- 综合排序
- 最热优先
- 最新优先
- 来自专栏TomatoCool
js树木季节变化
tl.timeScale(1); // 季节1 tl.staggerTo( '.cls', 1.5, { cycle: { fill: ["#3f7027 季节2 .staggerTo( '.cls', 1.5, { cycle: { fill: ["#9c2706", "#f3bc2e #5f5426"], }, ease: SlowMo.ease.config( 0.7, 0.7, false) }, 0.04 ) // 季节3
48120编辑于 2023-07-30 - 来自专栏二维码应用
如何应用二维码进行苗木养护管理
在进行园林绿化工程施工时，需要对树木、苗木进行养护，养护类别可分为浇水、施肥、打药、修剪等等。 但由于苗木数量过多，很容易出现养护人员忘记对个别苗木进行养护的情况，并且纸质养护记录单填写起来耗费工时且难以保存，管理人员在进行数据汇总分析时也相当麻烦。 为了解决以上难题，可以应用二维码对树木苗木进行数字化管理，具体制作方法和应用优势如下：一、 搭建流程首先需要将园林绿化工程施工工地的苗木按照地段进行划分，譬如每100m的行道树为一个区域，统计该区域内的苗木数量 开启权限限制，防止无关人员误填可开始权限限制，有权限的人员才能扫码填写养护记录，否则不能进行填报。2. 开启防作假功能养护人员在对苗木进行养护的过程中除了对选项进行勾选以外，还需要上传照片加以佐证，并且只能通过现场拍摄进行上传，上传的照片会自带水印，确保养护记录的真实可靠性。3.
39240编辑于 2023-04-28 - 来自专栏相约机器人
深度学习的树木覆盖预测
将训练U-net深度学习网络来预测树木覆盖。 在英国（伦敦西北部）选择了超过600平方英里的面积。Geopedia的欧盟树木覆盖密度已被用于收集地面实况数据。 ? 427, 240, 3), dtype=float32) } mask: { IS_DATA: numpy.ndarray(shape=(3, 427, 240, 1), dtype= = 'he_normal')(conv3) pool3 = MaxPooling2D(pool_size=(2, 2))(conv3) conv4 = Conv2D(512, 3, activation (1,3,2) ax2.imshow(y_train_raw[idx][:,:,0]) ax3 = fig.add_subplot(1,3,3) ax3.imshow(p[0]) ? ) ax2.imshow(y_train_raw[idx][:,:,0]) ax3 = fig.add_subplot(1,3,3) ax3.imshow(p[0]) 显示图像混淆矩阵 predictions
1.1K21发布于 2019-06-24 - 来自专栏ATYUN订阅号
AI识别城市中的树木，帮助研究者绘制树木位置图
例如，纽约市的2015-2016年树木普查耗时近两年（总计12000小时）和2200多名志愿者。西雅图的树木普查至少要到2024年才能完成。 在笛卡尔实验室工作的Tim Wallace表示，“通常，当需要绘制像树木这样的东西时，它们会与其他类型的植物（如草或庄稼）混淆，NDVI通过测量所有植物反射的不同波长和近红外光来探测植被，这意味着它无法区分树木 根据首席营销官Julie Crabill的说法，该公司希望与城市规划者以及企业和非营利组织讨论在树木计数和其他项目中实施该技术。 种植树木长期以来一直是应对气候变化和城市热岛效应的低技术战略。 除此之外，树木是公共健康的福音。它们有助于减轻压力，它们与较低的肥胖率有关，甚至可能减少行人死亡。 然而，最容易遭受这种环境和健康压力的低收入和少数民族社区往往拥有最少的树木覆盖率。 因此，通过准确地绘制树木覆盖位置，可以及时地让地方政府更好地实施植树计划。 然而，这并不会使研究人员，树木专家和志愿者的工作贬值，他们最终还是需要绘制一幅城市城市树冠的精确图片。
