-
公开(公告)号：CN108230264B
公开(公告)日：2020-05-15
申请号：CN201711305489.3
申请日：2017-12-11
Applicant: 华南农业大学
Abstract: 本发明为基于ResNet神经网络的单幅图像去雾方法，实现了对有雾图像端到端的去雾清晰化处理，其步骤包括：获取同一个场景下的雨雾天气状况下的有雾图像及晴天的清晰图像，组成图像数据集；对图像数据集使用SIFT进行关键点匹配，校正图像的像素偏移；搭建一个基于ResNet的深度神经网络，其输入为单幅有雾的场景图像；使用所搭建的深度神经网络，实现对降质图像进行端到端的去雾清晰化处理。本发明专利使用了ResNet网络，能够较好地提取输入图像的特征，对特定场景下的有雾图像具有很好地去雾清晰化效果，图像视觉还原效果极佳。
-
公开(公告)号：CN110414610A
公开(公告)日：2019-11-05
申请号：CN201910702143.X
申请日：2019-07-31
Applicant: 华南农业大学
Abstract: 本发明公开了一种果园土壤聚类系统及方法，该系统包括：依次连接的数据采集节点、数据传输网关、数据存储模块、数据处理模块和建模聚类模块；数据采集节点包括：电源模块和分别与电源模块电连接的处理器、传感器及通信模块；处理器分别与传感器、通信模块连接；通信模块通过所述数据传输网关将数据发送给所述数据存储模块；数据处理模块，用于将所述数据存储模块存储的数据进行预处理；建模聚类模块，根据机器学习算法中的K-means聚类对预处理后的数据进行建模并聚类。该系统可对果园土壤类型进行聚类，让用户清楚的了解土壤的类型，有利于果园分块管理，能有效提高果园灌溉系统的效率，从而针对不同的土壤采取不同的灌溉方法。
-
公开(公告)号：CN109711389A
公开(公告)日：2019-05-03
申请号：CN201910041539.4
申请日：2019-01-16
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于Faster R-CNN和HMM的哺乳母猪姿态转换识别方法，步骤为：1.深度图像质量增强；2.用改进Faster R-CNN识别母猪姿态，以每帧概率最大的姿态作为姿态序列；并将概率最大的前5个检测框作为候选区域；3.用长度为5的中值滤波修正姿态序列分类错误；用视频段姿态转换次数检测疑似转换片段；在疑似转换片段中，用维特比算法根据候选区域构建母猪定位管道；4.在定位管道中，用最大类间方差法分割各帧母猪，计算母猪身体各部分高度，形成高度序列；5.将高度序列输入HMM模型，将疑似转换片段分为姿态转换与未转换片段；对单一姿态片段和姿态转换片段分类，获得识别结果。本发明能在光线变化及夜间场景下，自动母猪姿态转换识别，为高危行为识别打下基础。
-
公开(公告)号：CN109711325A
公开(公告)日：2019-05-03
申请号：CN201811587011.9
申请日：2018-12-25
Applicant: 华南农业大学
Abstract: 本发明公开了一种芒果采摘点识别方法，包括以下步骤：采集芒果的图像，建立自然场景下的芒果采摘图像库；建立基于Mask R-CNN网络的芒果果实分割模型；计算每个果实的长轴、短轴以及质心；利用自底向上层次聚类法判断是否成簇；若芒果果实成簇，则识别成簇果实母枝并在母枝上定位采摘点；若芒果为单果，则分割和识别该果实的果梗，在果梗上确定采摘点。本发明利用基于Mask R-CNN网络的芒果果实分割模型进行果实实例分割，解决自然果园场景下光线变化、遮挡、重叠导致的检测分割难题，具有分割精准、适用场景多的优点。
-
公开(公告)号：CN109685737A
公开(公告)日：2019-04-26
申请号：CN201811579417.2
申请日：2018-12-24
Applicant: 华南农业大学
CPC classification number: G06T5/003 , G06N3/0454
Abstract: 本发明公开了一种图像去雾方法，具体包括以下步骤：搭建基于ResNet的深度神经网络模型；采集训练数据集并训练网络模型；设计神经网络模型损失函数，使神经网络模型更精确地实现对有雾图像的去雾清晰化处理；精简压缩神经网络模型，压缩神经网络模型计算量；使用训练好的神经网络模型对待处理图像进行端到端去雾清晰化处理。本发明通过压缩神经网络模型，使模型计算量和参数数量明显下降，减少运行时间，可在移动端稳定运行。
-
Patent Agency Ranking
公开(公告)号：CN106600541A
公开(公告)日：2017-04-26
申请号：CN201610962398.6
申请日：2016-11-04
