公开(公告)号：CN114973002B

公开(公告)日：2025-05-02

申请号：CN202210705045.3

申请日：2022-06-21

Applicant: 安徽大学

Inventor： 赵晋陵 ,  戴飞杰 ,  雷雨 ,  黄林生 ,  汪传建 ,  梁栋 ,  黄文江

IPC: G06V20/10 ,  G06V20/17 ,  G06V10/774 ,  G06V10/82 ,  G06V10/40 ,  G06V10/25 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明涉及一种基于改进的YOLOv5的麦穗检测方法，其特征在于：包括：获取麦穗图像并对麦穗图像进行标注，获得麦穗图像数据集，将麦穗图像数据集划分为训练集和测试集；构建YOLOv5网络模型；对YOLOv5网络模型进行改进，得到改进的YOLOv5网络模型；将训练集输入改进的YOLOv5网络模型中，对改进的YOLOv5网络模型进行训练；对改进的YOLOv5网络模型进行评价和测试。本发明使用四尺度特征检测，增加浅层检测尺度，来提高小目标的识别精度；本发明引入CA注意力机制，提升算法的特征提取能力；本发明引入CIOU_Loss作为算法损失函数的Bounding Box Regression Loss，提升检验框检测的准确率。

公开(公告)号：CN118195331A

公开(公告)日：2024-06-14

申请号：CN202311811653.3

申请日：2023-12-27

Applicant: 安徽大学

Inventor： 黄林生 ,  尚俊呈 ,  黄文江 ,  李劲松 ,  钱海明 ,  雷雨 ,  汪新培 ,  赵晋陵 ,  阮超

IPC: G06Q10/0637 ,  G06Q10/067 ,  G06Q50/02 ,  G06F18/10 ,  G06F18/213 ,  G06F18/214

Abstract: 本发明涉及一种基于多源卫星遥感的水稻纹枯病生境适宜性分析方法，包括：获取多源数据；对多源数据进行预处理；进行特征因子的筛选；采用八种模型进行建模，经筛选得到八个初步模型；对比和分析各个初步模型的精度，筛选出初步模型进行集成，得到生境适宜性分析模型，将待分析区域的筛选后的特征因子输入，输出待分析区域的水稻纹枯病生境适宜性结果；对水稻纹枯病生境适宜性结果进行分析，研究纹枯病适生区的分布，变化和主要影响因素。本发明通过生境适宜性分析模型有助于综合考虑影响水稻纹枯病的各特征因子，通过生境适宜性分析模型和时空分析方法，可以及早预警纹枯病可能出现的新生境，从而采取防范措施，减轻其对农业生产的影响。

公开(公告)号：CN117876843A

公开(公告)日：2024-04-12

申请号：CN202410042888.9

申请日：2024-01-11

Applicant: 安徽大学

Inventor： 李海东 ,  赵晋陵 ,  黄林生 ,  阮超 ,  黄文江 ,  梁栋

IPC: G06V10/82 ,  G06V10/80 ,  G06V10/764 ,  G06V10/774 ,  G06V20/10 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及一种具有动态降低图像冗余的高效农作物病害识别方法，与现有技术相比解决了复杂环境下病害识别性能差的缺陷。本发明包括以下步骤：图像数据集的获得及预处理；CA2PNet模型的构建；CA2PNet模型的训练；待识别农作物病害图像的获取；农作物病害图像识别结果的获得。本发明首先通过轻量级CA‑AnchorNet得到具有表征农作物病害区域的特征图，然后通过类激活图(CAM)定位到能反映出类别判别性的病害特征区域并映射到更高分辨率的图像中裁剪出区域块，最后将这些具有更小空间冗余的局部语义块输入轻量级PatchNet进行精准的识别。

