基于深度学习的遥感影像目标检测系统设计

来源 :计算机测量与控制 | 被引量 : 0次 | 上传用户:luckycpw
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
遥感影像目标检测虽然是一种极为有效的地表变化监测手段,但极易受到自然环境复杂性的影响,从而造成遥感影像中存在混合的杂质像素,导致目标检测准确性较差;为解决此问题,设计基于深度学习的遥感影像目标检测系统;建立深度学习框架,分层次连接遥感影像输入模块、图像帧预处理模块与目标检测算法模块,再借助影像目标输出结构单元,对已获得的遥感影像像素数据进行整合,实现系统硬件设计;在此基础上,提取遥感影像的多特征条件,完善现有的目标检测系统设计方案;通过分割多级目标节点的方式,得到遥感影像特征的小波分解结果,利用计算
其他文献
课题组设计了一种温室大棚环境的远程监控系统,系统采用ZigBee网络对大棚内环境参数(土壤温湿度、光照强度等)进行实时监测,并将数据上传至上位机和手机,系统根据设定值自动控制大棚内卷帘、风机、灯光、节水灌溉等现场装置的启停操作。仿真实验表明,该温室大棚环境远程监控系统具有较好的监控效果,具有功耗小、投入成本低、控制精准等优点。
本研究基于“领航者-跟随者”编队控制技术,分析了不同编队构成,不同队形间变换的处理问题。首先,基于二维激光雷达和多目标点顺序导航的方法,设计多机器人编队行进路径,使领航者机器人实现多目标点顺序导航,进而为整个机器人编队提供行进路径。其次,利用搭载在跟随者机器人上的双目视觉相机来进行识别和定位。最后,通过不同队形之间的变换,分别为一字形队形向三角形队形变换,三角形队形向一字形队形变换,来实现编队队形控制。
以α-Si3N4含量≥93.1%的氮化硅粉体为原材料,MgO-Y2O3作为复合烧结助剂,在常压条件下进行氮化硅轴承球烧结,研究了MgO-Y2O3复合烧结助剂对氮化硅轴承球微观结构、相变过程和致密化过程的影响。结果表明:MgO-Y2O3烧结助剂对氮化硅轴承球烧结,由于Y2(Si3O3N4)的产生,在1550℃前,α-Si3<