本發(fā)明公開(kāi)了一種基于多尺度生態(tài)環(huán)境大數(shù)據(jù)集成的大氣污染溯源方法，屬于環(huán)境保護(hù)技術(shù)領(lǐng)域。該方法通過(guò)集成衛(wèi)星遙感、地面監(jiān)測(cè)、氣象數(shù)據(jù)和排放數(shù)據(jù)等多源信息，結(jié)合數(shù)據(jù)融合、機(jī)器學(xué)習(xí)分類(lèi)、聚類(lèi)分析、回歸分析和軌跡追蹤等算法，實(shí)現(xiàn)大氣污染源的精準(zhǔn)識(shí)...

本發(fā)明涉及計(jì)算機(jī)視覺(jué)和圖像處理技術(shù)領(lǐng)域，為一種通過(guò)特征點(diǎn)篩選優(yōu)化視覺(jué)定位位姿結(jié)果的方法，具體是基于視覺(jué)的位姿求解過(guò)程中通過(guò)特征點(diǎn)篩選優(yōu)化位姿結(jié)果的方法。通過(guò)特征點(diǎn)評(píng)分、圖像網(wǎng)格化以及網(wǎng)格內(nèi)特征點(diǎn)選取，有效降低了局部可能變化的物體對(duì)定位結(jié)...

本發(fā)明涉及光電數(shù)據(jù)處理技術(shù)領(lǐng)域，提供基于調(diào)色原理的光波色譜計(jì)算機(jī)編碼方法、系統(tǒng)和架構(gòu)，旨在突破傳統(tǒng)電子計(jì)算的性能瓶頸。該方法通過(guò)色彩二進(jìn)制編碼、光波態(tài)離散映射，并基于光學(xué)調(diào)色原理實(shí)現(xiàn)物理級(jí)色彩處理。系統(tǒng)集成數(shù)字輸入接口、波長(zhǎng)編碼轉(zhuǎn)換器、...

本發(fā)明提出了一種基于大語(yǔ)言模型的機(jī)頂盒用戶(hù)智能播放鑒權(quán)方法，涉及人工智能技術(shù)領(lǐng)域，包括：S1、獲取用戶(hù)訂購(gòu)信息及實(shí)時(shí)數(shù)據(jù)，并進(jìn)行數(shù)據(jù)預(yù)處理；S2、通過(guò)LLM大語(yǔ)言模型解析機(jī)頂盒的節(jié)目?jī)?nèi)容元數(shù)據(jù)，以提取內(nèi)容權(quán)限標(biāo)簽；S3、結(jié)合內(nèi)容權(quán)限標(biāo)簽...

本發(fā)明涉及地理信息系統(tǒng)技術(shù)領(lǐng)域，具體為一種基于Gis地理空間計(jì)算的動(dòng)態(tài)智能選址方法及系統(tǒng)，包括數(shù)據(jù)輸入模塊、數(shù)據(jù)處理模塊、地理空間計(jì)算模塊、篩選模塊和結(jié)果輸出模塊，各模塊通過(guò)數(shù)據(jù)接口和控制流實(shí)現(xiàn)協(xié)同工作。本發(fā)明通過(guò)實(shí)現(xiàn)基于Gis地理空間...

本發(fā)明涉及人工智能與氣象工程交叉技術(shù)領(lǐng)域，具體為基于多模態(tài)時(shí)空大模型的空飄物軌跡預(yù)測(cè)方法及系統(tǒng)，步驟1、多模態(tài)數(shù)據(jù)采集與預(yù)處理；步驟2、聯(lián)邦學(xué)習(xí)數(shù)據(jù)共享；步驟3、時(shí)空對(duì)齊處理；步驟4、物理約束軌跡預(yù)測(cè)；步驟5、殘差動(dòng)態(tài)修正；步驟6、可視...

