从而在模型的训练过程中考虑了作物生长的连续性和渐变性，从而提高物候期识别的准确性。