CN114064737A - 一种基于无人机的大型鲸类时空分布调查方法和系统 - Google Patents
一种基于无人机的大型鲸类时空分布调查方法和系统 Download PDFInfo
- Publication number
- CN114064737A CN114064737A CN202111460272.6A CN202111460272A CN114064737A CN 114064737 A CN114064737 A CN 114064737A CN 202111460272 A CN202111460272 A CN 202111460272A CN 114064737 A CN114064737 A CN 114064737A
- Authority
- CN
- China
- Prior art keywords
- module
- aerial vehicle
- unmanned aerial
- investigation
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000011835 investigation Methods 0.000 title claims abstract description 66
- 241000283153 Cetacea Species 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004458 analytical method Methods 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 17
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000009795 derivation Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000001931 thermography Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims 2
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 241001465754 Metazoa Species 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Alarm Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于无人机的大型鲸类时空分布调查方法和系统,属于鲸类调查领域,包括以下步骤:步骤一:通过互联网大数据划定考察海域,并将海域范围坐标输入至调查系统中;步骤二:通过步骤一中得到的海域范围坐标,进行航线设定,并按航线在目标海域进行飞行;步骤三:无人机飞行考察过程中,不断获取画面,调查系统则将考察画面实时对比,捕获目标;步骤四:按照已规划好的航线,考察完毕后,通过返航航线返回起点;步骤五:将无人系统内所存储的有效数据集与数据库中的数据进行比对,并分析时空分布格局,完成调查。减少了人力出海追踪的成本,提高了效率及成功率,减小了外界因素对监测的影响。
Description
技术领域
本发明涉及鲸类调查技术领域,尤其涉及一种基于无人机的大型鲸类时空分布调查方法和系统。
背景技术
大型鲸类均为我国一级保护动物,目前,我国对大型鲸类的基线数据掌握较少,大型鲸类分布较广,且不易被追踪到,要进行大型鲸类的时空分布格局调查及基线数据的统计需要消耗大量的人力物力时间(大量人租用船长时间持续性出海追踪监测);
根据中国专利文献,公布号为CN109541969B,所提供的基于lora的鲸类监控系统及方法,解决了现有技术中存在的,现有追踪保护方法的植入式方法存在危险、跟踪准确性低以及不稳定的技术问题,其虽然实现了对鲸类最终和监控,但是针对的目标是对已充分得知信息的鲸类。
目前,靠人力出海追踪大型鲸类获取数据少,采用传统人力调查时,需租用多艘中大型科考船(视海域及风浪等级来定),每艘船至少配备船长,观测员,照相识别拍摄员,数据记录员,4位人员。多艘船在划定区域内从不同的站点同时出发,根据预定线路沿线路进行大型鲸类追踪,在线路附近观察到大型鲸类时由照相识别拍摄员进行多方位拍照,记录员记录当前发现位点等数据,且受天气,栖息地,监测时间等外界因素影响较大,人工追踪在鲸类拍照识别及影像比对时会出现大量误差。
发明内容
本发明的目的是为了解决现有技术中存在的缺陷,而提出的一种基于无人机的大型鲸类时空分布调查方法和系统。
为了实现上述目的,本发明采用了如下技术方案:
一种基于无人机的大型鲸类时空分布调查方法和系统,包括连接有云服务器的计算机和与计算机无线连接的无人机。
根据本发明的一个方面,提供了一种基于无人机的大型鲸类时空分布调查方法,