公开(公告)号：CN117150351A

公开(公告)日：2023-12-01

申请号：CN202310917381.9

申请日：2023-07-25

Applicant: 安徽大学

Inventor： 黄林生 ,  孔繁楚 ,  黄文江 ,  董莹莹 ,  芦奇宝 ,  尚俊呈 ,  赵晋陵 ,  张寒苏 ,  阮超

IPC: G06F18/241 ,  G01D21/02 ,  G06Q50/26

Abstract: 本发明涉及一种基于MaxEnt和时空立方体的也门沙漠蝗生境适宜性评估方法，包括：获取多源数据；对多源数据进行预处理；进行生境因子的筛选；获得参数最优的MaxEnt模型，对参数最优的MaxEnt模型进行训练，获取也门沙漠蝗年际的生境适宜性结果；构建时空立方体；进行时空一体化分析；根据时空一体化分析结果，给也门的沙漠蝗适宜性划分等级。本发明综合评价生态位条件，MaxEnt模型有助于综合考虑也门沙漠蝗的生态位条件；预测潜在适宜区域，考虑时空变化，时空立方体方法允许在时间和空间上跟踪沙漠蝗生境适宜性变化；提前预警，通过生态位模型和时空立方体方法，可以及早预警沙漠蝗可能出现的新生境，从而采取防范措施，减轻其对农业和生态系统的影响。

公开(公告)号：CN117087887A

公开(公告)日：2023-11-21

申请号：CN202311141350.5

申请日：2023-09-06

Applicant: 安徽大学

Inventor： 赵晋陵 ,  班旭阳 ,  黄林生 ,  雷雨 ,  汪传建 ,  黄文江 ,  梁栋

IPC: B64U20/87 ,  F16M11/12 ,  F16M11/18 ,  B64U101/30 ,  B64U101/40

Abstract: 本发明涉及作物病害治理技术领域，且公开了一种作物病害严重度估测无人机用挂载组件，所述第一固定杆在固定板正下方固定连接有固定底板，所述固定底板顶部固定连接有多功能电机，所述多功能电机穿过中心槽，来到固定板顶部，所述第一固定杆其中一个固定连接有转动电机，所述转动电机开设有输出轴，所述输出轴啮合连接有第一卡齿。该一种作物病害严重度估测无人机用挂载组件，通过各部件之间的配合连接，从而使得在多功能电机和转动电机的工作下，通过各部件一系列的配合，通过第二转动轴带动评估摄像头进行上下以及左右的转动，从而扩大评估摄像头的摄像范围，优化对于作物病害严重度评估的过程及结果。

公开(公告)号：CN116434064A

公开(公告)日：2023-07-14

申请号：CN202310398075.9

申请日：2023-04-14

Applicant: 安徽大学

Inventor： 黄林生 ,  丁翰 ,  张东彦 ,  佘宝 ,  黄文江 ,  赵晋陵 ,  张安骏 ,  阮瑞 ,  朱家明

IPC: G06V20/10 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于SK‑UNet深度学习网络的遥感影像大豆种植区域提取方法，包括：获取10m分辨率的哨兵二号遥感影像并进行预处理，构成遥感影像数据集；构建改进的UNet网络模型即SK‑UNet模型作为大豆种植区影像提取网络；得到训练后的SK‑UNet模型；获取待提取的遥感影像并进行预处理；将预处理后的待提取的遥感影像输入训练后的SK‑UNet模型，得到大豆种植区影像提取结果。本发明基于对UNet网络的改进，在每个双层卷积后加入SKNet Block模块，其可扩展性好且提取精度高，可调整参数应用于不同传感器的遥感卫星影像；通过验证，本发明得到的高分辨率遥感影像分类结果在评价指标优上优于对比分类算法，并且产生的分类结果能够更好的保持了边缘的平滑和完整性。

