-
公开(公告)号：CN103228021A
公开(公告)日：2013-07-31
申请号：CN201310000985.3
申请日：2013-01-05
Applicant: 南京农业大学
CPC classification number: Y02D70/32
Abstract: 一种基于无线传感器执行器网络的设施作物生长环境参数监测和控制方法，其特征是包括三个阶段：分簇形成阶段、簇内更新阶段、簇头重新选举阶段。该方法将WSAN技术应用于设施作物，并提出一种适合WSAN网络的协作路由协议——基于动态分簇的角度转发路由协议，同时提出一种基于密封第一价拍卖的实时任务分配算法RTAA-SFPA。本发明可以实现设施作物应用的自动化、网络化和智能化；可以实现设施作物管理的实时性、可靠性和低能耗。
-
公开(公告)号：CN112435239B
公开(公告)日：2024-02-23
申请号：CN202011333884.4
申请日：2020-11-25
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于MRE‑PointNet和自编码器模型的绿萝叶片外形参数估测方法，通过Kinect V2相机对绿萝从单一角度拍摄获取点云数据，采用直通滤波、分割、点云精简算法对数据做预处理，采用参数方程构建绿萝叶片几何模型，并计算几何模型的叶长、叶宽、叶面积。将几何模型离散的点云数据输入多分辨率点云深度学习网络得到预训练模型，我们通过以几何模型离散的点云数据作为输入经过编码‑解码运算得到自编码器的预训练模型，通过自编码器的预训练模型来对输入点云数据进行二次处理降噪，其次，用测得的绿萝叶片外形参数标签对预训练模型进行参数微调，从而完成对输入绿萝叶片点云数据的外形参数估测。
-
公开(公告)号：CN111583328A
公开(公告)日：2020-08-25
申请号：CN202010370531.5
申请日：2020-05-06
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于几何模型的绿萝叶片外部表型参数的三维估测方法，包括以下步骤：S1建立绿萝叶片的几何模型数据库；S2固定RGB-D相机角度与高度对绿萝进行一次拍摄，获得绿萝叶片的局部点云数据；S3将S2获得的局部点云数据与S1中的几何模型数据库进行空间匹配与参数寻优，获得最接近的几何模型；S4计算该几何模型的叶片外部表型参数，作为估测结果。本发明的估测方法，植物叶片无需离体，拍摄仪器也无需改变角度，仅通过一次拍摄即能对其外部表型参数进行估测。估测结果的误差范围较小，且非常稳定。
-
公开(公告)号：CN109856064A
公开(公告)日：2019-06-07
申请号：CN201910080946.6
申请日：2019-01-28
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于光子传输模拟的苹果高光谱品质检测方法。本发明分析了光子入射最佳位置和源探距离，并用点光源高光谱仪实际拍摄红富士苹果进行验证。分析表明，光子在苹果赤道位置入射，具有73.12％概率到达更深的深度。源探位置与苹果的光学参数有关，形状为圆环，其源探内外径位置半径为1.5mm-10.15mm。点光源高光谱仪采集的红富士苹果入射位置为赤道，源探位置为半径为3.6mm-10.8mm的圆环，与模拟数据分析结果基本一致。蒙特卡洛光子传输模拟方法为研究高光谱苹果品质无损检测开辟了新思路，分析结果可以为研究高光谱品质检测实验设计和苹果便携式品质检测光学仪器设计提供理论基础。
-
公开(公告)号：CN105675821B
公开(公告)日：2018-11-02
申请号：CN201610094126.9
申请日：2016-02-21
Applicant: 南京农业大学
IPC: G01N33/00
Abstract: 本发明公开了一种作物氮素营养无损诊断的图像评价指标的建立方法，包括：获取小麦冠层图像、叶片氮含量；分割提取小麦冠层图像，计算每幅小麦冠层图像中叶片所有非0像素点R、G、B、H、S、I分量的平均像素值作为基础颜色特征参数r、g、b、h、s、i；计算9个图像特征参数r、g、b、r‑g‑b、r‑g、r‑b、(r‑g‑b)/(r+g+b)、(r‑g)/(r+g+b)、(r‑b)/(r+g+b)；构建CMI＝(xr‑yg‑zb)，与叶片氮含量拟合，确定权重系数x、y、z，对CMI标准化处理，确定NCMI＝(xr‑yg‑zb)/(r+g+b)。本发明建立的NCMI为相对适宜的冬小麦氮素营养评价指标，具备准确性和稳定性，可对作物含氮量进行量化评价。
-
Patent Agency Ranking
