-
公开(公告)号：CN114557292A
公开(公告)日：2022-05-31
申请号：CN202210242250.0
申请日：2022-03-11
Applicant: 安徽大学 , 合肥耘创信息科技有限公司
Abstract: 本发明公开了一种用于奶牛行为检测的电子项圈，具体涉及奶牛养殖领域，包括调节带和锁定卡扣，所述调节带和锁定卡扣相连接，所述调节带上绑有主控电路模块，所述主控电路模块内设置有微处理器、震动传感器和电源，微处理器和震动传感器均与电源电性连接，在大规模养殖场对牛只个体身份、日常行为与疾病进行长期不间断的识别与监测。通过无线传输技术将运动数据传输到云平台服务器上，利用深度学习算法对数据进行处理分类，进而对奶牛躺卧、站立、行走、追逐行为进行识别。该设计可精准获取牛只的个体相关信息，极大程度降低人工干预，提升牧场智能信息化水平，以增加牧场养殖生产的经济收益。
-
公开(公告)号：CN111881953B
公开(公告)日：2022-04-22
申请号：CN202010672339.1
申请日：2020-07-14
Applicant: 安徽大学
IPC: G06V10/58
Abstract: 本发明涉及基于局部二值模式和KNN分类器的遥感高光谱图像分类方法，与现有技术相比解决了难以进行遥感高光谱图像分类的缺陷。本发明包括以下步骤：训练数据的获取；光谱特征向量的提取；空间特征向量的提取；颜色特征向量的提取；多特征向量的堆叠；KNN分类器的构建和训练；待分类遥感高光谱图像的获取；待分类遥感高光谱图像的预处理；遥感高光谱图像分类结果的获得。本发明通过光谱、空间、颜色特征相联合，增强了同类像元的相似性，同时增大了不同像元的相异性，与部分提出的分类方法相比，总体分类精度、平均分类精度、Kappa系数均有不同程度的提高。
-
公开(公告)号：CN114187233A
公开(公告)日：2022-03-15
申请号：CN202111277730.2
申请日：2021-10-29
Applicant: 安徽大学
Abstract: 本发明公开了一种基于卷积神经网络的小麦麦穗赤霉病识别方法，包括：获取待识别麦穗图片；将所述待识别麦穗图片输送至分割网络模型中，得到麦穗分割结果图；将所述麦穗分割结果图输送至可视化模块中进行显示。本申请解决了现有技术中需要在纯背景或者受控环境下才能进行麦穗图片处理和机器学习的技术问题，实现了可以适应不同环境下的麦穗图像处理，实现了对小麦麦穗赤霉病的有效准确分割，以提高对小麦麦穗赤霉病识别的环境适应能力和精准度。
-
公开(公告)号：CN114120203A
公开(公告)日：2022-03-01
申请号：CN202111452227.6
申请日：2021-12-01
Applicant: 安徽大学 , 安徽黄鹄电子信息技术有限公司
IPC: G06V20/40 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/762 , G06V10/764
Abstract: 本发明涉及一种基于改进YoloV4的田间小麦赤霉病发生程度评估方法，包括如下步骤：S100、拍摄观测区群体麦穗图像；S200、利用训练好的改进YoloV4目标检测网络模型对观测区群体麦穗图像进行检测并获得单个麦穗图像；S300、统计麦穗个数得到麦穗总数，同时对单个麦穗图像进行特征提取和随机森林分类并统计患病麦穗个数；S400、根据麦穗总数和患病麦穗个数计算群体麦穗的病穗率，按照国家相关标准得到该群体麦穗的赤霉病发生程度。本方法提高了小麦赤霉病发生程度的预测精度，且能够在复杂条件下使用，无需辅助设备或材料，拥有良好的泛用性，有效解决了拍摄角度导致的麦穗遮挡而无法检测的情况，目标检测网络模型的检测精度也得到提高，缩短了模型训练时间。
-
公开(公告)号：CN113011499B
公开(公告)日：2022-02-01
申请号：CN202110301578.0
申请日：2021-03-22
Applicant: 安徽大学
