-
公开(公告)号：CN104655574A
公开(公告)日：2015-05-27
申请号：CN201510051420.7
申请日：2015-01-30
Applicant: 安徽大学
IPC: G01N21/25
Abstract: 本发明涉及农业植保信息技术领域，特别涉及一种作物病害叶片叶绿素含量测定装置，包括：测量探头，光谱信号处理装置以及高度调节器；其中，测量探头，由激光器、光谱接收器和叶片搭载器构成；激光器和叶片搭载器之间设有用于夹合的卡接件；叶片搭载器用于放置和固定待测作物整个叶片；激光器的出射光线照射待测作物整个叶片表面，光谱接收器检测待测作物整个叶片的光谱信号，并将所述光谱信号发送到光谱信号处理装置。高度调节器，设置在光谱信号处理装置上，搭载测量探头，测量探头随着高度调节器的伸长或缩短进行位置移动。本发明能方便、准确测定作物病害整个叶片叶绿素相对含量，有利于病害快速防治措施制定和指导农业生产。
-
公开(公告)号：CN103219700A
公开(公告)日：2013-07-24
申请号：CN201310080295.3
申请日：2013-03-13
Applicant: 安徽大学
Abstract: 本发明公开了一种远程控制的电子设备开断装置，其微控制器单元中的单片机外接有振荡电路、系统编程连接器等，单片机可编程I/O端口编程有电平负跃变触发的中断信号输入端口和RS232串行通信端口及输出端口，RS232串行通信端口与以太网通信接口电路中的以太网转串口通信模块连接，输出端口分别连接有电源控制继电器和通信控制继电器的驱动电路，在电子设备的电源线防雷器和电子设备的以太网数据线防雷器之前，分别串联接入一具有四开/四闭触点的电源控制继电器和通信控制继电器，编程为电平负跃变触发的中断信号输入端口与雷电浪涌电压实时检测单元的输出端连接；本装置内部电路所需的直流电源由交直流转换电路提供。
-
公开(公告)号：CN1398107A
公开(公告)日：2003-02-19
申请号：CN01113790.8
申请日：2001-07-12
Applicant: 安徽大学
Abstract: 一种脱机便携式扫描仪，由扫描头和控制电路构成，其特征是所述控制电路包括：CPU单元、存储单元、扫描头信号单元、扫描头开关单元以及采用直接通讯的RS－232接口及其电平转换电路。本发明是将扫描的图形、图象和文字数据进行存储，存储后的数据可随时输入计算机中做进一步处理。可脱离计算机独立完成扫描工作，适应性强、成本低、质量高。
-
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。
-
公开(公告)号：CN119417743B
公开(公告)日：2025-04-08
申请号：CN202510013130.7
申请日：2025-01-06
Applicant: 安徽大学
Abstract: 本发明涉及一种多尺度表征光学影像低频定位误差自适应补偿方法，与现有技术相比实现了从时间、组成等维度考虑对低频误差解耦表征，适应构建低频误差补偿模型。本发明包括以下步骤：多尺度表征光学影像低频定位误差自适应补偿准备工作；对光学影像低频定位误差进行多时间尺度表征；考虑动态、静态误差解耦的光学影像低频定位误差模型自适应构建；利用非共线控制点对补偿模型进行偏最小二乘求解与补偿参数应用。本发明采用变分模态分解方法将低频误差表征成周期项、趋势项以及噪声项，根据其组份间量级大小关系，自适应构建低频误差补偿模型。
-
Patent Agency Ranking
公开(公告)号：CN119206238B
公开(公告)日：2025-04-08
申请号：CN202411699456.1
申请日：2024-11-26
Applicant: 安徽大学
IPC: G06V10/26 , G06V20/10 , G06V10/82 , G06V10/764 , G06V10/80 , G06N3/0455 , G06N3/09 , G06N3/0895
Abstract: 本发明涉及一种基于循环双任务互惠学习的遥感多模态影像分割方法。本发明包括以下步骤：构建多模态遥感影像分割任务数据集和合成任务数据集；构建基于高光谱和激光雷达数据融合的分割网络；构建基于地物分类图和多光谱影像的高光谱合成网络；构建包括分割与合成的循环双任务互惠学习框架；训练基于循环双任务互惠学习的多模态影像分割网络及结果获取。与现有技术相比，本发明通过循环双任务互惠学习框架，使得分割网络与合成网络相互促进，有效提升了分割结果的细节保留及跨模态特征的一致性，并且增强了网络在模态缺失情况下的适应性，能够在信息不全和模态不对齐的情况下提供稳定的分割效果，适用于多源遥感数据融合处理及影像分割任务。
-
公开(公告)号：CN119206238A