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于自适应大气光幕图的多模传输视频图像清晰化处理系统，包括：前端视频图像获取设备，其中搭载平台包括无人机、无人船、固定端以及手持式移动摄像设备；基于多模的远程传输模块；图像处理服务终端。其中无人机和无人船由操作人员进行现场遥控相关设备，对所需求的场景进行拍照录像以获取所需要的图像来源；其中固定端只需要远程操控摄像设备进行图像获取即可；对于手持式摄像设备需要工作人员依据实际所需进行具体的图像获取。服务器端对所述接收到的图像进行清晰化处理，在服务器端运行自适应大气光幕图的图像去雾算法，快速有效地实现去雾清晰化。可实现多场景图像地获取，同时实现简单快速并且实时地去雾获得清晰的图像。
-
公开(公告)号：CN104181214B
公开(公告)日：2017-04-12
申请号：CN201410414434.6
申请日：2014-08-21
Applicant: 华南农业大学
IPC: G01N27/26
Abstract: 本发明公开了一种水质传感器小信号分段拟合温度补偿方法，涉及小信号处理的技术领域。具体的说，是一种采用分段拟合法，以达到提高测量准确度、减小测量数据转换误差、拟合非线性曲线以增强测量精度拟合效果。本发明采用分段直线拟合方法建立数学模型，将pH温度系数KpH标定曲线划分为几个区间，然后用最小二乘法拟合出相应的直线方程，并计算直线拟合精度，若精度低于阀值，则重新划分区间进行拟合，直到精度满足要求为止，进而实现温度补偿。本发明是一种简单、快捷、精准的数学模型，有效提高数据采集准确度。
-
公开(公告)号：CN105897912A
公开(公告)日：2016-08-24
申请号：CN201610345947.5
申请日：2016-05-20
Applicant: 华南农业大学
CPC classification number: H04L67/12 , G06Q50/02 , H04L67/125
Abstract: 本发明公开了一种智能灌溉系统，包括依次通讯连接的控制终端模块、信息采集终端模块、网关模块、网络服务器模块、处理系统和人机交互界面模块；所述处理系统包括数据库模块、知识库模块、推理机模块、解释机模块和知识获取模块，用户通过所述人机交互界面模块与智能灌溉系统进行信息交换。如此设置，本发明公开的智能灌溉系统，其能够有效提高灌溉的智能化程度，通过系统智能决策，结合专业知识经验，指导使用者更好地去管理植物园。本发明还公开了一种用于上述智能灌溉系统的工作方法。
-
公开(公告)号：CN114359727B
公开(公告)日：2024-06-04
申请号：CN202111663816.9
申请日：2021-12-31
Applicant: 华南农业大学
IPC: G06V20/10 , G06V10/774 , G06V10/36 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/048 , G06N3/0985
Abstract: 本发明公开了一种基于轻量级优化Yolo v4的茶叶病害识别方法及系统，所述方法包括：采集茶叶病害图片，经预处理后作为训练Yolo v4模型的数据集；对Yolo v4模型中的特征提取主干模块和特征提取融合模块进行轻量级优化，获取优化后的Yolo v4模型；利用训练Yolo v4模型的数据集对优化后的Yolo v4模型进行训练和验证，获取识别茶叶病害的最优Yolo v4模型；利用得到的最优Yolo v4模型对茶叶病害图像进行识别。通过本发明有效减少了原始Yolo v4网络模型庞大的参数量和模型体积，并提升了茶叶病害目标的检测效率和识别精度。
-
公开(公告)号：CN114898359B
公开(公告)日：2024-04-30
申请号：CN202210307091.8
申请日：2022-03-25
Applicant: 华南农业大学
IPC: G06V20/68 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/40 , G06V10/32 , G06V10/22 , G06T7/00 , G06T3/60 , G06T3/40 , G06N3/0464 , G06T3/4053
Abstract: 本发明公开了一种基于改进EfficientDet的荔枝病虫害检测方法，针对实时场景下的图像复杂背景采用Mosaic数据增强方法，使模型学习更丰富的背景信息，且提升小目标的检测效果；采用更轻量化的改进骨干特征提取网络EfficientNetv2‑s，提升网络的训练速度；采用SPP模块进一步提取有用的特征信息；采用效果比BiFPN更好的纵向跨层特征融合网络PaFPN，提升模型的检测效果；采用CIoULoss提升模型的收敛速度和回归精度，采用DIoUnms非极大值抑制，减少对重叠目标的抑制。通过改进的EfficientDet目标检测模型，提供实时性更强，准确率更高的实时场景下荔枝病虫害的检测识别方法。
-
-
-
-
-
-
-
-
-
Search Results
107
records
(took 0.054 seconds)
