-
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。
-
公开(公告)号：CN111461052A
公开(公告)日：2020-07-28
申请号：CN202010286392.8
申请日：2020-04-13
Applicant: 安徽大学
Abstract: 本发明涉及图像识别技术领域，特别涉及一种基于迁移学习的多个生育期小麦倒伏区域识别方法，包括以下步骤：A、拍摄待识别麦田的RGB图像和/或多光谱图像；B、对图像进行拼接和剪裁得到待识别麦田的完整图；C、将待识别麦田的完整图导入训练好的DeepLabv3+模型中进行倒伏区域的识别。这里基于DeepLabv3+网络模型，采用迁移学习的方式构建两种方法实现多生育期小麦倒伏区域提取，基于无人机影像和迁移学习方法可以有效获取多时期的倒伏小麦特征，实现高精度的小麦区域自动提取，使得精准检测小麦倒伏区域称为可能，为研究小麦倒伏影响因素提供有力的数据支持；该方法受环境影响小，且实现起来方便，在训练好DeepLabv3+模型以后，只需要拍摄待识别麦田的图像导入模型中即可自动识别倒伏区域。
-
公开(公告)号：CN111259925A
公开(公告)日：2020-06-09
申请号：CN202010016353.6
申请日：2020-01-08
Applicant: 安徽大学
Abstract: 本发明特别涉及一种基于K均值聚类和宽度突变算法的田间麦穗计数方法，包括如下步骤：S1、采集麦穗原始图像并对原始图像进行预处理；S2、对预处理后的图像依次进行图像变换、K均值聚类、形态学处理后得到麦穗粗分割图；S3、选择随机森林分类器，用滑窗法对训练集图片滑窗取样，进一步对麦穗粗分割图进行细分割；S4、根据每个连通域中的麦穗区域宽度突变情况统计麦穗数量。通过预处理将原始图像转换成统一格式的图像以方便后续处理，通过K均值聚类可以将图像中连通域挑选出来，通过随机森林分类器，可以将其中的麦穗部分筛选出来，最后根据宽度突变情况来对麦穗进行计数，这样就能较为准确的计算出麦穗的数量，即使麦穗之间有遮挡，依然不会影响到麦穗的计数。
-
公开(公告)号：CN106990090B
公开(公告)日：2019-12-27
申请号：CN201710237085.9
申请日：2017-04-12
Applicant: 安徽大学
Abstract: 本发明特别涉及一种用于动态表面增强拉曼光谱检测的装置，共聚焦拉曼光谱仪位于双尺度移动检测平台上方并获取放置在双尺度移动检测平台上被测样品的图像和光谱信息，计算终端接收样品图像信息并分析处理后输出控制信号至步进电机控制模块，步进电机控制模块驱动电机动作实现共聚焦拉曼光谱仪对被测样品的对焦；并公开了检测方法。计算终端根据光谱仪CCD传感器上获取到的图像生成可靠的步进电机控制信号，通过多次往复控制实现共聚焦拉曼光谱仪对被测样品的对焦，整个动态表面增强拉曼光谱测量中的连续对焦成功地解决了动态拉曼光谱的连续准确获取，同时，整个过程无需人工干预，完全自动，非常方便。
-
公开(公告)号：CN110008905A
公开(公告)日：2019-07-12
申请号：CN201910278469.4
申请日：2019-04-09
Applicant: 安徽大学
Abstract: 本发明涉及基于遥感影像红边波段的区域尺度小麦条锈病监测方法，与现有技术相比解决了对小麦条锈病利用遥感监测精度差的缺陷。本发明包括以下步骤：遥感影像的获取及预处理；初选特征因子的筛选；构建小麦条锈病严重度监测模型；小麦条锈病严重度监测模型的训练；区域尺度小麦条锈病严重度的判定。本发明利用Sentine-2遥感影像反演得到与病害相关的宽波段植被指数特征及红边植被指数特征，再通过ReliefF和K-means算法筛选与病害相关性较大且冗余性较小的宽波段植被指数特征集和加入红边植被指数的特征集，分别与BPNN算法建立小麦条锈病严重度监测模型，以实现区域尺度上小麦条锈病严重度的监测。
-
Patent Agency Ranking
公开(公告)号：CN107944426A
公开(公告)日：2018-04-20
申请号：CN201711336069.1
申请日：2017-12-14
Applicant: 安徽大学
