-
公开(公告)号:CN119959181A
公开(公告)日:2025-05-09
申请号:CN202510441997.2
申请日:2025-04-09
Applicant: 安徽农业大学
IPC: G01N21/359 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/09 , G06N3/0895 , G06N3/084
Abstract: 本发明适用于近红外光谱分析领域,提供了一种近红外光谱少样本的多维双流对比互学习方法,该方法通过滑动窗口将一维光谱数据转换为二维矩阵,构建一维时序‑二维空间的多模态融合数据;设计双流网络分别处理一维时域序列和二维空间矩阵,结合频域卷积与时域循环网络提取互补特征;引入对比学习与掩码自监督联合优化,通过构建跨模态正负样本对和掩码恢复任务,增强模型对噪声和少样本的鲁棒性;采用互学习策略实现双流网络特征交互,提升模型泛化能力。本发明通过将一维光谱数据转化为二维矩阵并与一维数据特征融合,从频域与时域提取特征,结合对比学习和掩码自监督算法,显著提升了少样本分类性能。
-
公开(公告)号:CN119295778A
公开(公告)日:2025-01-10
申请号:CN202411332683.0
申请日:2024-09-24
Applicant: 安徽农业大学
IPC: G06V10/70 , G06V10/82 , G06V20/40 , G06F16/3329 , G06N5/04 , G06N3/0464
Abstract: 本发明公开了一种水产养殖鱼类管理方法、系统、设备与介质,涉及鱼类管理技术领域,包括步骤:采集养殖池内待识别目标的实时图像,待识别目标包括鱼类个体和饵料残留;将可分离逐步卷积模块嵌入YOLOv8n模型,获得LSS‑YOLOv8模型;将实时图像输入LSS‑YOLOv8模型中,学习实时图像中待识别目标与环境的上下文关系,获得饵料残留数量或鱼类个体的数量和状态;将识别结果进行文本向量映射,获得文本向量映射结果;将文本向量映射结果输入不同的大语言模型中,获得不同的回答策略和管理策略。本发明将YOLO v8n模型与大语言模型相结合,利用大语言模型丰富的知识库和庞大的参数量为投喂策略提供合理建议。
-
公开(公告)号:CN119044080B
公开(公告)日:2025-01-03
申请号:CN202411546943.4
申请日:2024-11-01
Applicant: 安徽农业大学
IPC: G01N21/25 , G01N21/29 , G02B21/36 , G02B21/02 , G02B21/06 , G02B21/24 , G06V10/34 , G06N3/092 , G06N5/048 , G06V10/44 , G06V10/50 , G06V10/80 , G06V10/82 , G06V10/94
Abstract: 本发明属于多光谱成像样品显微检测领域,具体提供了可组装式智能自适应照明多光谱透镜显微检测系统,其中,多光谱相机拍摄口的镜筒上通过第一连接螺纹连接设置有自适应智能照明模块,使得自适应智能照明模块紧固在多光谱相机拍摄口的镜筒上;自适应智能照明模块包括智能视觉优化系统,用于输出最佳的自适应智能照明参数;显微物镜通过连接件与自适应智能照明模块连接;智能终端与多光谱相机之间采用网络进行通信连接,智能终端中内置集成检测系统,集成检测系统中包括多光谱显微空谱深度融适模块和控制智能照明模块。本发明可以为样品检测过程中的多光谱相机动态调节光照条件,确保在不同环境下能够获取清晰的图像数据,提高检测精度。
-
公开(公告)号:CN119044080A
公开(公告)日:2024-11-29
申请号:CN202411546943.4
申请日:2024-11-01
Applicant: 安徽农业大学
IPC: G01N21/25 , G01N21/29 , G02B21/36 , G02B21/02 , G02B21/06 , G02B21/24 , G06V10/34 , G06N3/092 , G06N5/048 , G06V10/44 , G06V10/50 , G06V10/80 , G06V10/82 , G06V10/94
Abstract: 本发明属于多光谱成像样品显微检测领域,具体提供了可组装式智能自适应照明多光谱透镜显微检测系统,其中,多光谱相机拍摄口的镜筒上通过第一连接螺纹连接设置有自适应智能照明模块,使得自适应智能照明模块紧固在多光谱相机拍摄口的镜筒上;自适应智能照明模块包括智能视觉优化系统,用于输出最佳的自适应智能照明参数;显微物镜通过连接件与自适应智能照明模块连接;智能终端与多光谱相机之间采用网络进行通信连接,智能终端中内置集成检测系统,集成检测系统中包括多光谱显微空谱深度融适模块和控制智能照明模块。本发明可以为样品检测过程中的多光谱相机动态调节光照条件,确保在不同环境下能够获取清晰的图像数据,提高检测精度。
-
公开(公告)号:CN117256545A
公开(公告)日:2023-12-22
申请号:CN202311553506.0
申请日:2023-11-21
Applicant: 安徽农业大学
Abstract: 本发明公开一种智能饲养监测装置及其监测系统,涉及智能监测技术领域,智能饲养监测装置,包括浮船,浮船周侧至少两边呈对称设有气囊;投料组件,投料组件包括可升降的饵料托盘,饵料托盘位于浮船下方;调节组件,用以调节气囊相对浮船竖直方向的位置高度,以控制饵料托盘的入水深度;监测组件,监测组件位于饵料托盘的上方,采集饵料托盘上的图像上传至边缘计算设备终端。本实施例通过可升降调节的饵料托盘以及气囊,进而对饵料托盘的入水状态进行切换,以便于饵料的放置和龙虾的喂养,进一步通过监测组件对龙虾的进食进行监测,获取龙虾的生长状况以及饵料的余量,实现龙虾的科学饲养。