基于无人机的大型鲸类时空分布调查方法,包括以下步骤:
步骤一:通过互联网大数据划定考察海域,并将海域范围坐标输入至调查系统中;
步骤二:通过步骤一中得到的海域范围坐标,进行航线设定,并按航线在目标海域进行飞行;
步骤三:无人机飞行考察过程中,不断获取画面,调查系统则将考察画面实时对比,捕获目标;
步骤四:按照已规划好的航线,考察完毕后,通过返航航线返回起点;
步骤五:将无人系统内所存储的有效数据集与数据库中的数据进行比对,并分析时空分布格局,完成调查。
根据本发明的另一个方面,还提供了一种基于无人机的大型鲸类时空分布调查系统。
所述调查系统包括装于计算机和无人机中的无线传输模块、用于自动或动手对无人机飞行参数进行设定的参数设定模块、用于实时捕获海域内鲸类的实时捕获分析模块、用于生成无人机飞行操作指令的结果输出模块、指令接收模块、指令匹配模块、异常预警模块、用于通过指令控制无人机按航线飞行拍摄的执行模块和用于将计算机信息与无人及信息实时传输反馈的实时上传模块,其中,所述参数设定模块和所述实时捕获分析模块均通过所述结果输出模块与所述无线传输模块相连接,所述无线传输模块分别连接所述指令接收模块和所述异常预警模块,所述指令接收模块和所述异常预警模块相连接,所述指令接收模块通过所述指令匹配模块与所述执行模块相连接,所述执行模块通过所述实时上传模块与所述无线传输模块相连接。
进一步地,所述参数设定模块包括区域坐标设定模块和航线设定模块,所述区域坐标设定模块用于手动和通过云服务器自动输入计算获得考察海域坐标,所述航线设定模块用于通过区域坐标设备模块中获得的海域坐标进行航线分析和制定出航返航的航线。
进一步地,所述实时捕获分析模块包括用于通过无线传输模块获取无人机所采集的环境信息和画面信息的信息获取模块、用于将无人机拍摄画面与数据库中画面进行比对的画面对比模块、用于将无人机传输信息中的环境参数信息分离出来的数据获取模块、用于将上述获得的信息进行分析的数据分析模块和用于将分析后的数据确定是否为考察目标的目标捕获模块,其中,所述信息获取模块分别连接所述画面对比模块和所述数据获取模块,所述画面对比模块和所述数据获取模块通过所述数据分析模块与所述目标捕获模块相连接。
进一步地,所述结果输出模块包括结果分析、结果分类导出模块、记录存储模块和指令生成模块,其中,所述结果分析模块分别连接所述结果分类导出模块和所述指令生成模块,所述结果分类导出模块与所述记录存储模块相连接,所述结果分析模块用于将实时捕获分析模块反馈的数据分解出需要数据,所述结果分类导出模块用于将分解的数据进行分类整理并导出为同一格式的记录文件,所述记录存储文件用于将所述结果分类导出模块获得的记录文件按设置节点进行存储和记录,所述指令生成模块用于将结果分析模块获得的数据生成无人机的运行指令。
进一步地,所述异常预警模块包括用于将起飞点作为原点记录坐标轨迹的独立坐标模块、用于将接收的坐标指令和独立坐标轨迹进行坐标比对的坐标对比模块和用于在所述坐标比对模块中产生设定偏差数值进行反馈的警报模块,其中,所述独立坐标模块通过所述坐标对比模块与所述警报模块相连接,所述警报模块分别连接指令接收模块和实时上传模块。
进一步地,用于步骤一中,其中,划分海域的方法为:根据互联网大数据中渔民,游客,科研人员等发现的大型鲸出现的地方为中心,划定方圆100公里范围内为可能分布区域,当有多个出现位点时,取最大并集为可能出现海域,该海域的最大方形区域为考察海域。
进一步地,用于步骤二中,考察法为Z字折线考察法,折线即为无人机航线,折线疏密度与区域大小呈负相关。
进一步地,用于步骤三中,无人机装配有广角镜头、1-100倍变焦镜头和热成像镜头,计算机连接卷积神经网络对海上目标进行自主比对,确定是否为鲸类。
相比于现有技术,本发明的有益效果在于:利用截线调查法能提供动物分布的基线信息并揭示动物对栖息地的利用模式,而利用标记重捕法则能够提供包括种群繁育、种群统计及社群关系等信息,将二者结合可以获得更加完善的数据信息;
输入鲸类出现坐标,自动规划出考察区域,并设计航线,实时获得无人机所捕获的信息,并且能够对无人及考察过程进行干预,通过数据反馈和无线连接还可以实时调整参数,下载数据,将数据信息显示在地图上,并将照片以及相关的环境参数信息存入数据库和后台比对分析,根据各种模型分析得出各种结果以地图、表格数据等方式表示出来;
减少了人力出海追踪的成本,提高了效率及成功率,减小了外界因素对监测的影响。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1为本发明提出的基于无人机的大型鲸类时空分布调查方法和系统的步骤流程图;
图2为本发明提出的基于无人机的大型鲸类时空分布调查方法和系统的调查系统流程示意图之一;
图3为本发明提出的基于无人机的大型鲸类时空分布调查方法和系统的调查系统流程示意图之二;
图4为本发明提出的基于无人机的大型鲸类时空分布调查方法和系统的考察海域确定示意图;
