专利交易市场

本发明公开了新一代信息技术领域的一种基于多尺度Retinex算法的深度学习光伏板识别方法，旨在解决现有技术检测精度有待提升的问题。包括：获取遥感图像数据集；对所述遥感图像数据集进行数据标注，得到标注后数据集；对所述标注后数据集进行数据增强，得到数据增强后数据集；根据所述数据增强后数据集，基于训练好的光伏板识别模型，进行目标检测，得到识别结果。本专利能够实现对光伏板的快速识别，帮助提高光伏板发电的规划工作、了解各地区光伏板的容量及覆盖情况；克服了由于天气因素的限制导致的遥感图像不清晰的现象，有更强的特征识别能力，准确率更高。

本发明公开了基于多源模态融合深度学习的高分辨雨情分析生成方法，方法包括：基于与雨情相关的多源数据集，得到多物理量数据集，并建立无量纲化的多模态特征因子库；对损失函数进行多维度非等权处理，构建多尺度空间转换模型MF‑ST‑Unet；模型训练后最终生成逐小时区域高分辨率雨情分析数据集；基于训练好的MF‑ST‑Unet模型，通过迁移学习知识蒸馏，得到应用于覆盖整体区域的高分辨率雨情分析数据集。本发明能够快速有效生成高空间分辨率的均匀网格雨情分析，且较传统方法更加客观、准确；充分考虑雨情的多尺度特征及降水量级的差异，实现高分辨率客观雨情数据获取，提高雨情检测能力和灾害防范精准性，具有极强的应用价值。