公开(公告)号：CN115082808B

公开(公告)日：2023-05-09

申请号：CN202210683864.2

申请日：2022-06-17

Applicant: 安徽大学

Inventor： 赵晋陵 ,  张思嘉 ,  严豪 ,  黄林生 ,  雷雨 ,  汪传建 ,  黄文江

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明涉及一种基于高分一号数据与U‑Net模型的大豆种植区提取方法，包括：获取研究区的高分一号数据影像并进行预处理，得到数据集样本；对数据集样本进行数据处理，划分为训练集和测试集；构建U‑Net网络模型；将训练集输入U‑Net网络模型，分析对比基于U‑Net网络模型的损失函数和训练精度变换曲线，对比不同迭代周期训练结果对比图，选择U‑Net网络模型采用的训练周期；U‑Net分类结果与分析。本发明比Deeplabv3+平均交并比高出了8.89％，验证了U‑Net网络模型在大豆种植区提取方面的性能优于SegNet模型和Deeplabv3+模型；U‑Net网络模型作为语义分割网络的一种，在提取大豆种植区这种二分类问题中，展示了良好的效果，比其他模型在遥感提取中表现更为突出。

公开(公告)号：CN115564956A

公开(公告)日：2023-01-03

申请号：CN202211299681.7

申请日：2022-10-24

Applicant: 安徽大学

Inventor： 赵晋陵 ,  李正 ,  张东彦 ,  黄林生 ,  黄文江

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及基于PSPNet网络的无人机小麦影像倒伏区域提取方法，与现有技术相比解决了难以对不同生育期小麦倒伏区域进行影像提取的缺陷。本发明包括以下步骤：训练数据的获取及预处理；PSPNet语义分割网络的构建；PSPNet语义分割网络的训练；倒伏区域待提取图像的获取；无人机小麦影像倒伏区域的提取。本发明克服了针对单一生育期的小麦影像倒伏提取无法做到多个生育期倒伏区估计的难题，且获得理想的倒伏提取结果。

公开(公告)号：CN115171099A

公开(公告)日：2022-10-11

申请号：CN202210780132.5

申请日：2022-07-04

Applicant: 安徽大学

Inventor： 赵晋陵 ,  许磊 ,  黄林生 ,  雷雨 ,  汪传建 ,  黄文江

IPC: G06V20/68 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/25

Abstract: 本发明涉及一种基于改进Faster R‑CNN网络的小麦锈病图像识别方法，与现有技术相比解决了在背景物的干扰下部分小麦叶锈病与杆锈病难以区分的缺陷。本发明包括以下步骤：小麦图像训练数据组的获取；小麦锈病图像识别模型的构建；小麦锈病图像识别模型的训练；待识别小麦锈病图像的获取；小麦锈病图像识别结果的获得。本发明基于卷积神经网络与目标检测进行目标特征提取来判断小麦病情种类，利用预处理并数据标注好的数据集进行网络模型训练，将训练好的模型集中取表现最优异的那一个进行小麦锈病识别，实现了小麦锈病病情种类的高精度检测。

公开(公告)号：CN109657653B

公开(公告)日：2022-10-04

申请号：CN201910051447.4

申请日：2019-01-21

Applicant: 安徽大学

Inventor： 黄林生 ,  丁串龙 ,  杨贵军 ,  赵晋陵 ,  徐超 ,  梁栋 ,  黄文江 ,  翁士状 ,  张东彦

IPC: G06V20/13 ,  G06V10/764 ,  G06T7/00 ,  G06T7/136

Abstract: 本发明涉及一种基于成像高光谱数据的小麦籽粒赤霉病识别方法，与现有技术相比解决了尚无快速识别小麦籽粒赤霉病方法的缺陷。本发明包括以下步骤：高光谱基础图像的采集；高光谱基础图像的预处理；构建小麦籽粒赤霉病识别模型；小麦籽粒赤霉病识别模型的训练；待识别高光谱图像的获取；待识别高光谱图像的预处理；小麦籽粒赤霉病的识别。本发明利用室内高光谱成像数据，通过图像分割技术，在高光谱图像中分割小麦籽粒，继而对小麦籽粒的光谱信息进行对比分析，通过数据噪声去除并进行特征波长筛选，建立了小麦赤霉病病害侵染麦粒的有效识别模型，形成了小麦籽粒赤霉病检测的快速有效方法。