-
公开(公告)号：CN118347984A
公开(公告)日：2024-07-16
申请号：CN202410457986.9
申请日：2024-04-17
Applicant: 安徽大学
Abstract: 本发明提供一种基于SERS和戊唑醇对镰孢菌孢子的检测方法，包括如下步骤：合成银纳米颗粒溶液；配置戊唑醇溶液；将待测溶液和戊唑醇溶液按1:(1～10)的体积比混合，以获得溶液a；将溶液a与银纳米颗粒溶液按1:(1～4)的体积比混合并震荡，以获得溶液b；利用拉曼光谱仪采集溶液b的拉曼光谱，得到第一光谱数据；根据第一光谱数据以及预设光谱数据求得待测溶液中镰孢菌孢子的类别和浓度。戊唑醇能够抑制真菌的麦角甾醇合成，从而改变细胞膜的通透性和吸附性，促进孢子内部物质释放以及纳米颗粒和细胞间的热点区域构筑，以提高不同孢子的特异性物质和纳米颗粒的结合概率，大大提高镰孢菌孢子的检测效果和灵敏度。
-
公开(公告)号：CN117286014A
公开(公告)日：2023-12-26
申请号：CN202311254140.7
申请日：2023-09-26
Applicant: 安徽大学
Abstract: 本发明涉及农业病菌孢子检测技术领域，具体是涉及一种能够捕捉气传真菌病害孢子的自动化装置，包括壳体、竖直设置于壳体内的孢子捕捉装置，孢子捕捉装置靠近壳体顶部设置；所述孢子捕捉装置还设有顶部捕捉仓和侧壁捕捉仓，顶部捕捉仓呈竖直状态设置于孢子捕捉装置顶部且穿过壳体置于防尘罩内；侧壁捕捉仓呈竖直状态固定设置于壳体边角处且一一对应壳体边角设置有多组；孢子检测装置呈竖直状态固定设置于壳体内且靠近壳体底部设置；所述壳体的外壁还折叠设置有用以为设置供电的太阳能供电模块；本发明不仅可以实现自动对孢子进行捕捉而且可以自动对其进行检测，可以实时对孢子进行检测，精确地预测孢子的传播以及病害情况。
-
公开(公告)号：CN119339088B
公开(公告)日：2025-03-18
申请号：CN202411874111.5
申请日：2024-12-19
Applicant: 安徽大学
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06T7/90 , G06T7/529 , G06V10/82
Abstract: 本发明提供一种基于感知增强门控网络的小麦染病麦穗分割方法，包括：获取待检测小麦图像，待检测小麦图像中包括若干小麦麦穗；将待检测小麦图像输入至训练好的感知增强门控网络模型中，得到分割图像；分割图像中的健康小麦麦穗的颜色、患病小麦麦穗的颜色、背景区域的颜色相异；感知增强门控网络模型融合了双门控机制和多尺度扩张卷积块，以实现对小麦麦穗的精确分割。该方法通过两种不同的门控单元在语义特征提取分支中保留了浅层局部特征的同时又提取到了更深层次的上下文特征，获取多样的特征细节，使得语义分割模型在复杂场景下仍然可以拥有优异的性能表现，进而得到非常精确的分割图像。
-
公开(公告)号：CN115937682A
公开(公告)日：2023-04-07
申请号：CN202211633607.4
申请日：2022-12-19
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/047 , G06N3/0475 , G06N3/0895
Abstract: 本发明涉及一种标注样本缺失下的植物叶部病害视觉识别方法，包括：获取原始的植物叶部病害数据集，进行数据标注；进行数据增强处理；基于生成对抗网络GAN和分类器，构建双策略半监督学习模型GANC‑DGAN；利用增强后的植物叶部病害数据集对双策略半监督学习模型GANC‑DGAN进行训练，使用训练好的双策略半监督学习模型GANC‑DGAN进行植物叶部病害识别。本发明的实际应用价值高，通过构建双策略半监督学习模型GANC‑DGAN，针对标注图像缺少、训练样本少的问题，提高了识别效率，为农作物病害识别提供了理论指导与技术支撑，对农业作物病害监测具有重大的现实意义。
-
公开(公告)号：CN118521476A
公开(公告)日：2024-08-20
申请号：CN202410518449.0
申请日：2024-04-28
Applicant: 安徽大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/048
Abstract: 本发明提供一种图像超分辨率方法、电子设备及存储介质，其中图像超分辨率方法包括如下步骤：获取待处理的低分辨率图像；利用训练得到的超分网络的编码器对低分辨率图像进行处理，以提取低分辨率图像的基本特征，得到潜码；利用超分网络的多尺度隐式Transformer对潜码进行处理，以提取潜码的多尺度信息，得到注意力潜码；利用超分网络的解码器对注意力潜码进行处理，得到高分辨率图像。该方法通过构建和训练超分网络，将待处理的低分辨率图像和超分后图像的宽高输入到训练好的超分网络中，该超分网络会自动输出设定尺寸的高分辨率图像，宽高还可以分别具有不同的放大倍率，该方法实现了在任意尺度超分辨率任务下的优异表现。
-
