一种基于室内混合定位的智能跟随系统及其跟随方法

    公开(公告)号:CN105807790B

    公开(公告)日:2018-08-28

    申请号:CN201610258904.3

    申请日:2016-04-25

    Applicant: 安徽大学

    Abstract: 本发明提供一种基于室内混合定位的智能跟随系统,该系统包括设置在跟随物体上的触控屏、主控板、测距模块和驱动模块以及被跟随人员携带的手机终端,所述主控板集成有第一主控制器、第一Wi‑Fi模块和九轴惯性传感器,所述手机终端集成有第二主控制器、第二Wi‑Fi模块、三轴加速度传感器和陀螺仪。本发明还提供一种基于室内混合定位的智能跟随系统的跟随方法。本发明使用简便、灵活,人机交互性强,可根据实际需要设置在任何需要跟随人的物体上,为解放人的双手提供保障,具有很强的环境适应性和生存能力,同时本发明在技术上完美平衡了成本和跟随精度,稳定性高,在拥有较小误差的同时实现了低成本,具有良好的可推广性。

    有机磷农药残留快速检测装置

    公开(公告)号:CN107064126A

    公开(公告)日:2017-08-18

    申请号:CN201710237466.7

    申请日:2017-04-12

    Applicant: 安徽大学

    Abstract: 本发明涉及农残检测技术领域,特别涉及一种有机磷农药残留快速检测装置,包括电源变送模块、激光器、光纤分路器、准直器、光电接收管、信号调理模块以及主控模块;所述的电源变送模块为其他模块供电,激光器产生的激光经过光纤分路器变成多路光源后接入准直器中,经准直器准直后的光线被光电接收管所接收,准直器和光电接收管之间的光学通道上布置有比色皿,信号调理模块将光电接收管接收到的光源信号进行光电转换、滤波放大处理后输出至主控模块,主控模块经计算后得到样品抑制率。采用激光器作为光源更为稳定可靠,光纤分路器将激光分为多束保证光线一致性,这样后续处理所得到数据更准确。

    一种作物病害识别与病情评估装置

    公开(公告)号:CN104766152A

    公开(公告)日:2015-07-08

    申请号:CN201510051397.1

    申请日:2015-01-30

    Applicant: 安徽大学

    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识别与病情评估装置,包括:图谱信息采集装置、样品采集装置、图像采集卡和处理器;图谱信息采集装置,用于采集作物病害叶片的图谱信息;样品采集装置,设置在图谱信息采集装置的正下方,用于放置作物病害叶片以及为图谱信息采集装置提供微环境光源;图像采集卡,用于将图谱信息采集装置采集的作物病害叶片的图谱信息传输到处理器,处理其获取作物病害叶片的图谱信息,进行病害识别并计算病情指数,提供喷施药剂名称与喷洒剂量。本发明能准确地区分作物病害,计算病情指数,划分作物病害严重度;并针对作物病害的病情指数给出病害防治方法及施药措施,利于环境保护和促进农业生产。

    基于遥感影像优化PROSAIL模型参数的叶面积指数和叶绿素含量的反演方法

    公开(公告)号:CN102878957B

    公开(公告)日:2015-05-27

    申请号:CN201210367345.1

    申请日:2012-09-26

    Applicant: 安徽大学

    Abstract: 本发明涉及基于遥感影像优化PROSAIL模型参数的叶面积指数和叶绿素含量的反演方法,包括:下载遥感影像并对其进行预处理,得到多光谱冠层反射率数据;运用PROSAIL模型,根据不同的参数组合建立查找表,确定不同参数和冠层反射率的关系,即回归方程;建立目标函数,结合多光谱冠层反射率数据,优化参数,直至得到目标函数的全局最小值及对应的参数组合,并利用多光谱冠层反射率数据对参数进行更新;根据上述所得到的回归方程、多光谱冠层反射率数据及参数组合,反演得到叶面积指数和叶绿素含量。该方法对传统方法进行了由点及面的扩展,无需田间观测数据,有效降低了传统方法测量叶面积指数和叶绿素含量的成本,提高了反演精度和速度。

    基于分段颜色平衡和多尺度增强融合的水下图像增强方法

    公开(公告)号:CN119904398A

    公开(公告)日:2025-04-29

    申请号:CN202510089673.7

    申请日:2025-01-21

    Applicant: 安徽大学

    Abstract: 本发明涉及一种基于分段颜色平衡和多尺度增强融合的水下图像增强方法,包括:计算每个颜色通道的灰度平均值,选择参考通道;得到校正后的第一通道和校正后的第一通道;将V通道分解为原始基础层和三个尺度细节层;得到增强细节层;生成最终的增强结果。本发明设计了增益因子来补偿其他通道的信息损失,通过考虑不同颜色通道的衰减特性来降低颜色平衡图像的颜色损失,从而满足灰色世界假设;有助于提高传输估计,以获得更好的细节增强和颜色保存;无需计算暗通道即可估计传输,可以减少晕伪影和计算复杂度;在多尺度融合中嵌入了细节金字塔,以补偿水下图像曝光不足或过度曝光区域的细节损失;本发明的对比度和细节恢复是在不同的尺度上实现的。

    一种聚焦于上下文信息的城市道路遥感影像提取方法

    公开(公告)号:CN119741601A

    公开(公告)日:2025-04-01

    申请号:CN202411799114.7

    申请日:2024-12-09

    Applicant: 安徽大学

    Abstract: 本发明涉及一种聚焦于上下文信息的城市道路遥感影像提取方法,与现有技术相比解决了对目标上下文信息提取不足的缺陷。本发明包括以下步骤:城市道路遥感影像的获取及预处理;道路遥感影像提取模型的构建;道路遥感影像提取模型的训练;待分割城市道路遥感影像的获取;遥感影像道路信息的提取。本发明利用多尺度聚合模块充分保留目标上下文信息,在此基础上自注意分割模块加强分界防止目标与上下文信息过拟合,最后图卷积模块进行全局的关联整合,实现了城市道路遥感影像的精准提取。

    基于光谱-空间自注意力和Transformer网络的高光谱图像分类方法

    公开(公告)号:CN117315481B

    公开(公告)日:2025-03-21

    申请号:CN202311369853.8

    申请日:2023-10-23

    Applicant: 安徽大学

    Abstract: 本发明涉及一种基于光谱‑空间自注意力和Transformer网络的高光谱图像分类方法,包括:输入高光谱图像;使用主成分分析进行降维,得到降维后的高光谱图像;通过CBAM模块进行初步的光谱‑空间特征学习;进行初步特征学习;再经过光谱注意力模块得到光谱特征,最后继续挖掘光谱特征;输入空间注意力模块;输入Transformer模块,对全局特征进行学习;将经过全局特征学习的高光谱图像,最后经过全局池化、展平、批归一化和线性层,得到最终分类结果。本发明通过对高光谱图像作为研究对象,使用二维卷积能够在保持计算效率的同时减少计算量和节约成本;实现轻量级、高效率的特征提取和通道选择,提高了中心特征向量识别的准确性,增强了空间提取能力。

Patent Agency Ranking