图5为本发明提出的基于无人机的大型鲸类时空分布调查方法和系统的折线考察航线示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
参照图1、图4和图5,基于无人机的大型鲸类时空分布调查方法和系统,包括连接有云服务器的计算机和与计算机无线连接的无人机。
根据本发明的具体实施例,提供了一种基于无人机的大型鲸类时空分布调查方法。
基于无人机的大型鲸类时空分布调查方法,包括以下步骤:
步骤S101:通过互联网大数据划定考察海域,并将海域范围坐标输入至调查系统中;
具体的,划分海域的方法为:根据互联网大数据中渔民,游客,科研人员等发现的大型鲸出现的地方为中心,划定方圆100公里范围内为可能分布区域,当有多个出现位点时,取最大并集为可能出现海域,该海域的最大方形区域为考察海域。
步骤S103:通过步骤S101中得到的海域范围坐标,进行航线设定,并按航线在目标海域进行飞行;
具体的,考察法为Z字折线考察法,折线即为无人机航线,折线疏密度与区域大小呈负相关,其中,每隔一端距离(默认为5km,可自定义设定距离且不得小于4km)系统记录当前位置为节点,并记录节点的时间、坐标、天气、环境特征参数。
步骤S105:无人机飞行考察过程中,不断获取画面,调查系统则将考察画面实时对比,捕获目标;
具体的,无人机装配有广角镜头、1-100倍变焦镜头和热成像镜头,通过计算机连接卷积神经网络对海上目标进行自主比对,确定是否为鲸类。
更具体的,当置信度大于70%,判定为鲸类,记录GPS数据,对鲸进行多焦段视频拍摄与拍照标记(标志重捕法)。
步骤S107:按照已规划好的航线,考察完毕后,通过返航航线返回起点;
步骤S109:将无人系统内所存储的有效数据集与数据库中的数据进行比对,并分析时空分布格局,完成调查。
更具体的,采用MARK程序的POPAN种群模型估计种群数量;
采用SOCPROG程序以及Robust Design模型分析鲸类对栖息地的利用周期性变化;
采用物种分布模型(SDM),进行潜在栖息地预测;
获取到鲸类分布特征、种群数量、社群结构以及变化趋势;
并是输出反馈到地图与表格上。
根据本发明的具体实施例,还提供了一种基于无人机的大型鲸类时空分布调查系统。
参照图2,在本申请的具体实施例中,所述调查系统包括装于计算机和无人机中的无线传输模块、用于自动或动手对无人机飞行参数进行设定的参数设定模块、用于实时捕获海域内鲸类的实时捕获分析模块、用于生成无人机飞行操作指令的结果输出模块、指令接收模块、指令匹配模块、异常预警模块、用于通过指令控制无人机按航线飞行拍摄的执行模块和用于将计算机信息与无人及信息实时传输反馈的实时上传模块,其中,所述参数设定模块和所述实时捕获分析模块均通过所述结果输出模块与所述无线传输模块相连接,所述无线传输模块分别连接所述指令接收模块和所述异常预警模块,所述指令接收模块和所述异常预警模块相连接,所述指令接收模块通过所述指令匹配模块与所述执行模块相连接,所述执行模块通过所述实时上传模块与所述无线传输模块相连接。
参照图3,在本申请的具体实施例中,所述参数设定模块包括区域坐标设定模块和航线设定模块,所述区域坐标设定模块用于手动和通过云服务器自动输入计算获得考察海域坐标,所述航线设定模块用于通过区域坐标设备模块中获得的海域坐标进行航线分析和制定出航返航的航线。
参照图3,在本申请的具体实施例中,所述实时捕获分析模块包括用于通过无线传输模块获取无人机所采集的环境信息和画面信息的信息获取模块、用于将无人机拍摄画面与数据库中画面进行比对的画面对比模块、用于将无人机传输信息中的环境参数信息分离出来的数据获取模块、用于将上述获得的信息进行分析的数据分析模块和用于将分析后的数据确定是否为考察目标的目标捕获模块,其中,所述信息获取模块分别连接所述画面对比模块和所述数据获取模块,所述画面对比模块和所述数据获取模块通过所述数据分析模块与所述目标捕获模块相连接。
参照图3,在本申请的具体实施例中,所述结果输出模块包括结果分析、结果分类导出模块、记录存储模块和指令生成模块,其中,所述结果分析模块分别连接所述结果分类导出模块和所述指令生成模块,所述结果分类导出模块与所述记录存储模块相连接,所述结果分析模块用于将实时捕获分析模块反馈的数据分解出需要数据,所述结果分类导出模块用于将分解的数据进行分类整理并导出为同一格式的记录文件,所述记录存储文件用于将所述结果分类导出模块获得的记录文件按设置节点进行存储和记录,所述指令生成模块用于将结果分析模块获得的数据生成无人机的运行指令。
参照图3,在本申请的具体实施例中,所述异常预警模块包括用于将起飞点作为原点记录坐标轨迹的独立坐标模块、用于将接收的坐标指令和独立坐标轨迹进行坐标比对的坐标对比模块和用于在所述坐标比对模块中产生设定偏差数值进行反馈的警报模块,其中,所述独立坐标模块通过所述坐标对比模块与所述警报模块相连接,所述警报模块分别连接指令接收模块和实时上传模块。