本發(fā)明涉及計(jì)算機(jī)視覺(jué)與三維重建技術(shù)領(lǐng)域，具體為基于特征一致性與深度約束的稀疏視角神經(jīng)隱式表面重建方法，包括以下步驟：步驟1、多視圖特征提取；步驟2、體渲染特征一致性約束；步驟3、深度先驗(yàn)校準(zhǔn)；步驟4、不確定性引導(dǎo)的深度約束；步驟5、顏色...

本發(fā)明涉及虛擬現(xiàn)實(shí)技術(shù)領(lǐng)域，具體為一種基于位置感知的空間計(jì)算動(dòng)態(tài)虛擬物體光照渲染方法，通過(guò)調(diào)用移動(dòng)設(shè)備GPS、系統(tǒng)時(shí)鐘、加速度計(jì)等，獲取地理緯度、日期及設(shè)備姿態(tài)數(shù)據(jù)；基于天文模型計(jì)算太陽(yáng)赤緯與高度角，確定實(shí)時(shí)光照角度及方位；將光照參數(shù)同...

本發(fā)明涉及計(jì)算機(jī)軟件測(cè)試與人工智能交叉技術(shù)領(lǐng)域，具體為一種大模型驅(qū)動(dòng)的復(fù)雜系統(tǒng)自動(dòng)化測(cè)試場(chǎng)景智能編排與動(dòng)態(tài)執(zhí)行的方法，包括以下步驟：步驟1、多源數(shù)據(jù)采集；步驟2、數(shù)據(jù)預(yù)處理；步驟3、系統(tǒng)模型構(gòu)建；步驟4、大模型訓(xùn)練與場(chǎng)景編排；步驟5、測(cè)...

本發(fā)明涉及虛擬現(xiàn)實(shí)技術(shù)領(lǐng)域，具體為一種基于全景圖像場(chǎng)景理解算法的室內(nèi)結(jié)構(gòu)重建方法，包括：S11：通過(guò)全景相機(jī)或全景圖像拼接算法獲取當(dāng)前室內(nèi)場(chǎng)景的多張等距柱狀投影全景圖像；S12：對(duì)采集的全景圖像使用SAM進(jìn)行語(yǔ)義分割，并在語(yǔ)義分割的結(jié)果...

本發(fā)明涉及多模態(tài)信息處理與高效檢索技術(shù)領(lǐng)域，具體為一種以文本為核心的多模態(tài)特征融合高效檢索方法及系統(tǒng)，包括用戶(hù)交互層、核心處理層和數(shù)據(jù)存儲(chǔ)層；用戶(hù)交互層用于提供查詢(xún)輸入界面和檢索結(jié)果展示界面，支持用戶(hù)以文本形式輸入查詢(xún)內(nèi)容，并以文本描述...

本發(fā)明涉及大數(shù)據(jù)技術(shù)領(lǐng)域，具體為一種基于大模型實(shí)現(xiàn)系統(tǒng)智能撥測(cè)的方法，該方法通過(guò)用戶(hù)輸入模塊、撥測(cè)腳本生成模塊、撥測(cè)執(zhí)行模塊、智能分析模塊、測(cè)試報(bào)告生成模塊、反饋學(xué)習(xí)模塊、可視化模塊及智能撥測(cè)大模型的協(xié)同工作，依次完成測(cè)試需求輸入、腳本...

本發(fā)明涉及計(jì)算機(jī)視覺(jué)與圖形學(xué)技術(shù)領(lǐng)域，具體為一種基于體渲染神經(jīng)網(wǎng)絡(luò)的無(wú)符號(hào)距離場(chǎng)三維重建方法，包括：步驟1、體渲染先驗(yàn)網(wǎng)絡(luò)的構(gòu)建與訓(xùn)練；步驟2、多分辨率窗口融合；步驟3、基于渲染先驗(yàn)的UDF反演；步驟4、無(wú)偏差分層采樣；步驟5、表面提取...