-
公开(公告)号:CN117110217A
公开(公告)日:2023-11-24
申请号:CN202311374660.1
申请日:2023-10-23
Applicant: 安徽农业大学
Abstract: 本发明公开了一种立体化水质监测方法及系统,属于水质监测技术领域。本发明通过水体离散特征提取模块自适应捕获中小面积离散分布水体信息,通过水体空间分布感知模块以空间分布角度充分感知大面积连续型水体语义,并构建水体特征聚合模块将二者分别获得的关键语义信息建立依赖关系,由此对水质图像进行区域分割得到不同的区域信息,再通过每个区域信息的光谱植被指数和水质目标要素数据建立光谱植被指数的反演组合,利用光谱植被指数的反演组合构建水质目标要素反演模型,进而通过水质目标要素反演模型对水质进行大面积实时连续监测,能够及时发现并针对性地应对突发的水质问题,有效反映水质空间分布状况,具有较强的实用性和广泛适用性。
-
公开(公告)号:CN116671477A
公开(公告)日:2023-09-01
申请号:CN202310936554.1
申请日:2023-07-28
Applicant: 安徽农业大学
Abstract: 本申请属于养殖船技术领域,公开了一种稻虾养殖用无人作业船,包括船体、动力装置、自动投料装置、除藻装置、信息采集模块和控制模块,自动投料装置包括饲料仓和抛料盘,将饲料通过抛料盘抛洒到水中实现自动投喂;除藻装置包括进藻斗、进藻管、负压仓体和传送带,负压仓体与进藻管连接,底部设置电控阀,顶部设置气泵,传送带进料端布置在负压仓体下方,传送带上方设置紫外线灭活机构,紫外线灭活机构前侧的传送带上方设置有挡板,传送带出料端伸出船体布置;通过紫外线灭活机构将吸进来的藻类灭活然后再排入水中,灭活后的藻类可以分解成有机物补充水中的养分。上述方案在无人作业船自动投喂的同时可以直接自动清理水面藻类,提高了清理效率。
-
公开(公告)号:CN119338805A
公开(公告)日:2025-01-21
申请号:CN202411865597.6
申请日:2024-12-18
Applicant: 安徽农业大学
IPC: G06T7/00 , G01N21/88 , G01N21/892 , G01N21/25 , G06V20/68 , G06V20/40 , G06V10/40 , G06V10/52 , G06V10/77 , G06V10/82 , G06V10/94 , G06V10/96 , G06N3/0464 , G06N3/0495 , G06N3/092 , G06N3/096 , G06N3/006 , G06F9/50
Abstract: 本发明属于果实病害检测分析领域,具体提供了面向果实病害检测的多源教师蒸馏及熵减分布平台系统,包括以下模块:集成设备模块利用集成式设备采集目标果实的影像数据;数据处理模块对所述高光谱图像和视频分别进行智能光谱信息增强处理;模型部署模块将针对高光谱图像数据的模型蒸馏得到可部署边缘端的模型;病害检测模块通过总控协调不同数据类型的边缘端拆分教师模型,得到由多个边缘端拆分得到的子模型,利用子模型对传送带上的果实进行病害质量检测任务。本发明通过集成式设备采集果实的高光谱图像和视频,并发送到各个边缘设备进行预处理,再通过总控协调不同数据类型的边缘端进行蒸馏模型的拆分,并将其量化部署在边缘设备上实行检测。
-
公开(公告)号:CN117975172B
公开(公告)日:2024-07-09
申请号:CN202410373070.5
申请日:2024-03-29
Applicant: 安徽农业大学
IPC: G06V10/764 , G06N3/0464 , G06N3/096 , G06V10/40 , G06V10/766 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种整株豆荚识别模型构建与训练方法及系统,属于智能检测技术领域。包括单个豆荚提取与类别匹配、虚拟离体和整株豆荚数据集生成和豆荚识别模型构建与训练。标注获得离体和整株豆荚图像数据集,从离体豆荚训练集中提取单个豆荚并利用其生成虚拟离体和整株豆荚数据集,搭建豆荚识别模型,并使用多阶段迁移学习方法采用虚拟和真实豆荚数据集通过从离体到整株豆荚数据的训练来获得整株豆荚识别模型。本发明较于现有技术,优点在于:生成的虚拟数据集能够丰富豆荚特征,显著减少豆荚标注工作量,并避免重叠遮挡场景下豆荚标注困难等问题;提出的整株豆荚识别模型具有较强的特征提取能力,提升了复杂场景下豆荚识别精度。
-
公开(公告)号:CN118298431A
公开(公告)日:2024-07-05
申请号:CN202410718322.3
申请日:2024-06-05
Applicant: 安徽农业大学
IPC: G06V20/70 , G06V10/82 , G06V10/44 , G06V10/50 , G06V10/52 , G06V10/80 , G06V10/762 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06F40/30 , G06F40/284 , G06F18/25
Abstract: 本发明公开了一种自然场景图像描述生成方法及系统,属于计算机视觉以及自然语言处理技术领域。本发明采用融合注意力机制的编码器‑解码器架构设计图像描述模型,构建基于向量梯度非均匀正则化的图像特征编码模块,增强图像中目标之间互动关系的准确性;构建基于特征贡献和标准差控制优化的文本特征解码模块,提高捕捉图像视觉信息的完整性和图像描述技术在各种场景下的泛化能力和适应性。本发明能够提升面向自然场景的图像描述的准确性、多样性和通用性,从而生成高精度、信息丰富和鲁棒性强的自然语言描述。
-
-
-
-
-
-
-
-
-