Patent Agency Ranking
公开(公告)号：CN117272021A
公开(公告)日：2023-12-22
申请号：CN202311211477.X
申请日：2023-09-19
Applicant: 安徽大学
IPC: G06F18/213 , G06F18/2451 , G01N25/72
Abstract: 本发明涉及一种基于水果表面不同组织热特性的水果损伤检测方法，与现有技术相比解决了难以针对水果进行损坏检测的缺陷。本发明包括以下步骤：温度数据的采集；温度数据特征值的提取；特征值的计算；分类器的训练；获取待检测水果的温度数据；水果损伤检测结果的获得。本发明通过热电堆传感器采集水果样品不同感兴趣区域的温度数据；对温度数据进行压缩和傅里叶变换分析，提取曲线峰值作为特征值；将特征值输入最小二乘法线性分类器进行分类训练，从而实现对待测水果损伤的检测。
-
公开(公告)号：CN117115660A
公开(公告)日：2023-11-24
申请号：CN202311239981.0
申请日：2023-09-25
Applicant: 安徽大学
IPC: G06V20/10 , G06V20/68 , G06V10/22 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种结合检测网络和点回归的葡萄图像采摘点位置单阶段定位方法，与现有技术相比解决了难以定位出葡萄图像中茎位置的缺陷。本发明包括以下步骤：葡萄图像的获取及预处理；葡萄采摘点定位模型的构建；葡萄采摘点定位模型的训练；待定位葡萄图像的获取；葡萄图像采摘点位置的定位。本发明使用了具有点回归的检测网络来检测葡萄茎并同时确定采摘点，获得了良好而准确的采摘点定位，其简单性、可部署性和可操作性远远优于两阶段方法，为葡萄果实采摘提供了实用可靠的技术支撑。
-
公开(公告)号：CN119375209A
公开(公告)日：2025-01-28
申请号：CN202411630323.9
申请日：2024-11-15
Applicant: 安徽大学
Abstract: 本发明提供一种一种空气真菌病害孢子微流控SERS采集系统及方法，该系统包括微流控纯化模块，用于对抽取的气体进行分离富集，得到富集的孢子；SERS传感模块，用于将富集的孢子和增强粒子进行混合，得到被测溶液；光谱采集模块，用于采集被测溶液的光谱后输出；以及控制模块，控制模块与微流控纯化模块、SERS传感模块以及光谱采集模块电连接，用于控制这些模块的启停时序。微流控纯化模块从物理方法上实现孢子的纯化，SERS传感单元生成被测溶液，光谱仪采集溶液的拉曼光谱数据，这些模块体积都比较小巧，使得本系统可以部署在无人机上，方便在任意位置进行数据采集，该采集过程是全自动的，无需人员参与，可大幅提高检测效率。
-
公开(公告)号：CN119339088A
公开(公告)日：2025-01-21
申请号：CN202411874111.5
申请日：2024-12-19
Applicant: 安徽大学
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06T7/90 , G06T7/529 , G06V10/82
Abstract: 本发明提供一种基于感知增强门控网络的小麦染病麦穗分割方法，包括：获取待检测小麦图像，待检测小麦图像中包括若干小麦麦穗；将待检测小麦图像输入至训练好的感知增强门控网络模型中，得到分割图像；分割图像中的健康小麦麦穗的颜色、患病小麦麦穗的颜色、背景区域的颜色相异；感知增强门控网络模型融合了双门控机制和多尺度扩张卷积块，以实现对小麦麦穗的精确分割。该方法通过两种不同的门控单元在语义特征提取分支中保留了浅层局部特征的同时又提取到了更深层次的上下文特征，获取多样的特征细节，使得语义分割模型在复杂场景下仍然可以拥有优异的性能表现，进而得到非常精确的分割图像。
-
公开(公告)号：CN117197807A
公开(公告)日：2023-12-08
申请号：CN202311220559.0
申请日：2023-09-20
Applicant: 安徽大学
IPC: G06V20/69 , G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及基于YOLOv4‑tiny轻量化模型的小麦赤霉病孢子识别方法，与现有技术相比解决了赤霉病孢子检测准确率低、检测速度慢、计算量大的缺陷。本发明包括以下步骤：孢子图像数据集的建立；构建轻量化孢子识别模型；轻量化孢子识别模型的训练；待识别孢子图像的获取；小麦赤霉病孢子识别结果的获得。本发明利用YOLOv4‑tiny具有更高的检测速度和较好的实时性的特点，在保证准确性的同时实现快速检测；本发明通过将YOLOv4主干特征提取网络CSPDarknet53模块替换为CSPDarknet53_tiny模块，有效的实现了小麦赤霉病孢子快速准确检测识别。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.014 seconds)
