-
公开(公告)号：CN113989836A
公开(公告)日：2022-01-28
申请号：CN202111219484.5
申请日：2021-10-20
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于深度学习的奶牛牛脸重识别方法、系统、设备及介质，所述方法包括：获取奶牛牛脸数据集；构建全局特征与局部特征相结合的第一奶牛牛脸重识别网络；对第一奶牛牛脸重识别网络的局部特征提取进行改进，得到第二奶牛牛脸重识别网络；利用奶牛牛脸数据集对第二奶牛牛脸重识别网络进行训练，得到第三奶牛牛脸重识别网络；获取待识别奶牛牛脸图像；将待识别奶牛牛脸图像输入第三奶牛牛脸重识别网络，实现待识别奶牛牛脸图像的重识别。本发明可以提升对奶牛牛脸的识别准确率以及检索排序能力，改进后的网络解决了局部区域的对齐与信息完整性的问题。
-
公开(公告)号：CN118762764B
公开(公告)日：2025-01-14
申请号：CN202411238832.7
申请日：2024-09-05
Applicant: 华南农业大学
IPC: G16C20/20 , G16C20/70 , G06N3/042 , G06N3/0442 , G06N3/0464 , G01N21/25 , G01N21/84
Abstract: 本发明公开了一种基于高光谱的作物种子生化参数预测方法、系统及装置，包括：通过数据采集装置，利用高光谱相机实时捕获种子的多波段成像信息，随后利用卷积神经网络提取图像特征，并结合图卷积神经网络和长短期记忆网络构建多尺度时空图神经网络模型来预测种子的蛋白质含量、水分含量、淀粉含量等生化参数。最后进行预测结果可视化，使得用户可以随时查看种子的状态。本发明设计实现了对种子生化参数的精准监测、智能管理和高效决策，提升了农业生产的智能化程度，有助于优化作物生长环境，提高作物产量和品质。
-
公开(公告)号：CN118734237A
公开(公告)日：2024-10-01
申请号：CN202411230383.1
申请日：2024-09-04
Applicant: 华南农业大学 , 广西扬翔股份有限公司
IPC: G06F18/2433 , G06N3/0442 , G06N3/0455 , G06F18/213 , G06F18/25
Abstract: 本发明公开了一种基于多尺度变量融合时序的猪舍环境异常检测方法及系统，包括：利用预设传感器采集猪舍环境内的多维环境参数构建多变量时间序列数据集，采用STL分解法提取趋势性成分和季节性成分，构建多尺度变量融合时序网络Transformer模型，捕捉时间序列中不同变化周期的环境参数特征，提取不同主要环境参数对应单变量时间序列的预测结果；对比每个变量计算预测值与实际观测值之间的异常程度得分，判断生成异常警报。本发明实现对生猪养殖环境的精准监测、智能管理和高效决策，提升检测环境参数异常的智能化程度，提高环境质量，为生猪提供了更好的生长环境，有效防止了环境因素对生猪生长效率的不利影响。
-
公开(公告)号：CN117876459A
公开(公告)日：2024-04-12
申请号：CN202311642575.9
申请日：2023-12-04
Applicant: 华南农业大学
Abstract: 本发明公开了一种用于鳢鱼水花图片骨架提取的去毛刺方法、系统、设备及介质，所述方法包括：获取鳢鱼水花图片；针对鳢鱼水花图片，裁剪出包含鱼苗的水面；对任意两条粘连到一起的鱼苗进行分割；针对分割后的图片，提取鱼苗的粗略骨架；去除粗略骨架上多余的毛刺，得到鱼苗的精确骨架。本发明可以用于计算鳢鱼水花的体长和体宽信息，其具有更加准确鱼苗的骨架和度量鱼苗体长体宽的优点，使用骨架提取算法获取鱼苗的骨架和去骨架算法去除骨架上多余的毛刺，再结合拍摄时放入的标准块，可以计算出鱼苗的体长和体宽信息。
-
公开(公告)号：CN117523573A
公开(公告)日：2024-02-06
申请号：CN202311637194.1
申请日：2023-12-01
Applicant: 华南农业大学
IPC: G06V30/14 , G06V30/146 , G06V30/16 , G06V30/18 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于多阶段视觉检测融合故障预警的水表读数方法、系统，包括S1：采集水表图像，其中水表图像为字轮式水表图像；S2：对水表图像进行计数器框的检测，以得到计数器框图像；S3：对计数器框图像进行角点检测，以得到计数器框图像的角点位置；S4：利用角点位置对计数器框图像进行矫正；S5：利用目标检测网络对计数器框图像进行字符识别，以得到水表读数。本发明能够提高水表读数的工作效率、减少人工成本；能够对旋转、畸变表盘进行矫正，以对后续的字符识别提供帮助，实现更稳定的读数，且能筛选出不可读的水表避免进入字符检测阶段，从而节省识别时间；采用动态优化策略改善字轮式水表字符识别容易出现的半字符识别问题。
-
Patent Agency Ranking
公开(公告)号：CN116580170A
公开(公告)日：2023-08-11