Abstract: 本发明涉及基于纹理滤波和二维光谱特征空间判别相结合的小麦叶片白粉病斑标记方法，与现有技术相比解决了难以统计小麦叶片白粉病害的缺陷。本发明包括以下步骤：源数据的获取和预处理；纹理滤波指数的获取；提取潜在的病害像元；提取病害像元并标记。本发明基于地面高光谱成像仪获取的“图谱合一”影像数据，自动、定量提取叶片上的白粉病斑像元，能够快速获取叶片精细严重度。
-
公开(公告)号：CN103942528B
公开(公告)日：2017-11-10
申请号：CN201410042022.4
申请日：2014-01-28
Applicant: 安徽朗坤物联网有限公司 , 安徽大学
Abstract: 本发明提供一种蚜虫虫情调查方法及装置，扫描蚜虫虫情叶片样本，获取蚜虫虫情叶片图像信息；分析所述蚜虫虫情叶片图像信息，获取所述蚜虫虫情叶片样本的蚜虫数；根据预设个数的所述蚜虫虫情叶片样本的蚜虫数和预设蚜虫虫情等级标准，计算蚜虫虫情等级。采用本发明的蚜虫虫情调查方法及装置，由于采用扫描方式获得蚜虫虫情叶片图像信息，对该图像信息进行分析计算后获取蚜虫虫情等级，从而避开了目测手查方法导致蚜虫虫情调查结果不准确，误差较大的问题，使得蚜虫虫情调查规范准确。
-
公开(公告)号：CN107103306A
公开(公告)日：2017-08-29
申请号：CN201710362043.8
申请日：2017-05-22
Applicant: 安徽大学
CPC classification number: G06K9/00657 , G06K9/4619 , G06K9/6269
Abstract: 本发明涉及基于小波分析与支持向量机的冬小麦白粉病遥感监测方法，与现有技术相比解决了小麦白粉病难以监测预报的缺陷。本发明包括以下步骤：数据获取；遥感数据的预处理；建模特征的选择；支持向量机模型的建立；获得遥感监测结果。本发明利用环境星遥感数据经过小波变换及特征筛选后，结合SVM算法建立的监测模型，实时准确获取大面积小麦白粉病发生的空间分布特征，为白粉病防治提供依据。
-
公开(公告)号：CN107064095A
公开(公告)日：2017-08-18
申请号：CN201710407606.0
申请日：2017-06-02
Applicant: 安徽大学
IPC: G01N21/64
CPC classification number: G01N21/6402
Abstract: 本发明特别涉及一种双波长量子点荧光探针呋喃酚酮检测装置，包括光学模块、信号调理模块、数据处理模块以及电源模块，光学模块包括发光单元、比色皿以及第一、二光电探测器，比色皿中混合有双波长量子点荧光探针溶液和待测溶液，发光单元发出的紫外光平行照射至比色皿中，激发的荧光被第一、二光电探测器接收并输出信号调理模块进行I/V转换、滤波、放大后输出至数据处理模块，数据处理模块对接收到的信号进行处理得到呋喃酚酮浓度值；电源模块为其他模块供电；还公开了其检测方法。该装置体积小、功耗低、工作稳定可靠、检测灵敏度高，在水体、土壤及蔬果等呋喃酚酮残留检测方面具有非常好的应用前景。该检测方法检测精度高、数据处理简单快速方便。
-
公开(公告)号：CN106039731A
公开(公告)日：2016-10-26
申请号：CN201610527628.6
申请日：2016-07-06
Applicant: 安徽大学
IPC: A63H27/00 , A63H27/127
CPC classification number: A63H27/005
Abstract: 本申请公开了一种垂直发射平台系统，该系统第一平台、第二平台、可调支撑架，压力检测装置和控制器。第一平台置于一个平面上；第二平台位于第一平台的上方，用于承载待发射的飞行器；压力检测装置设置在第二平台的上部，用于检测飞行器对第二平台上的多个支撑点的多个压力值；第一平台与第二平台通过可调支撑架相连接。当发送飞行器时，将该飞行器置于第二平台上，控制器在用户根据多个压力值输入的控制指令向所述可调支撑架输出平衡调节指令，该平衡调节指令用于控制可调支撑架将飞行器的姿态调整为垂直状态。从而能够保证飞行器在发射时与地面保持垂直，进而能够避免发射失败事故的发生。
-
-
-
-
-
-
-
-
-
Search Results
210
records
(took 0.024 seconds)
