-
公开(公告)号：CN110097535B
公开(公告)日：2021-05-07
申请号：CN201910222605.8
申请日：2019-03-22
Applicant: 华南农业大学
Abstract: 本申请涉及一种植物叶片含氮量检测方法、装置、计算机设备和存储介质。所述方法包括：获取植物叶片的图像和各比色卡的图像，并将获取的植物叶片的图像的RGB色彩空间模型和各比色卡的图像的RGB色彩空间模型转换为CIELAB色彩空间模型；根据得到的CIELAB色彩空间模型可以计算出植物叶片的图像与各比色卡的图像的色差值；根据得到的色差值去确认植物叶片对应的目标比色卡，并通过比色卡的色彩等级与含氮量的对应关系，得到植物叶片的含氮量。通过上述方法，本申请植物叶片含氮量检测方法能够快捷地获取植物叶片含氮量，操作方法相较于传统技术更加简单，对于操作人员的专业性要求低。同时，通过计算机视觉识别的方式检测植物叶片含氮量，成本低廉。
-
公开(公告)号：CN111886978A
公开(公告)日：2020-11-06
申请号：CN202010668298.9
申请日：2020-07-13
Applicant: 华南农业大学
Abstract: 本发明公开了一种用于水稻插秧机的同步转盘式侧深施肥机，包括肥箱、肥料输送装置、侧深开沟装置以及用于堵塞或缺肥检测的报警器；所述肥料输送装置包括机架、多个转盘式精准排肥器以及机电式同步驱动机构；所述机电式同步驱动机构包括电动推杆、将插秧机传动轴的动力引出到排肥转轴上的同步传动机构以及设置在所述排肥转轴上的用于驱动所述排肥转轴持续正向转动的联动双曲柄机构；所述侧深开沟装置包括带撒肥口的开沟器和掩埋泥沟的覆土板。本发明的同步转盘式侧深施肥机利用机电式同步驱动机构驱动多个转盘式精准排肥器同步工作，与插秧机作业的同步性好，施肥量调节方便快捷，且制造成本低；带有检测缺肥或堵塞报警器，及时掌握作业状况。
-
公开(公告)号：CN109147282B
公开(公告)日：2020-10-16
申请号：CN201810717704.9
申请日：2018-07-03
Applicant: 华南农业大学
Abstract: 本发明公开一种智能稻田虫害等级预报系统，包括数据采集模块、数据处理模块及虫害等级预报模块；数据采集模块包括设置于稻田内且通过伸缩杆与支撑杆相连的气象数据采集单元、与支撑杆相连的害虫自动计数单元以及数据收集传送单元，气象数据采集单元和害虫自动计数单元分别与数据收集传送单元相连，害虫自动计数单元上方安装有捕虫装置；数据处理模块包括相互电连接的数据接收单元、数据处理单元以及数据存储单元；虫害等级预报模块包括相互电连接的虫害分级单元和预报显示单元，本发明还提出一种预报方法。相对现有技术，本发明技术方案具有监测精准等优点，可有效降低稻田虫害预报系统的监测偏差以及提高监测精度。
-
公开(公告)号：CN111462058A
公开(公告)日：2020-07-28
申请号：CN202010211220.4
申请日：2020-03-24
Applicant: 华南农业大学
IPC: G06T7/00 , G06K9/00 , G06K9/62 , G06F16/51 , G06F16/583 , G06F16/58 , G06F16/55 , G06N3/04 , G06N3/08 , G01N21/84
Abstract: 本发明公开了一种水稻有效穗的快速检测方法，实现对稻田复杂环境下水稻有效穗的高通量智能计数；所述快速检测方法包括：采集水稻稻茬图像、利用深度卷积神经网络方法检测水稻有效分蘖以及计算水稻有效穗数，具体步骤为：用镰刀在距离地面2-3厘米处割下整株成熟期水稻植株，然后在距离地面13-20厘米的位置用智能手机或者照相机等移动采集设备采集稻茬样本图像；用Labellmg软件进行人工数据标注，建立水稻稻茬图像数据库，包括训练集、验证集和测试集；为得到最优的水稻有效穗检测模型，基于其他训练参数保持一致的前提下，利用三种不同的主干网络配合两种训练方法，分别对水稻稻茬图像进行相应训练并组建相应模型；对选出的最优模型进行参数优化，得到最终的水稻有效穗快速检测模型。与现有技术相比，本发明可实现水稻有效穗数的高通量、快速以及准确获取，具有较高的实际应用价值。
-
公开(公告)号：CN108037123B
公开(公告)日：2020-06-19
申请号：CN201710942178.1
申请日：2017-10-11
Applicant: 华南农业大学
IPC: G01N21/84
Abstract: 本发明涉及一种杂交稻钵体盘播种性能参数精密检测方法，该法用于含Linux操作系统及开源跨平台视觉库OPENCV开发出的智能恒量播种检测系统中，实现钵体盘在杂交稻育秧播种时，对其播种性能参数进行精确检测。其包括：种子包衣预处理，秧盘播种作业，秧盘原始图像采集，种子图像处理，钵体盘网格图像处理，最终提取特征参数，建立随机决策森林算法，对播种性能参数精确检测。该法实现对杂交稻钵体盘育秧播种性能参数的精准检测，检测效果好，速度快，算法精度高，同时为后续的播量优化调控、恒量播种奠定了研究基础。