为了更好的理解本发明,以下结合不同节点考察数据进一步说明。
每个节点具体数据,见表1。
由上述可知,通过此方法,能够大范围的考察较为密集的鲸鱼分布区域,并且能够对大范围海域进行考察,具有极高效率和考察区域定位的准确性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种基于无人机的大型鲸类时空分布调查方法,包括连接有云服务器的计算机和与计算机无线连接的无人机,其特征在于,基于无人机的大型鲸类时空分布调查方法,包括以下步骤:
步骤一:通过互联网大数据划定考察海域,并将海域范围坐标输入至调查系统中;
步骤二:通过步骤一中得到的海域范围坐标,进行航线设定,并按航线在目标海域进行飞行;
步骤三:无人机飞行考察过程中,不断获取画面,调查系统则将考察画面实时对比,捕获目标;
步骤四:按照已规划好的航线,考察完毕后,通过返航航线返回起点;
步骤五:将无人系统内所存储的有效数据集与数据库中的数据进行比对,并分析时空分布格局,完成调查。
2.一种基于无人机的大型鲸类时空分布调查系统,其特征在于,用于权利要求1中所述的基于无人机的大型鲸类时空分布调查方法的系统,所述调查系统包括装于计算机和无人机中的无线传输模块、用于自动或动手对无人机飞行参数进行设定的参数设定模块、用于实时捕获海域内鲸类的实时捕获分析模块、用于生成无人机飞行操作指令的结果输出模块、指令接收模块、指令匹配模块、异常预警模块、用于通过指令控制无人机按航线飞行拍摄的执行模块和用于将计算机信息与无人及信息实时传输反馈的实时上传模块,其中,所述参数设定模块和所述实时捕获分析模块均通过所述结果输出模块与所述无线传输模块相连接,所述无线传输模块分别连接所述指令接收模块和所述异常预警模块,所述指令接收模块和所述异常预警模块相连接,所述指令接收模块通过所述指令匹配模块与所述执行模块相连接,所述执行模块通过所述实时上传模块与所述无线传输模块相连接。
3.根据权利要求2所述的基于无人机的大型鲸类时空分布调查系统,其特征在于,所述参数设定模块包括区域坐标设定模块和航线设定模块,所述区域坐标设定模块用于手动和通过云服务器自动输入计算获得考察海域坐标,所述航线设定模块用于通过区域坐标设备模块中获得的海域坐标进行航线分析和制定出航返航的航线。
4.根据权利要求3所述的基于无人机的大型鲸类时空分布调查系统,其特征在于,所述实时捕获分析模块包括用于通过无线传输模块获取无人机所采集的环境信息和画面信息的信息获取模块、用于将无人机拍摄画面与数据库中画面进行比对的画面对比模块、用于将无人机传输信息中的环境参数信息分离出来的数据获取模块、用于将上述获得的信息进行分析的数据分析模块和用于将分析后的数据确定是否为考察目标的目标捕获模块,其中,所述信息获取模块分别连接所述画面对比模块和所述数据获取模块,所述画面对比模块和所述数据获取模块通过所述数据分析模块与所述目标捕获模块相连接。
5.根据权利要求4所述的基于无人机的大型鲸类时空分布调查系统,其特征在于,所述结果输出模块包括结果分析、结果分类导出模块、记录存储模块和指令生成模块,其中,所述结果分析模块分别连接所述结果分类导出模块和所述指令生成模块,所述结果分类导出模块与所述记录存储模块相连接,所述结果分析模块用于将实时捕获分析模块反馈的数据分解出需要数据,所述结果分类导出模块用于将分解的数据进行分类整理并导出为同一格式的记录文件,所述记录存储文件用于将所述结果分类导出模块获得的记录文件按设置节点进行存储和记录,所述指令生成模块用于将结果分析模块获得的数据生成无人机的运行指令。
6.根据权利要求2所述的基于无人机的大型鲸类时空分布调查系统,其特征在于,所述异常预警模块包括用于将起飞点作为原点记录坐标轨迹的独立坐标模块、用于将接收的坐标指令和独立坐标轨迹进行坐标比对的坐标对比模块和用于在所述坐标比对模块中产生设定偏差数值进行反馈的警报模块,其中,所述独立坐标模块通过所述坐标对比模块与所述警报模块相连接,所述警报模块分别连接指令接收模块和实时上传模块。
7.根据权利要求1所述的基于无人机的大型鲸类时空分布调查方法,其特征在于,用于步骤一中,其中,划分海域的方法为:根据互联网大数据中渔民,游客,科研人员等发现的大型鲸出现的地方为中心,划定方圆100公里范围内为可能分布区域,当有多个出现位点时,取最大并集为可能出现海域,该海域的最大方形区域为考察海域。
8.根据权利要求1所述的基于无人机的大型鲸类时空分布调查方法,其特征在于,用于步骤二中,考察法为Z字折线考察法,折线即为无人机航线,折线疏密度与区域大小呈负相关。