本發(fā)明提出了一種基于sft訓(xùn)練的行業(yè)大模型訓(xùn)練方法，涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，包括：S1、獲取行業(yè)有監(jiān)督數(shù)據(jù)和行業(yè)無(wú)監(jiān)督數(shù)據(jù)，并構(gòu)建行業(yè)標(biāo)注數(shù)據(jù)集；S2、獲取預(yù)訓(xùn)練的大模型，并基于行業(yè)標(biāo)注數(shù)據(jù)集采用有監(jiān)督微調(diào)sft方法基于ms?swift框...

本申請(qǐng)涉及人工智能數(shù)據(jù)分析技術(shù)領(lǐng)域，尤其涉及一種基于思維塊框架的大模型推理方法。與現(xiàn)有技術(shù)思維樹(shù)TOT框架將問(wèn)題解決過(guò)程表示為一棵樹(shù)不同，TOB框架將問(wèn)題解決過(guò)程表示為一個(gè)思維塊，思維塊由幾個(gè)模塊構(gòu)成，模塊分別為條件快、事實(shí)塊、問(wèn)題塊、...

本發(fā)明涉及水利數(shù)據(jù)管理技術(shù)領(lǐng)域，是一種基于LSTM網(wǎng)絡(luò)與多模態(tài)數(shù)據(jù)融合的灌區(qū)用水量預(yù)測(cè)方法；具體涉及人工智能在灌區(qū)農(nóng)業(yè)灌溉管理中的應(yīng)用，特別是一種結(jié)合深度學(xué)習(xí)和多源數(shù)據(jù)融合的用水量預(yù)測(cè)方法。包括數(shù)據(jù)預(yù)處理、特征提取、模型構(gòu)建、訓(xùn)練優(yōu)化、...

本發(fā)明涉及地理信息系統(tǒng)GIS與人工智能AI、時(shí)空大數(shù)據(jù)分析與可視化交叉領(lǐng)域，尤其涉及一種基于地理空間人工智能GeoAI的智能搜索分析后自動(dòng)構(gòu)建GIS平臺(tái)一張圖的方法。包括多源數(shù)據(jù)輸入與自適應(yīng)預(yù)處理、智能搜索分析、數(shù)據(jù)融合與特征提取、自動(dòng)...

本發(fā)明涉及人工智能與計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域，具體為一種基于大模型的射擊靶紙彈孔識(shí)別與行為分析方法，包括以下步驟：步驟1、圖像采集與預(yù)處理；步驟2、彈孔識(shí)別與分類(lèi)；步驟3、大模型特征提取與融合；步驟4、行為智能體分析；步驟5、行為分類(lèi)與打分；...

發(fā)明涉及信息數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種基于多維土壤數(shù)據(jù)的動(dòng)態(tài)測(cè)土配肥推薦方法與系統(tǒng)，適用于精準(zhǔn)農(nóng)業(yè)中的肥料推薦。針對(duì)傳統(tǒng)施肥方案依賴(lài)經(jīng)驗(yàn)、肥料利用率低、環(huán)境污染，以及現(xiàn)有測(cè)土配方技術(shù)缺乏多肥料類(lèi)型組合動(dòng)態(tài)計(jì)算能力、未充分結(jié)合作物生長(zhǎng)...

本發(fā)明屬于地理信息系統(tǒng)（GIS）與網(wǎng)絡(luò)地圖服務(wù)技術(shù)領(lǐng)域，基于多級(jí)幾何簡(jiǎn)化的自適應(yīng)矢量瓦片生成方法及實(shí)時(shí)渲染優(yōu)化系統(tǒng)。本發(fā)明通過(guò)深度整合PostGIS的空間計(jì)算能力通過(guò)ST_Simplify系列函數(shù)、拓?fù)湫ｒ?yàn)工具鏈與客戶(hù)端渲染優(yōu)化，構(gòu)建了...