公开(公告)号：CN106845629A
公开(公告)日：2017-06-13
申请号：CN201710073144.3
申请日：2017-02-10
Applicant: 南京农业大学
IPC: G06N3/00
CPC classification number: G06N3/006
Abstract: 一种基于越界重置的参数列维化粒子群算法，该算法通过幂率分布来调整粒子群算法的参数取值，并针对做出长距离移动后在边界滞留的粒子，引入越界重置机制。本发明避免了列维飞行的高随机性带来的粒子在边界滞留从而失去寻优能力的情况，进一步提升了算法的性能。与此同时，在很大程度上降低了粒子群算法容易陷入局部最优而无法收敛到最优解的可能性，且具有更快的收敛速度和更高的收敛精度。
-
公开(公告)号：CN103228021B
公开(公告)日：2016-06-15
申请号：CN201310000985.3
申请日：2013-01-05
Applicant: 南京农业大学
CPC classification number: Y02D70/32
Abstract: 一种基于无线传感器执行器网络的设施作物生长环境参数监测和控制方法，其特征是包括三个阶段：分簇形成阶段、簇内更新阶段、簇头重新选举阶段。该方法将WSAN技术应用于设施作物，并提出一种适合WSAN网络的协作路由协议——基于动态分簇的角度转发路由协议，同时提出一种基于密封第一价拍卖的实时任务分配算法RTAA-SFPA。本发明可以实现设施作物应用的自动化、网络化和智能化；可以实现设施作物管理的实时性、可靠性和低能耗。
-
公开(公告)号：CN112036335B
公开(公告)日：2023-12-26
申请号：CN202010915753.0
申请日：2020-09-03
Applicant: 南京农业大学
IPC: G06V20/10 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提出一种反卷积引导的半监督植物叶部病害识别与分割方法，使用少量病害类别标注和病斑的像素级标注，通过反卷积实现病害种类的识别和病斑区域的分割。本方法通过一致性正则化、熵最小化方法生成无标记样本的类别预测标签；将有标记样本和无标记样本进行图像混合，利用新生成的图像进行半监督病害分类；对类别信息进行上采样，利用少量像素级标记进行半监督病斑分割。在模型训练的过程中，使用指数加权平均更新模型参数，使模型在测试数据上更加鲁棒。本发明适用于标签样本数量不足的植物叶部病害识别与分割的情况，实现了识别与分割的一体化，模型在光线不足、有异物遮挡叶片图像中具有较强的泛化能力，识别和分割速度能够满足实时性要求。
-
公开(公告)号：CN111583328B
公开(公告)日：2021-10-22
申请号：CN202010370531.5
申请日：2020-05-06
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于几何模型的绿萝叶片外部表型参数的三维估测方法，包括以下步骤：S1建立绿萝叶片的几何模型数据库；S2固定RGB‑D相机角度与高度对绿萝进行一次拍摄，获得绿萝叶片的局部点云数据；S3将S2获得的局部点云数据与S1中的几何模型数据库进行空间匹配与参数寻优，获得最接近的几何模型；S4计算该几何模型的叶片外部表型参数，作为估测结果。本发明的估测方法，植物叶片无需离体，拍摄仪器也无需改变角度，仅通过一次拍摄即能对其外部表型参数进行估测。估测结果的误差范围较小，且非常稳定。
-
公开(公告)号：CN112435239A
公开(公告)日：2021-03-02
申请号：CN202011333884.4
申请日：2020-11-25
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于MRE‑PointNet和自编码器模型的绿萝叶片外形参数估测方法，通过Kinect V2相机对绿萝从单一角度拍摄获取点云数据，采用直通滤波、分割、点云精简算法对数据做预处理，采用参数方程构建绿萝叶片几何模型，并计算几何模型的叶长、叶宽、叶面积。将几何模型离散的点云数据输入多分辨率点云深度学习网络得到预训练模型，我们通过以几何模型离散的点云数据作为输入经过编码‑解码运算得到自编码器的预训练模型，通过自编码器的预训练模型来对输入点云数据进行二次处理降噪，其次，用测得的绿萝叶片外形参数标签对预训练模型进行参数微调，从而完成对输入绿萝叶片点云数据的外形参数估测。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.021 seconds)