1.6K20发布于 2018-12-29 - 来自专栏高效使用DeepSeek
【愚公系列】《高效使用DeepSeek》037-宠物养护
.◾ 移动生态：HarmonyOS/iOS/Android/小程序◾ 前沿领域：物联网/网络安全/大数据/AI/元宇宙◾ 游戏开发：Unity3D引擎深度解析每日更新硬核教程+实战案例，助你打通技术任督二脉 当“毛孩子”的喜怒哀乐化作一道道难解的谜题，人类引以为傲的科技与经验，竟在宠物养护领域频频碰壁。 当科技开始用宠物的视角丈量世界，那些曾经令人抓狂的养护难题，正悄然化作温暖的生命对话。 生物识别与感知技术：DeepSeek 利用多模态感知算法与生物识别技术，为宠物提供智能化、个性化的养护服务。 2.实战案例提示词：你最近收养了一只流浪猫，对猫咪的养护知识不太了解。
55520编辑于 2025-04-07 - 来自专栏数据科学和人工智能
数据集 | 树木覆盖率数据集
数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。
59820编辑于 2022-03-30 - 来自专栏激光熔覆
激光器如何养护才能远离结露没烦恼
3. 红色区域：结露点温度>25℃，一定会产生结露，使用前必须采取措施。 如果水冷机的制冷量和流量有足够冗余的情况下，可以酌情将水温调高1-2℃左右，但是效果有限，提前做好预防很重要。 放置激光器的独立空间环境温度低于35℃，环境湿度低于60% ; 3. 建议设备机柜采用密封设计，并安装工业空调使机柜内部保持恒温恒湿状态，可有效避免激光器结露; 4.
86920编辑于 2022-08-09 - 来自专栏用户1880875的专栏
用开源移动应用 PlantNet 来识别花草和树木
在我居住的地方很多小路和道路两旁都有花草树木。我所在的社区因其每年的枫树节而闻名，枫树对我来说很容易识别。然而，还有许多其他的树我无法识别名字。 最近，我的妻子告诉我了 PlantNet，一个可以识别这些花草和树木的移动应用。它可以在 iOS 和 Android 上使用，而且是免费的，所以我决定试试。 以开源的方式识别植物 我在手机上下载了这个应用程序，开始用它来识别我在村子周围散步时的一些花草和树木。 image.png 选择“相机”选项，将手机的摄像头对准你想识别的树木或花草。拍完照后，点击与你想识别的标本相匹配的选项（叶、花、树皮、果实等）。
1.3K20发布于 2021-09-08 面向市政场景的多维智能巡检系统设计与实现
由于空中视角的特殊性，无人机采集的画面可用于识别树木倒伏、绿化缺失、违章建筑、大面积积水等目标。采集的数据可通过4G/5G网络或降落后人工导入方式，传输至中心服务器。 对于无人机采集的高分辨率图像，可在中心端进行拼接或与历史图像进行比对，辅助分析设施变化趋势，为制定周期性养护计划提供量化依据。三、系统扩展性与数据应用该系统的设计考虑了一定的可扩展性。 通过上述设计与实现，该巡检系统将视频采集、AI识别、数据传输与存储整合为一个闭环，旨在提升市政巡检工作的客观性和效率，为后续的养护维修提供相对完整的数据支持。
19010编辑于 2026-03-03- 来自专栏OpenCV与AI深度学习
基于双目视觉的树木高度测量方法研究