公开(公告)日：2024-12-27
申请号：CN202411699456.1
申请日：2024-11-26
Applicant: 安徽大学
IPC: G06V10/26 , G06V20/10 , G06V10/82 , G06V10/764 , G06V10/80 , G06N3/0455 , G06N3/09 , G06N3/0895
Abstract: 本发明涉及一种基于循环双任务互惠学习的遥感多模态影像分割方法。本发明包括以下步骤：构建多模态遥感影像分割任务数据集和合成任务数据集；构建基于高光谱和激光雷达数据融合的分割网络；构建基于地物分类图和多光谱影像的高光谱合成网络；构建包括分割与合成的循环双任务互惠学习框架；训练基于循环双任务互惠学习的多模态影像分割网络及结果获取。与现有技术相比，本发明通过循环双任务互惠学习框架，使得分割网络与合成网络相互促进，有效提升了分割结果的细节保留及跨模态特征的一致性，并且增强了网络在模态缺失情况下的适应性，能够在信息不全和模态不对齐的情况下提供稳定的分割效果，适用于多源遥感数据融合处理及影像分割任务。
-
公开(公告)号：CN118396546A
公开(公告)日：2024-07-26
申请号：CN202410481748.1
申请日：2024-04-22
Applicant: 安徽大学
IPC: G06Q10/10 , G06Q10/0631 , G06Q10/0637 , G06Q50/26 , H04L67/1095
Abstract: 本发明涉及城市文明创建测评问题的管理、整改和跟踪的系统和方法领域，本发明公开了一种文明创建测评整改系统，包括前端界面、后端管理系统、移动端小程序以及数据库，前端界面提供多种列表内容展示和筛选导出功能，用户可以方便地查看和筛选相关信息，通过该界面，用户可以浏览测评计划、问题和整改任务等内容，并进行导出操作；本发明通过引入指标体系、评分标准和自动化数据处理等技术，本发明的文明创建测评整改系统能够实现快速、客观、全面的文明测评，并通过整改系统和管理系统实现对问题的及时跟进和记录，同时，移动应用程序的结合使得用户可以方便地随时随地进行测评填报和整改进展查看，提高了工作的灵活性和效率。
-
公开(公告)号：CN118172688A
公开(公告)日：2024-06-11
申请号：CN202410334921.5
申请日：2024-03-22
Applicant: 安徽大学
IPC: G06V20/17 , G06V20/10 , G06V10/82 , G06V10/80 , G06V10/774 , G06V10/26 , G06N3/0464
Abstract: 本发明涉及一种基于DeeplabV3+和Unet网络架构的无人机小麦倒伏影像分割方法，包括：利用无人机获取田间小麦种植区域的可见光遥感RGB影像进行预处理；基于DeeplabV3+与UNet结构网络构建小麦倒伏分割模型；将预处理后的无人机遥感RGB影像作为训练样本输入到小麦倒伏分割模型进行训练；获取待分割小麦倒伏区域影像，并进行预处理；将预处理后的待分割小麦倒伏区域影像输入小麦倒伏分割网络模型中，得到小麦作物倒伏区域图片的分割结果。本发明提高语义分割效果，有利于小麦倒伏分割提取任务；将主干特征提取网络各阶段输出结果与编码输出特征进行特征信息融合重建，逐步完善分割模型在不同尺度重建过程中的细节融合，从而提高小麦倒伏区域的分割精度。
-
公开(公告)号：CN117975278A
公开(公告)日：2024-05-03
申请号：CN202410232018.8
申请日：2024-03-01
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/20 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于改进YOLOv8模型的害虫检测识别方法，包括：获取病虫害数据并进行预处理，得到病虫害数据集；对YOLOv8模型进行改进，在YOLOv8模型的Neck层的拼接模块后加入空间注意力模块，将YOLOv8模型的主干网络中的一个卷积层替换为SwimTransformer模块，将YOLOv8模型的损失函数替换为SIoU，得到害虫检测识别模型；采用训练集对害虫检测识别模型进行训练；获取待识别的害虫图像，将待识别的害虫图像输入训练后的害虫检测识别模型，得到检测识别结果。为了提高对害虫检测识别的精度，本发明对原始的YOLOv8模型做出了以下改进，增强了对细粒度特征的提取，极大的提高了对害虫的检测识别精度。
-
-
-
-
-
-
-
-
-
Search Results
295
records
(took 0.034 seconds)
