公开(公告)号：CN114842300A

公开(公告)日：2022-08-02

申请号：CN202210514016.9

申请日：2022-05-11

Applicant: 安徽农业大学

Inventor： 吴琪 ,  吴云志 ,  曾涛 ,  乐毅 ,  张友华 ,  余克健 ,  胡楠

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/74 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种适应雨天环境的农作物病虫害检测方法，包括以下步骤：步骤1、获取有雨、无雨、农作物病虫害图像数据集；步骤2、对数据集进行预处理；步骤3、利用有雨、无雨图像数据集对DCD‑GAN模型进行训练；步骤4、将最优配置参数下的DCD‑GAN模型的输出连接YOLOX模型的输入，得到D‑YOLOX模型；步骤5、利用农作物病虫害图像数据集对D‑YOLOX模型进行训练；步骤6、通过最优配置参数下的D‑YOLOX模型进行雨天环境的农作物病虫害图像处理。本发明能够有效避免因雨天拍摄的图像质量差，雨水干扰对模型性能产生影响。

公开(公告)号：CN114821182A

公开(公告)日：2022-07-29

申请号：CN202210494136.7

申请日：2022-05-05

Applicant: 安徽农业大学

Inventor： 吴琪 ,  吴云志 ,  曾涛 ,  乐毅 ,  张友华 ,  余克健 ,  胡楠

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/25 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种水稻生长阶段的图像识别方法，包括以下步骤：步骤1、在实地采集和网上采集水稻图片作为数据集；步骤2、将数据集分为训练集和测试集，并进行预处理和数据增强；步骤3、构建ODRL‑Swin Transformer模型；步骤4、通过训练设置ODRL‑Swin Transformer模型的配置参数为所述最优配置参数，步骤5、由ODRL‑Swin Transformer模型输出最终的水稻预测识别结果。本发明可提高对水稻图像识别的准确性。

公开(公告)号：CN114900875B

公开(公告)日：2024-03-19

申请号：CN202210446107.3

申请日：2022-04-26

Applicant: 安徽农业大学

Inventor： 吴琪 ,  吴云志 ,  曾涛 ,  乐毅 ,  张友华 ,  余克健 ,  胡楠

IPC: H04W52/02

Abstract: 本发明公开了一种可降低功耗的个人智能终端应用程序网络数据接收方法，包括以下步骤：步骤1、获取接收网络数据包的协议接口；步骤2、获取网络数据包的有效包长，并判断是否需要向所述应用程序推送网络数据包；步骤3、当判断需要推送时，预测得到网络数据包的种类；步骤4、基于系统信息、步骤3得到的种类得到延迟时间；步骤5、根据延迟时间与网络数据包存续于协议接口中的时间是否对齐，判断是否向应用程序交付网络数据包。本发明可有效降低个人智能终端设备功耗。

公开(公告)号：CN114821239A

公开(公告)日：2022-07-29

申请号：CN202210507282.9

申请日：2022-05-10

Applicant: 安徽农业大学

Inventor： 吴琪 ,  吴云志 ,  曾涛 ,  乐毅 ,  张友华 ,  余克健 ,  胡楠

IPC: G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种有雾环境下的病虫害检测方法，包括以下步骤：步骤1、收集清晰的图像作为训练Optimized‑AECR‑Net模型的数据集，收集病虫害的图像作为训练OACER‑Swin Transformer模型的数据集；步骤2、对数据集进行预处理，并对病虫害数据集进行加雾处理；步骤3、构建并训练Optimized‑AECR‑Net模型；步骤4、构建并训练OACER‑Swin Transformer模型；步骤5、采用OACER‑Swin Transformer模型进行病虫害检测。本发明方法能够有效避免因雾天拍摄的图片质量差导致的模型性能差，该方法适用于有雾环境下的各种农作物病虫害检测。