一种基于卷积神经网络实现内河航道船行波参数识别方法

AITNT
正文
推荐专利
一种基于卷积神经网络实现内河航道船行波参数识别方法
申请号:CN202510217703
申请日期:2025-02-26
公开号:CN120071092A
公开日期:2025-05-30
类型:发明专利
摘要
本发明涉及一种基于卷积神经网络实现内河航道船行波参数识别方法,其特征在于,包括:步骤S1:获取原始图像;步骤S2:对原始图像进行处理得到可以展现波纹的待检测图像;步骤S3:将待检测图像输入至训练好的参数识别模型,得到船行波参数,其中,参数识别模型为含有CBAM注意力机制的卷积神经网络,船行波参数包括传播速度、波高及波长。与现有技术相比,本发明具有提高预测精度等优点。
技术关键词
参数识别模型 识别方法 图像 注意力机制 像素 混合网络 多层感知机 波长 护岸 视频 摄像机 边缘检测 程序 识别装置 标尺 通道 存储器 处理器 分辨率
系统为您推荐了相关专利信息
1
基于边界注意力机制的果蔬采摘机器人定位检测装置
果蔬采摘机器人 定位检测装置 角度检测机构 光栅尺 位移检测机构
2
一种基于自适应神经网络补偿的机械臂视觉伺服跟踪方法
视觉伺服跟踪方法 机械臂控制器 机械臂伺服系统 相机 实时图像
3
基于云边端协同的智能算力集成服务管理方法及平台
服务管理方法 异构资源池 云端控制器 数字孪生 动态无功功率补偿
4
乘客轨迹识别方法及系统
轨迹识别方法 监控摄像机 网络拓扑结构 加权有向图 顶点
5
基于无人机和轻型三维高斯的瓷套变电设备表面建模方法
变电设备 图像 相机位姿估计 无人机巡检 协方差矩阵
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号