3)块计算。 式（3）中的第一项表示像素点p视差为Dp时的匹配代价；第2项表示当视差差值为1个像素时，将增加1个惩罚系数P1；Dq为视差，Dp-Dq表示视差差值；第3项表示当视差差值大于1个像素时，将增加1个惩罚系数 P、Q两点的坐标如表2和3所示。树木实际高度采用全站仪10次测量的平均结果得到。 由表2和3可知，通过获取树木关键点的空间坐标计算树木高度的方法具有一定的可行性，误差相对较小，与实际数据具有较强的相关性。 ，对于拍摄5~6m以上较高的树木误差可以控制在3%左右，2种算法均满足精准林业的精度需求。
2.3K30编辑于 2022-05-26 - 来自专栏二维码应用
给桥梁定制专属二维码，让桥梁养护高效化
自2020年起，宁波市江北区市政养护中心便通过草料二维码给该区域内的所有桥梁都定做了专属二维码铭牌。 这一举措不仅提高了桥梁的养护效率，还能让市民在市政领域产生更强烈的参与感。图片除了便利市民以外，桥梁专属二维码还让相关工作人员的巡检、维修工作变得更加高效化。 同时，市政养护中心的管理人员还可以在草料二维码的后台一键导出所有数据，分析扫码收集来的巡检、维修信息，从而推导出桥梁及其附属设施的生命周期，进一步确保市政设施的良好运行。 图片标牌落地在施工工艺方面，江北区市政养护中心摒弃了传统的悬挂、贴附等安装方法，而是采用高透明环氧树脂将不锈钢铭牌嵌入桥面铺装中。 同时，在不破坏桥梁外观的前提下，方便了桥梁的养护工作。图片图片
41120编辑于 2023-04-23 - 来自专栏高速公路那点事儿
智慧养护 | 高速公路智慧巡检产品都可以检测那些对象？
我们知道海量交通出行极易造成道路病害频发，影响公路使用寿命及使用安全，无法落实预防性养护。 目前高速公路的养护覆盖不全面，养护措施不及时，被动养护缩短了道路寿命。 下面我们看看传统巡检的痛点。 3.传统车巡通常需要保持较低车速，发现病害需要停车拍摄，过程繁杂低效。 4.巡检员专业水平参差不齐，病害识别主观性强，容易出现误检，影响后续养护。 2.可识别类型达数十种，包括路面病害及常见交安设施： （1）沥青路面：坑槽、横向裂缝、纵向裂缝、龟裂、修 补等； （2）水泥路面：坑洞、裂缝、边角剥落、面板破碎、板角断裂等； （3）路产识别：电子情报板 、龙门架、交通信号灯、护栏、交通标志等； （4）路产损坏： 护栏损坏、路框差、井盖破损、交通标志损坏等； 3.病害检测平均准确率达95%以上。 智慧巡检的可检测对象包括但不限于： 03-智慧巡检可检测对象 04-检测对象样品举例 下面列举一些实际项目中的样片： 1.坑槽 2.横向裂纹 3.纵向裂纹 4.块状裂纹 5.龟裂 6.修补 7.抛洒物
21810编辑于 2025-07-03 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine（GEE）——全球树木异体测量和树冠结构（Tallo）数据库
全球树木异体测量和树冠结构（Tallo）数据库 Tallo数据库（V1.0.0）收集了498,838条有地理坐标和分类学标准的单个树木记录，这些树木的干径、高度和/或树冠半径已被测量。 Tallo包括在全球6万多个地点获得的5000多个树种的近50万条地理参考和分类学标准记录，包括所有主要陆地生物群落的数据和一些世界上有记录的最大的树木。 数据库中的大多数树木都被鉴定为物种（88%），Tallo总共包括5163个物种的数据，分布在1453个属和187个植物科。该数据库在CC-BY 4.0许可下公开存档。
43210编辑于 2024-02-02 - 来自专栏大话存储
硬件架构“变天”了，不能只见树木不见森林
这个架构变化，不但影响计算侧，也会影响数据存储侧、网络通信侧，忽略了这个变化，无疑是只见树木不见森林。 CXL也是体系架构“变天”力量源泉，相比于硬件体系架构XPU，CXL带来的变化和冲击会更加深远，如果还没有意识到这种变化的来袭，则更是一种只见树木不见森林。 那么CXL最大的变化和优势是什么呢?
