-
公开(公告)号：CN111728602A
公开(公告)日：2020-10-02
申请号：CN202010847461.8
申请日：2020-08-21
IPC: A61B5/021
Abstract: 本发明公开了一种基于PPG的无接触血压测量装置。该装置包括：信号获取模块，用于获取人脸原始的面部光电容积脉搏波；预处理模块，用于对所述面部光电容积脉搏波进行预处理，获得面部光电容积脉搏波信号；人脸关键区域识别模块，用于提取人脸关键点，获取面部区域，将人脸与背景信息分离后对面部区域进行关键区域划分，对每个关键区域的光电容积脉搏波信号取均值，得到每个空间关键区域上的时域信号；血压特征推理模块，用于将时域信号输入到训练好的LSTM神经网络推理模型中，得到血压值，其中血压值包括收缩压和舒张压。本发明利用面部光电容积脉搏波的时域信号输入LSTM神经网络，可获得高精度的血压估计值，实现无感知血压检测。
-
公开(公告)号：CN114648723B
公开(公告)日：2024-08-02
申请号：CN202210454687.0
申请日：2022-04-28
IPC: G06V20/40 , G06V20/52 , G06N3/0464 , G06N3/0895 , G06N3/084
Abstract: 本发明涉及智能视频监控及深度学习领域，尤其涉及一种基于时间一致性对比学习的动作规范性检测方法和装置，该方法为：首先将第一数量标注和第二数量未标注的通过摄像头采集的视频构建数据集，第一数量小于第二数量；然后将未标注视频经过强弱数据增强后提取特征，再输入时间一致性行为对齐网络，输出特征图和不同样本间相似动作起始与结束帧集合，映射集合在特征图上对应子特征图，构造同类与不同类子特征图样本，送入对比学习网络提取时空判别性特征；再将第一数量标注视频送入预训练后的网络进行迁移学习，输出行为类别；最后通过帧间行为类别变化判断行为规范性，若不规范则发出预警。
-
-
公开(公告)号：CN117058492A
公开(公告)日：2023-11-14
申请号：CN202311322535.6
申请日：2023-10-13
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06V20/70 , G06N3/09 , G06N5/04
Abstract: 一种基于学习解耦的两阶段训练病害识别方法和系统，其方法包括：步骤S1：采集待识别作物的图像样本，制作训练数据集；步骤S2：构造基于学习解耦的分类算法网络模型；步骤S3：对基于学习解耦的分类算法模型进行一阶段训练；步骤S4：固定部分权重，对基于学习解耦的分类算法模型进行二阶段训练；步骤S5：基于训练得到的基于学习解耦的分类算法模型进行推理，最终得到待分类目标叶片的病害种类和病害等级。本发明具有准确度高，标注成本极低，且可实现单模型对病害种类和病害等级进行细分类识别。
-
公开(公告)号：CN117011316A
公开(公告)日：2023-11-07
申请号：CN202311278665.4
申请日：2023-10-07
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
Abstract: 一种基于CT图像的大豆茎秆内部结构辨识方法和系统，该方法包括：步骤一，将大豆盆栽放入植物CT采集设备，利用micro‑CT设备对大豆植株进行从上而下的扫描，得到采集的大豆茎秆CT图像数据；步骤二，对采集的CT图像数据集进行数据增强，引入扩散模型对数据进行超分辨处理，获取更丰富的组织细节信息；步骤三，对CT图像进行分割，得到大豆茎秆内部的组织结构的分割图；步骤四，根据分割结果进行体积重建，获得网格化数据，获得分割区域的体积、表面积等参数。本发明利用CT技术对大豆全生命周期的茎秆内部组织进行捕获，避免了传统破坏式捕获大豆植株内部信息，能有效提升大豆植株茎秆内部结构辨识的细粒度，实现精准精细的表型识别。
-
Patent Agency Ranking
公开(公告)号：CN116924167A
公开(公告)日：2023-10-24
申请号：CN202310722332.X
申请日：2023-06-19
Applicant: 之江实验室
Abstract: 本发明公开了一种基于电梯内外人数的提升电梯运送效率的方法和装置，该方法整体采用轮询机制，具体包括：通过电梯内外的第一摄像头和第二摄像头实时获取每台电梯内外的第一人数和第二人数；实时判断若第一人数已达运载上限，电梯直接运行到目的层；实时判断若第一人数未到达运载上限，根据电梯外人数和召梯信号选择最优停靠层数，对最优停靠楼层数指派呼梯；实时排序电梯外等待的第二人数，根据电梯群组的处理能力判断是否有电梯外等待人数达到高峰，优先派梯以保证最快时间运载最多人数；实时监测电梯外等待的第二人数，当第二人数变为零后且持续预设时间后，判断该楼层放弃呼梯，取消该楼层的呼梯响应。本发明能够提高电梯的运送效率。