-
Patent Agency Ranking
公开(公告)号：CN110457989A
公开(公告)日：2019-11-15
申请号：CN201910533754.6
申请日：2019-06-19
Applicant: 华南农业大学
Abstract: 本发明属于智能农业机械识别领域，涉及一种基于卷积神经网络提取多维度扩展特征的稻田杂草识别方法。本发明克服了机器视觉杂草识别方法时靠人工提取特征难以获得接近杂草自然属性的问题和图像预处理对识别结果有影响的缺点。本发明首先通过多维度采集和多步骤扩展，获得大量、具有相关性的训练集；其次基于卷积神经网络对稻田杂草特征进行提取和筛选；然后对MLP分类器进行训练与检测；最终迁移学习后的MLP分类器对稻田杂草的种类、位置进行预测。通过上述步骤，使杂草识别的准确率、稳定性和实时性获得提升。本发明为智能稻田除草机械的研制奠定了基础，具有推广应用的价值。
-
公开(公告)号：CN108323389B
公开(公告)日：2019-11-08
申请号：CN201810050581.8
申请日：2018-01-18
Applicant: 华南农业大学
Abstract: 本发明公开一种水稻插秧机的插秧秧苗株距与穴秧苗数的检测方法和装置，首先检测启动模块不断检测插秧机的工作状态和行驶速度，当插秧机处于插秧工作状态时，摄像头开始对插秧机作业区域进行实时拍摄，嵌入式控制器对采集到的秧苗RGB图像进行灰度化、二值化处理，提取秧苗轮廓图像，并根据轮廓陡变度的算法计算获得插秧机栽插秧苗株距和穴秧苗数，语音提示模块播报当前秧苗株距与穴秧苗数，使得插秧驾驶员根据反馈信息及时调整和管控插秧机工作参数。相对现有技术，本发明技术方案实现了插秧机栽插质量的自动检测，为插秧机田间工作的稳定性和可靠性提供保证。
-
公开(公告)号：CN106358835B
公开(公告)日：2019-11-08
申请号：CN201610809006.2
申请日：2016-09-07
Applicant: 华南农业大学
Abstract: 本发明涉及一种水稻钵体苗软塑秧盘自动嵌放装置，包括有机架、均安装在机架上的钵苗盘定位输送机构、皮带输送接盘机构、复合托盘解垛机构以及辊轮输送机构；其中，所述皮带输送接盘机构位于钵苗盘定位输送机构和辊轮输送机构之间，三者紧密相连；所述复合托盘解垛机构位于辊轮输送机构上方且置于辊轮输送机构靠近皮带输送接盘机构的一端。本发明免去了工人逐一接送托盘，移动秧盘的繁琐工作，降低了劳动强度，提高了水稻钵体苗育秧播种流水线的作业效率。
-
公开(公告)号：CN109614973A
公开(公告)日：2019-04-12
申请号：CN201811395683.X
申请日：2018-11-22
Applicant: 华南农业大学
Abstract: 本发明公开了一种水稻秧苗及苗期杂草图像语义分割方法、系统、设备和介质，所述方法包括：获取水稻秧苗及苗期杂草的彩色样本图像；生成与彩色样本图像对应的标签样本图像；将彩色样本图像及其对应的标签样本图像分为训练样本和测试样本；对所有样本进行预处理和数据扩增，形成训练数据集和测试数据集；构建基于全卷积神经网络的水稻秧苗及苗期杂草图像语义分割模型；利用水稻秧苗及苗期杂草图像语义分割模型待分割水稻秧苗及苗期杂草的彩色图像的的像素进行分类，输出水稻秧苗及苗期杂草分割图像，实现水稻秧苗及苗期杂草图像的语义分割。本发明能够从样本中学习并提取得到鲁棒性强的特征，实现水稻秧苗及苗期杂草图像的语义分割。
-
公开(公告)号：CN109522797A
公开(公告)日：2019-03-26
申请号：CN201811199948.9
申请日：2018-10-16
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于卷积神经网络的水稻秧苗及苗期杂草识别方法和系统，所述方法包括：获取水稻秧苗及苗期杂草的彩色样本图像；其中，所述水稻秧苗及苗期杂草的彩色样本图像带有相应的种类标签；对水稻秧苗及苗期杂草的彩色样本图像进行扩增，形成训练集和测试集；构建基于卷积神经网络的水稻秧苗及苗期杂草识别模型，设计三种不同网络深度的卷积神经网络模型；调节三种网络深度的卷积神经网络模型的网络参数，通过训练集对三种网络深度不同网络参数的卷积神经网络模型进行训练，选出识别准确率最高的卷积神经网络模型。本发明能够从水稻秧苗及苗期杂草的彩色样本图像中学习并提取得到鲁棒性强的特征，并取得较好的识别效果。
-
-
-
-
-
-
-
-
-
Search Results
175
records
(took 0.034 seconds)
