-
公开(公告)号：CN115358993A
公开(公告)日：2022-11-18
申请号：CN202211004153.4
申请日：2022-08-22
Applicant: 安徽大学
IPC: G06T7/00 , G06T7/73 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及基于注意力融合因子特征金字塔的极小尺度害虫图像检测方法，与现有技术相比解决了难以针对极小尺度害虫图像进行检测的缺陷。本发明包括以下步骤：极小尺度害虫图像数据的获取；基于注意力融合因子特征金字塔的构建；害虫目标定位分类网络的构建；基于注意力融合因子特征金字塔与害虫目标定位分类网络的联合训练；待测极小尺度害虫图像的获取；极小尺度害虫图像的定位识别。本发明提升了对小尺度害虫图像的细节特征提取的能力，增强了小尺度害虫的特征表达能力。
-
公开(公告)号：CN113869246A
公开(公告)日：2021-12-31
申请号：CN202111163882.X
申请日：2021-09-30
Applicant: 安徽大学
Abstract: 本发明涉及基于改进CenterNet技术的小麦条锈病菌夏孢子显微图像检测方法，与现有技术相比解决了难以针对夏孢子显微图像进行检测的缺陷。本发明包括以下步骤：夏孢子显微图像的获取和预处理；夏孢子检测网络的构建；夏孢子检测网络的训练；待检测夏孢子显微图像的获取；待检测夏孢子显微图像检测结果的获得。本发明能够精准检测并分割出夏孢子显微图像中的夏孢子，且检测速度快。
-
公开(公告)号：CN115019303A
公开(公告)日：2022-09-06
申请号：CN202210892609.9
申请日：2022-07-27
Applicant: 安徽大学
Abstract: 本发明涉及基于自注意力机制的草莓病害图像识别方法，与现有技术相比解决了草莓病害图像难以识别的缺陷。本发明包括以下步骤：获取草莓病害图像数据集并进行预处理；构建草莓病害分类识别模型；构建草莓病害自注意力机制模块；草莓病害分类识别模型的训练；待识别草莓病害图像的获得；待识别草莓病害图像结果的获得。本发明解决现阶段草莓病害识别精度问题，使用数据增强处理草莓病害图像，并提出了自注意力机制模块，结合使用草莓病害分类识别模型作为骨干网络加快草莓病害的识别速度与准确度。
-
Patent Agency Ranking
公开(公告)号：CN119732340A
公开(公告)日：2025-04-01
申请号：CN202411983350.4
申请日：2024-12-31
Applicant: 安徽大学
Abstract: 一种便携式虫情测报设备及监测方法，便携式虫情测报设备包括遮雨顶棚及设置在遮雨顶棚下部的处置舱室；处置舱室内由上至下依次设有引虫灯诱虫组件、风扇吸虫组件、虫体拍照组件、集虫组件，其中，引虫灯诱虫组件用于吸引害虫靠近风扇吸虫组件的可吸入范围，风扇吸虫组件用于将位于引虫灯诱虫组件周围的害虫吸入处置舱室内部，虫体拍照组件用于将被吸入害虫停留于处置舱室且进行虫体图片采集，集虫组件用于收集拍照完图片的害虫；处置舱室的外围还设置树莓派控制组件，用于调控引虫灯诱虫组件、风扇吸虫组件及虫体拍照组件的协同工作。本发明能够完成害虫的完整、全面捕捉，具有结构简单，体积小便携，造价低的优势。
-
公开(公告)号：CN119723286A
公开(公告)日：2025-03-28
申请号：CN202411797086.5
申请日：2024-12-09
Applicant: 安徽大学
IPC: G06V10/82 , G06V10/20 , G06V10/764 , G06V10/40 , G06N3/0464 , G06N3/08 , G06V20/52
Abstract: 本发明涉及一种基于YOLOv8的大棚草莓病害实时检测方法，包括：获取草莓病害图像并进行预处理；对草莓病害图像数据集进行划分；构建草莓病害识别分类模型；得到训练后的草莓病害识别分类模型；获取待检测的草莓图像并进行预处理，将预处理后的待检测的草莓图像输入训练后的草莓病害识别分类模型，得到检测结果。本发明基于YOLOv8特征增强，使用数据增强处理草莓病害图像，提出了特征增强模块，结合YOLOv8主干网络对草莓病害进行识别，拥有较快的检测速度及高精确度；通过实时检测画面监测并获取草莓病害情况信息，将由病害情况的草莓地址及病害程度信息上传至存储器中，减少了排查的人力资源消耗。
-
公开(公告)号：CN114565048A
公开(公告)日：2022-05-31
申请号：CN202210201018.2
申请日：2022-03-02
Applicant: 安徽大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于自适应特征融合金字塔网络的三阶段害虫图像识别方法，包括：获取害虫图像数据集；构建自适应特征融合金字塔网络，将害虫原图像输入，输出害虫特征图；构建三阶段害虫图像目标定位识别网络；自适应特征融合金字塔网络与三阶段害虫图像目标定位识别网络组成害虫图像识别模型，将训练集输入害虫图像识别模型，将测试集输入训练好的害虫图像识别模型中，输出害虫图像检测的结果。本发明加强对害虫图像特征提取能力，获得更高质量更准确的预测框，最后构建三阶段害虫图像目标定位识别网络，加强了对害虫目标检测的精度；本方法可以运用到复杂的、相似度高的农业害虫检测工作中。
-
公开(公告)号：CN113869246B
公开(公告)日：2022-04-01
申请号：CN202111163882.X
申请日：2021-09-30
Applicant: 安徽大学
IPC: G06V20/69 , G06V10/774 , G06K9/62
Abstract: 本发明涉及基于改进CenterNet技术的小麦条锈病菌夏孢子显微图像检测方法，与现有技术相比解决了难以针对夏孢子显微图像进行检测的缺陷。本发明包括以下步骤：夏孢子显微图像的获取和预处理；夏孢子检测网络的构建；夏孢子检测网络的训练；待检测夏孢子显微图像的获取；待检测夏孢子显微图像检测结果的获得。本发明能够精准检测并分割出夏孢子显微图像中的夏孢子，且检测速度快。
-
公开(公告)号：CN120014554A
公开(公告)日：2025-05-16
申请号：CN202510104704.1
申请日：2025-01-23
Applicant: 安徽大学
Abstract: 本发明涉及一种基于多核注意力网络的密集微小害虫图像检测方法，与现有技术相比解决了难以针对密集微小害虫图像进行检测的缺陷。本发明包括以下步骤：密集微小害虫图像数据集的生成；害虫图像多尺度特征的提取；构建小尺度害虫双通道多核特征提取模型；小尺度害虫双通道多核特征提取模型的训练；密集微小害虫图像检测结果的获得。本发明显著提高了密集微小害虫图像的检测精度，使用密集害虫区域聚焦提取模块提取密集害虫区域，通过跨阶段局部网络有效提取害虫的多尺度特征，结合提出的小尺度害虫双通道多核特征提取模型更精准地识别微小害虫，加快虫害的检测速度与准确度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