59630编辑于 2023-01-14 - 来自专栏数据 学术 商业 新闻
Python-geopandas-旧金山街道树木分布可视化绘制
1简介 开门见山，今天我们要模仿的数据可视化作品来自 「#TidyTuesday」 活动于2020年1月28日发布的「旧金山街道树木数据集」下的众多参赛作品中，由Philippe Massicotte 结合我们手头的数据：旧金山社区「面」数据、有登记的街道树木「点」数据，至于道路网「线」数据我们则可以利用第三方库osmnx进行获取（建议利用conda install -c conda-forge osmnx 图3 接着我们在上述数据基础上对每个社区面内部的街道树木数量进行统计并对数据进行分箱，配上预设区间的色彩值： # 统计每个社区内部的树木数量 sf_trees = \ ( gpd # 空间连接 osm路网 ax = ( roads .plot(linewidth=0.05, edgecolor='#3c3d3d', ax=ax) ) # 设置x轴 ax.set_xticks osm路网 ax = ( roads .plot(linewidth=0.05, edgecolor='#3c3d3d', ax=ax) ) # 设置x轴 ax.set_xticks
1.3K20发布于 2021-02-22 - 来自专栏智能单警装备柜
消防智能作战服架或单兵养护舱关于电机驱动JAVA开发（一）
} catch (IOException e) { e.printStackTrace(); return null; } }}3. static void main(String[] args) { MotorController motorController = new MotorController("COM3" ); // 假设使用COM3端口 // 打开串口连接 if (motorController.openPort()) { System.out.println
37510编辑于 2025-01-27 - 来自专栏高速公路那点事儿
数字化转型 | 高速公路智慧养护管理系统的功能设计探讨
应急养护管理 系统提供平台端和移动 APP 端应急养护管理功能。 可根据拟定的应急养护管理方案和措施，为路政、交警等养护协同单位提供应急养护事件上报入口。 当路网发生事件造成路面破损时，路政和交警可以通过上报入口，及时将此信息通知养护管理人员，养护管理人员负责派发养护任务，并督促尽快完成路面修复工作。 智慧养护科学决策 养护目标计划设定 系统可分析各路段历年养护作业数据及投入费用，并且支持以可视化图表展示。 养护决策后评估 构建集团养护评估模型，通过统计、分析平台推送的各类养护计划、方案及执行情况，形成综合评估，并不断完善集团养护决策。 结语 智慧养护管理系统的建设将进一步提升科学决策水平、提高养护精细化管理水平，实现专项养护工程的全生命周期管理，深度挖掘养护大数据资源，发挥数据效能。
50800编辑于 2025-07-03 CVPR 2025 Oral | 港大提出OverLoCK：模仿人类视觉机制，让模型“先见森林，再见树木”
就像“只见树木，不见森林”，模型在局部处理时，无法有效利用对全局的已有理解来聚焦关键信息。
21210编辑于 2026-02-03遥感图像建筑房屋树木水体分割数据集labelme格式2026张5类别
coco格式作语义分割或者实例分割 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注 该数据集包含五类地理信息：“Tin_Shade”（金属遮阳结构）、“Tree”（树木 “Tree”类别涵盖各种树木形态，对森林砍伐和土地利用变化研究至关重要，能评估森林覆盖率变化，推动可持续发展。
37900编辑于 2025-07-16《C 语言助力神经网络剪枝：优化模型的卓越之道》
这就好比是对一棵枝繁叶茂的大树进行修剪，去除那些不必要的枝叶，让树木更加精简而健壮，能够更高效地生长和发挥作用。在神经网络中，连接众多，并非所有的连接都同等重要。 这一过程类似于对修剪后的树木进行养护，让它能够在新的形态下茁壮成长。神经网络剪枝算法在 C 语言中的实现具有重要的现实意义。
19800编辑于 2024-12-16
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号