申请号：CN202310383415.0
申请日：2023-04-12
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于二维图像特征引导的三维模型变形方法及装置，包括：将目标图片输入至预先设立的双模型网络中，识别出目标图片的边界点和两端点，并使用相似度度量方法在三维模型库中获取与目标图片最相似的三维模型；获取最相似的三维模型的边界点和两端端点，并将进行最大主成向方向进行投影，得到二维网格模型的二维边界点和两端点；将二维网格模型的边界点映射到目标图片的边界上，获得二维目标边界；接着将三维模型的Z值坐标添加到二维目标边界，获得三维目标边界；将三维目标边界通过网格形变算法获得目标三维模型。本发明通过网格形变算法，精准确定网格模型形变的目标边界点。
-
公开(公告)号：CN116484111A
公开(公告)日：2023-07-25
申请号：CN202310332832.2
申请日：2023-03-31
Applicant: 华南农业大学
IPC: G06F16/9536 , G06F18/214 , G06F18/22 , G06N3/02
Abstract: 本发明公开了一种基于宽度学习系统的多尺度协同滤波推荐方法及系统，所述方法包括：将获取的原始评分矩阵输入网络的多尺度协同滤波系统中，基于用户的协同过滤得到多个基于用户的多尺度协同向量；以及基于项目的协同过滤得到多个基于项目的多尺度协同向量；将得到的两个多尺度协同向量进行连接，得到多个用户‑项目的多尺度协同向量；将原始评分矩阵中的评分向量转换为one‑hot形式的向量，与对应的多个多尺度协同向量构成训练集；利用训练集训练网络的宽度学习系统；将待评分矩阵输入网络中，得到相应的推荐结果。本发明通过利用多尺度协同滤波系统中基于用户、项目的协同过滤和宽度学习系统相结合，从而能够准确预测出用户对项目的评分。
-
公开(公告)号：CN114913544A
公开(公告)日：2022-08-16
申请号：CN202210456018.7
申请日：2022-04-28
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于语义分割的虾苗计数方法、系统、云服务器及介质，所述方法包括：获取第一数据集，并对第一数据集进行数据处理，得到第二数据集；构建基于语义分割的计数网络模型，所述计数网络模型包括骨干网络、分割图分支、只数回归分支和全连接层模块，所述只数回归分支与全连接层模块连接；利用第二数据集对所述计数网络模型进行训练与验证，得到虾苗计数网络模型；对获取到的待计数虾苗图像进行预处理；将预处理后的待计数虾苗图像输入虾苗计数网络模型，得到待计数虾苗的二值分割图；对所述二值分割图进行统计计数，实现虾苗计数。本发明通过构造基于语义分割的虾苗计数网络模型，实现虾苗计数，可以提高虾苗计数的准确率和稳定性。
-
公开(公告)号：CN114782368A
公开(公告)日：2022-07-22
申请号：CN202210440564.1
申请日：2022-04-25
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于视觉检测融合多动态阈值的虾苗自动计数方法及系统，方法包括：获取虾苗图像数据集；构建目标检测模型；利用虾苗图像数据集对目标检测模型进行训练，得到虾苗目标检测模型；获取待计数虾苗图像，并对待计数虾苗图像进行预处理；将预处理后的待计数虾苗图像输入虾苗目标检测模型，得到第一虾苗区域图；对第一虾苗区域图进行处理，得到第二虾苗区域图；基于虾苗的检测结果，选取虾苗样本，对第二虾苗区域图进行多动态阈值处理；利用优化匹配策略对多动态阈值处理后的第二虾苗区域图和虾苗的检测结果进行处理，实现虾苗自动计数。本发明能在复杂背景下对不同日龄的虾苗实现自动、快速、准确、无脱水状态下的计数，提高计数效率。
-
公开(公告)号：CN113989538A
公开(公告)日：2022-01-28
申请号：CN202111062601.1
申请日：2021-09-10
Applicant: 华南农业大学
IPC: G06V10/764 , G06V10/774 , G06V10/26 , G06V10/82 , G06K9/62
Abstract: 本发明公开了一种基于深度图像的鸡群均匀度估测方法、装置、系统及介质，所述方法包括：获取肉鸡深度图像库；根据肉鸡深度图像库，构造目标分割数据集以及体重分类数据集；搭建目标分割网络和体重分类网络；利用目标分割数据集对目标分割网络进行训练，生成目标掩模图像数据集和矩形裁剪图像数据集；利用目标掩模图像数据集、矩形裁剪图像数据集和体重分类数据集对体重分类网络进行训练；利用训练好的体重分类网络对待测图像进行估测，得到体重类别以及对应的体重区间，并根据鸡群数据以及标准的肉鸡日龄体重计算出鸡群均匀度。本发明利用深度学习网络来自动提取图像特征，并进行体重分类，增加分类数以达到误差(50g)以内的体重估测，最终结合体重计算出鸡群均匀度。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.025 seconds)