-
公开(公告)号：CN116884481A
公开(公告)日：2023-10-13
申请号：CN202310697601.1
申请日：2023-06-13
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
IPC: G16B20/30 , G06N3/0464 , G06N3/0895 , G16B20/00
Abstract: 一种基于图卷积神经网络与自监督重构学习的基因到表型预测方法和系统，该方法基于图卷积神经网络的方法，将每个品种的大豆作为图节点，大豆的基因序列为节点的特征，利用每个品种大豆之间的亲缘关系作为图的边，将构建的图输入图卷积神经网络与自监督重构网络中，更新节点特征，实现大豆基因到表型的预测。本发明创新性的利用图卷积神经网络实现基因到表型的预测，利用自监督学习降低基因维度，并将品种之间的亲缘关系作为先验关联不同品种指导基因到表型挖掘，提高表型预测的效果。
-
公开(公告)号：CN116721412A
公开(公告)日：2023-09-08
申请号：CN202310406872.7
申请日：2023-04-17
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
IPC: G06V20/68 , G06V10/82 , G06V10/774 , G06V10/776 , G06V10/40 , G06N3/0464 , G06N3/09
Abstract: 一种自下而上的基于结构性先验的豆荚关键点检测方法，自定义不同类型豆荚中豆粒的关键点含义，构建了包含主干网络、豆粒位置置信度热力图子网络、部位亲和域子网络、结构先验子网络四部分的自下而上的豆粒关键点检测网络，可实现先利用位置置信度检测得到所有的豆粒位置，然后结合部位亲和域积分计算，利用匈牙利算法得到豆粒之间的最优匹配连接关系，从而提取到豆荚的数量和豆荚的类型。特别的，在训练阶段通过添加结构先验子网络，提升模型的准确率。还包括一种自下而上的基于结构性先验的豆荚关键点检测系统。本发明从豆荚形态上确定豆荚类型，可快速同时检测多个豆荚，并定位得到豆荚中每个豆粒的位置。
-
公开(公告)号：CN116704384A
公开(公告)日：2023-09-05
申请号：CN202310702822.3
申请日：2023-06-14
IPC: G06V20/17 , G06V20/10 , G06V20/70 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/26 , G06N3/0464
Abstract: 本发明公开了一种基于无人机监测智能识别水稻抽穗期的方法，该方法包括：获取水稻小区图像；对图像进行标注，将标注的图像输入到训练好的深度卷积神经网络检测模型中，检测每张图像中的水稻小区目标框的位置，选取图像中最大面积的目标框，裁剪出框中的水稻小区图像；对深度卷积神经网络检测模型检测效果不满足要求的图像进行人工手动标注，按标注区域对图像进行裁剪；将裁剪后的图像输入到一个基于深度卷积神经网络的二分类器中，输出水稻小区是否为抽穗期的预测结果。本发明还公开了一种基于无人机监测智能识别水稻抽穗期的装置。本发明实现方法简单，可移植性强，能够实现对田间种植的各品种水稻抽穗期的精准识别。
-
公开(公告)号：CN116597894A
公开(公告)日：2023-08-15
申请号：CN202310359159.1
申请日：2023-03-31
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
Abstract: 基于XGBoost特征选择与深度学习结合的大豆基因到表型预测方法，首先基于XGBoost方法进行特征选择挑选基因位点，根据XGBoost获得每个基因位点的重要性量度，根据重要性量度排序将重要的基因位点挑选出来，然后将挑选的基因位点进行自监督重构训练得到重构网络参数，最后对挑选的基因位点onehot编码，并利用重要性量度值对编码加权重，将加权重后的编码输入到修改后的重构网络中实现大豆基因到表型的预测。本发明利用XGBoost进行重要基因位点筛选，过滤掉大量冗余的基因位点，并利用生成网络学习基因位点的分布，对基因位点重构，重构网络的参数作为预训练参数指导基因预测表型的训练，提高表型预测的效率和效果。
-
-
-
-
-
-
-
-
-
Search Results
179
records
(took 0.032 seconds)
