基于改进GoogLeNet的汽车仓储库区障碍物分类识别方法

针对汽车仓储库区的特点，提出了一种基于改进GoogLeNet卷积神经网络的仓储库区障碍物分类识别方法，即对传统GoogLeNet卷积神经网络浅层的Inception模块进行改进，并在此基础上增加四分类全连接层，改进后的卷积池化层作为仓储库区四分类图像数据的特征提取器，对全连接层和输出层进行模型训练。实验结果表明：该障碍物分类识别方法准确率高且识别时间短，大大增加了AGV障碍物检测系统的准确性与鲁棒性。     

基于深度卷积神经网络的遥感影像分类研究

针对目前应用于遥感影像分类的常用算法已经无法满足大数据应用下的分类精度要求等问题,文章提出了基于卷积神经网络遥感影像分类方法并给出了具体分类流程,为卷积神经网络在遥感影像分类领域的应用奠定了基础。     

基于纹理特征的遥感影像分类

研究了如何在Matlab下利用灰度共生矩阵提取遥感影像的纹理特征,并采用监督分类方法应用最短距离分类器完成全色遥感影像的分类。     

山区遥感影像地形辐射统计校正模型改进研究

山区地形起伏导致太阳光照不同,造成遥感影像接收的辐射信息不能反映地表的真实信息,从而影响遥感影像的解译与处理.本研究基于常用的地形辐射统计校正模型,结合山区植被覆盖特征,设计了一种分区统计校正模型,并采用三种不同分辨率的卫星遥感影像进行了实验,结果显示改进后模型的地形辐射校正效果有明显改善.     

山区遥感影像地形辐射统计校正模型改进研究

山区地形起伏导致太阳光照不同,造成遥感影像接收的辐射信息不能反映地表的真实信息,从而影响遥感影像的解译与处理.本研究基于常用的地形辐射统计校正模型,结合山区植被覆盖特征,设计了一种分区统计校正模型,并采用三种不同分辨率的卫星遥感影像进行了实验,结果显示改进后模型的地形辐射校正效果有明显改善.     

山区遥感影像地形辐射统计校正模型改进研究

山区地形起伏导致太阳光照不同,造成遥感影像接收的辐射信息不能反映地表的真实信息,从而影响遥感影像的解译与处理.本研究基于常用的地形辐射统计校正模型,结合山区植被覆盖特征,设计了一种分区统计校正模型,并采用三种不同分辨率的卫星遥感影像进行了实验,结果显示改进后模型的地形辐射校正效果有明显改善.     

山区遥感影像地形辐射统计校正模型改进研究

山区地形起伏导致太阳光照不同,造成遥感影像接收的辐射信息不能反映地表的真实信息,从而影响遥感影像的解译与处理.本研究基于常用的地形辐射统计校正模型,结合山区植被覆盖特征,设计了一种分区统计校正模型,并采用三种不同分辨率的卫星遥感影像进行了实验,结果显示改进后模型的地形辐射校正效果有明显改善.     

基于WT-CNN深度学习的轴承故障识别

针对传统轴承故障识别方法的识别率低以及人工干涉等问题。提出了一种基于时频图和深度神经网络（WT-CNN）轴承故障类别的自动识别方法。首先采用连续小波变换（CWT）将原始信号转为时频图,然后将其输入VGG-16神经网络模型中的卷积网络层（CNN）进行特征自动提取,并使用softmax层完成识别。实验结果表明,该方法可以准确地识别轴承故障类别,其准确率达到100%。因此与其他神经网络和传统机器学习方法相比,WT-CNN神经网络模型能有效对轴承故障类别完成识别任务。     

简易无接触温度测量与身份识别装置

本系统采用STM32F103为无接触测温板块控制核心,搭配mlx90614测温模块,oled显示,来完成对人体和物体的分类测温,k210用做身份识别模块处理核心利用其搭载的双64核处理器以及kpu神经网络处理器,对采集数据进行神经卷积运算,身份算法方面使用了mtcnn特征点采集算法,Haar人像分类器以及196维人脸比对模型来实现高精度人脸识别,口罩识别模块我们使用了自己训练的yolo2分类模型来实现口罩分类功能.     

生态文明视角下高原寒地县域生态修复与分类保护策略——以西藏索县为例

既有生态修复技术存在缺乏动态监测与整体管控不足,导致无法跟踪与评估受损生态空间修复效果,难以满足高原寒地区域整体修复要求。以西藏索县为例,提出了“动态测评—空间识别—格局构建—分类保护—协同治理”的高原寒地生态修复框架,对基于2000—2019年遥感影像的植被覆盖度及时空变化特征进行计算分析并识别生态风险点。研究发现：索县植被覆盖度呈外围低内部高的空间分布特征,研究期间高植被覆盖区面积减少764.08km²,植被退化与改善现象并存且总体变化趋于平缓;研究识别出33处生态风险点作为重点修复区域,并基于现状构建了“一城、四廊、三区”的生态修复整体格局,制定生产、生态与生活空间的分类修复策略与协同治理机制。研究结果及修复策略能为高原寒地区域实现可持续发展提供合理的生态修复长效路径与科学的生态保护建设实践参考。