Abstract: 本发明涉及一种基于双注意力机制的高光谱遥感图像分类方法，与现有技术相比解决了高光谱遥感影像训练样本有限及分类精度不理想的缺陷。本发明包括以下步骤：训练样本的获取；堆栈自编码器的构建和训练；构建混合密集网络；混合密集网络的训练；待分类样本的获取和降维处理；高光谱遥感图像分类结果的获得。本发明在训练样本量更少的情况下，也能得到较理想的高光谱遥感影像分类结果。
-
Patent Agency Ranking
-
公开(公告)号：CN108985959B
公开(公告)日：2021-05-28
申请号：CN201810899574.5
申请日：2018-08-09
Applicant: 安徽大学
Abstract: 本发明涉及一种基于地表温度反演技术的小麦白粉病遥感监测方法，与现有技术相比解决了难以将多时相地表温度作为生境因子进行白粉病遥感监测的缺陷。本发明包括以下步骤：源数据的获取和预处理；小麦种植面积的提取；小麦生长状态的反演；地表温度的反演；MODIS温度和Landsat‑8反演地表温度的时空融合；基于地表温度遥感监测模型的构建；小麦白粉病遥感监测结果的获得。本发明基于多时相Landsat‑8和MODIS遥感数据反演地表温度，利用国产GF‑1数据反演植被指数，通过Linear‑SVM构建综合决策树以反演小麦白粉病严重度，实现小麦白粉病病情严重度的遥感监测。
-
公开(公告)号：CN112528789A
公开(公告)日：2021-03-19
申请号：CN202011388651.4
申请日：2020-12-02
Applicant: 安徽大学
Abstract: 本发明涉及一种用于发病初中期分析的小麦条锈病遥感监测方法，与现有技术相比解决了尚无针对小麦条锈病进行初中期监测的缺陷。本发明包括以下步骤：小麦条锈病遥感数据的获取与预处理；建模特征的选择；XGBoost监测模型的构建与训练；待分析小麦条锈病遥感图像的获取；小麦条锈病初中期监测结果的获得。本发明采用相关性分析和随机森林算法对植被指数特征进行特征筛选，利用XGBoost监测模型实时监测小麦条锈病的发生情况，为小麦条锈病的及时防治提供有效的信息。
-
公开(公告)号：CN112419323A
公开(公告)日：2021-02-26
申请号：CN202011321459.3
申请日：2020-11-23
Applicant: 安徽农道智能科技有限公司 , 安徽大学
Abstract: 本发明特别涉及一种基于可穿戴式麦穗采集装置的麦穗计数方法，包括如下步骤：S100、通过可穿戴式采集装置采集田间麦穗图像并将麦穗图像发送到服务器中；S200、服务器对采集到的图像进行预处理后输入至训练好的分割模型中进行分割后得到麦穗分割图；S300、将麦穗分割图输入至训练好的计数模型中统计麦穗数量并发送至采集装置上显示。采集装置可以方便的对田间麦穗进行图像采集，再将采集到的图像发送至服务器上进行麦穗的计数处理，这样采集装置无需进行数据处理，可以减少其体积便于携带；服务器上设置的分割模型可以方便的进行麦穗分割和计数，最后将统计的麦穗数量发送回采集装置上进行显示，这样对现场的工作人员来说，操作非常简便。
-
公开(公告)号：CN112161937A
公开(公告)日：2021-01-01
申请号：CN202011214332.1
申请日：2020-11-04
Applicant: 安徽大学
Abstract: 本发明特别涉及一种基于级联森林和卷积神经网络的小麦粉筋度检测方法，包括如下步骤：A、选取已知筋度的小麦粉作为样本并分成训练集和测试集；B、采集高光谱图像；C、提取单波段图；D、获得图像特征；E、将特征波长和图像特征进行图谱融合后作为特征值，将筋度标签作为结果，代入级联森林模型中进行训练得到小麦粉筋度识别模型；F、将测试集代入训练好的小麦粉筋度识别模型中进行测试，得到预测的筋度类别以及类别准确度。利用高光谱数据获得光谱特征建立小麦粉筋度控制模型，继而通过模型对输入数据进行对比分析，快速无损识别出小麦粉的筋度，判别小麦粉筋度是否符合制作工艺要求检测方法，该检测方法适用性强、检测精度高，能够无损地实现小麦粉筋度检测。
-
-
-
-
-
-
-
-
-
Search Results
209
records
(took 0.032 seconds)