9.根据权利要求1所述的基于无人机的大型鲸类时空分布调查方法,其特征在于,用于步骤三中,无人机装配有广角镜头、1-100倍变焦镜头和热成像镜头,计算机连接卷积神经网络对海上目标进行自主比对,确定是否为鲸类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111460272.6A CN114064737B (zh) | 2021-12-02 | 2021-12-02 | 一种基于无人机的大型鲸类时空分布调查方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111460272.6A CN114064737B (zh) | 2021-12-02 | 2021-12-02 | 一种基于无人机的大型鲸类时空分布调查方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114064737A true CN114064737A (zh) | 2022-02-18 |
CN114064737B CN114064737B (zh) | 2022-09-20 |
Family
ID=80228304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111460272.6A Active CN114064737B (zh) | 2021-12-02 | 2021-12-02 | 一种基于无人机的大型鲸类时空分布调查方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114064737B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114667975A (zh) * | 2022-05-30 | 2022-06-28 | 海南热带海洋学院崖州湾创新研究院 | 一种基于大数据和无人机的辅助捕鱼方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104118561A (zh) * | 2014-07-07 | 2014-10-29 | 北京师范大学 | 一种基于无人机技术的大型濒危野生动物监测的方法 |
KR101595695B1 (ko) * | 2015-03-31 | 2016-02-26 | 울산대학교 산학협력단 | 초음파 수중센서를 이용한 고래 탐지 시스템장치 |
CN109902596A (zh) * | 2019-01-31 | 2019-06-18 | 交通运输部天津水运工程科学研究所 | 一种开阔地区大群野生动物无人机调查方法 |
KR20200061558A (ko) * | 2018-11-26 | 2020-06-03 | 박문수 | 드론과 드론에 탑재한 기구나 장치들로부터 수집한 정보 데이터를 이용한 조황 예측 방법 |
CN112219801A (zh) * | 2020-09-30 | 2021-01-15 | 挪威博德维尔有限公司 | 一种无人机定位鱼类和其他水生动物的系统及方法 |
CN113671539A (zh) * | 2021-09-17 | 2021-11-19 | 智仁科技(天津)有限公司 | 一种移动式鱼类信息智能监测装置 |
-
2021
- 2021-12-02 CN CN202111460272.6A patent/CN114064737B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104118561A (zh) * | 2014-07-07 | 2014-10-29 | 北京师范大学 | 一种基于无人机技术的大型濒危野生动物监测的方法 |
KR101595695B1 (ko) * | 2015-03-31 | 2016-02-26 | 울산대학교 산학협력단 | 초음파 수중센서를 이용한 고래 탐지 시스템장치 |
KR20200061558A (ko) * | 2018-11-26 | 2020-06-03 | 박문수 | 드론과 드론에 탑재한 기구나 장치들로부터 수집한 정보 데이터를 이용한 조황 예측 방법 |
CN109902596A (zh) * | 2019-01-31 | 2019-06-18 | 交通运输部天津水运工程科学研究所 | 一种开阔地区大群野生动物无人机调查方法 |
CN112219801A (zh) * | 2020-09-30 | 2021-01-15 | 挪威博德维尔有限公司 | 一种无人机定位鱼类和其他水生动物的系统及方法 |
CN113671539A (zh) * | 2021-09-17 | 2021-11-19 | 智仁科技(天津)有限公司 | 一种移动式鱼类信息智能监测装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114667975A (zh) * | 2022-05-30 | 2022-06-28 | 海南热带海洋学院崖州湾创新研究院 | 一种基于大数据和无人机的辅助捕鱼方法 |
