龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：王春光
申请日：2024-03-27
公开（公告）日：2024-07-05
公开（公告）号：CN118298371A
主分类号：G06V20/52
分类号：G06V20/52;G06V20/40;G06V20/10;G06V10/44;G06V10/52;G06V10/54;G06V10/62;G06V10/764;G06V10/774;G06V10/80;G06V10/82;G06N3/0464;G06N3/0895
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.23#实质审查的生效;2024.07.05#公开
摘要：本发明公开了一种基于大数据的森林灾情监测方法，属于大数据处理技术领域，将多个单一特征通过随机权值矩阵进行特征融合，然后训练多个分类模型进一步得到最优权值组合；该方法在图像预处理、特征提取和归一化阶段与分类模型训练阶段彼此独立，可以多任务同时执行，针对数据量大、计算复杂度高的应用场景能够使用并行技术提高运算效率；该方法将空间增强网络作为双卷积神经网络的空间流来提取并增强视频的空间信息，提高初期的识别率，该方法具有低深度、高识别率的特征，能提高火灾和烟雾的识别率，实现了火灾的早期发现，缩短了检测时间。本发明提供的一种基于大数据的森林灾情监测方法，作用效果显著，适于广泛推广。
主权项：1.一种基于大数据的森林灾情监测方法，其特征在于，包括：步骤1、提取不同状态下的现场视频帧，将视频帧转换为光流图像，得到不同状态下的通道数据集和光流数据集；步骤2、基于半监督学习方法，采用通道数据集对分类模型进行训练，得到训练好的半监督学习分类模型；步骤3、基于光流数据集和通道数据集，训练半监督学习分类模型中的双卷积神经网络和空间增强网络，得到高敏度半监督分类模型；步骤4、实时采集现场视频，采用高敏度半监督分类模型对采集到的实时视频提取出的图像进行分析，识别现场的安全状况；步骤5、高敏度半监督分类模型基于分析获取的识别数据实时进行半监督学习更新。
全文数据：
权利要求：
百度查询： 王春光 一种基于大数据的森林灾情监测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号