CN114667975B (zh) * | 2022-05-30 | 2022-08-02 | 海南热带海洋学院崖州湾创新研究院 | 一种基于大数据和无人机的辅助捕鱼方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114064737B (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rush et al. | Can drones count gulls? Minimal disturbance and semiautomated image processing with an unmanned aerial vehicle for colony‐nesting seabirds | |
Matese et al. | Assessment of a canopy height model (CHM) in a vineyard using UAV-based multispectral imaging | |
CN111289533B (zh) | 风机叶片的巡检方法、装置、无人机和存储介质 | |
CN107504957A (zh) | 利用无人机多视角摄像快速进行三维地形模型构建的方法 | |
Küng et al. | The accuracy of automatic photogrammetric techniques on ultra-light UAV imagery | |
CN114373138A (zh) | 一种高速铁路全自动无人机巡检方法及系统 | |
CN110718137B (zh) | 目标物密度分布地图的构建方法及装置、终端、移动装置 | |
JP2019158635A (ja) | 飛行経路生成装置及び飛行経路生成方法 | |
CN110345925A (zh) | 一种针对五目航拍照片质量检测及空三处理方法 | |
KR102354100B1 (ko) | 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법 및 이를 이용한 해안쓰레기 모니터링 시스템 | |
CN114064737B (zh) | 一种基于无人机的大型鲸类时空分布调查方法和系统 | |
CN113610040B (zh) | 一种基于改进BiSeNetV2分割网络的水稻田杂草密度实时统计方法 | |
CN117557931B (zh) | 一种基于三维场景的表计最优巡检点的规划方法 | |
Dimitrov et al. | Pasture research using aerial photography and photogrammetry | |
Duan et al. | Research on estimating water storage of small lake based on unmanned aerial vehicle 3D model | |
Jech et al. | Measurements of juvenile Atlantic bluefin tuna (Thunnus thynnus) size using an unmanned aerial system | |
Tai et al. | RTAIS: road traffic accident information system | |
CN114659499B (zh) | 一种基于无人机技术的智慧城市3d地图模型摄影建立方法 | |
CN116311010A (zh) | 一种林地资源调查与碳汇计量的方法与系统 | |
CN116451840A (zh) | 一种森林碳储量测算方法、系统、终端及存储介质 | |
Barna et al. | Mathematical analysis of drone flight path | |
CN111402324A (zh) | 一种目标测量方法、电子设备以及计算机存储介质 | |
CN114565725A (zh) | 无人机三维扫描目标区域逆向建模的方法、存储介质及计算机设备 | |
Pachehkenari et al. | Assessing the accuracy of tree height quantification models derived from unmanned aerial system imagery | |
Permana et al. | Analysis of aerial photography with unmanned aerial vehicle (uav) using ecognition developer to estimate the number of trees in the forest area |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |