-
公开(公告)号：CN117456279B
公开(公告)日：2025-04-22
申请号：CN202311623115.1
申请日：2023-11-30
Applicant: 安徽农业大学
IPC: G06V10/764 , G06V20/00 , G06N5/022 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种融合知识图谱与图像识别的垃圾分类方法，包括：1、构建知识图谱，捕捉垃圾实体与种类之间的关系2、利用Ac自动机树，提取问题中的垃圾实体名；3、利用TransR模型提取垃圾实体的文本向量；4、设定疑问词列表，提取问题中的疑问词，根据疑问词是否在疑问词列表中和问题中是否有垃圾实体名来对问题进行分类；5、针对不同类型的问题，返回不同的答案模板；6、构建图像识别模型，获取垃圾图片的向量；7、将垃圾实体的文本向量和图片向量，结合注意力机制将相互对应的向量进行拼接，得到垃圾实体的融合向量后，最终返回垃圾的类别。本发明融合了知识图谱和图像识别，能更稳定、更便捷、更高效的实现垃圾分类。
-
公开(公告)号：CN117059261A
公开(公告)日：2023-11-14
申请号：CN202311055533.5
申请日：2023-08-21
Applicant: 安徽农业大学
IPC: G16H50/20 , G06F40/295 , G06F16/36 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/08 , G06N5/022
Abstract: 本发明涉及多模态知识图谱的畜禽疾病诊断技术领域，且公开了一种基于多模态知识图谱的畜禽疾病诊断方法，包括以下步骤：S1、面向畜禽疾病的命名实体识别方法：所述面向畜禽疾病的命名实体识别是指利用若干个畜禽疾病文本、图像、声音和视频识别的相关疾病实体。该基于多模态知识图谱的畜禽疾病诊断方法，通过将命名实体识别和知识图谱构建技术引入畜禽疾病诊断领域，可以为畜禽疾病的诊断和治疗提供更加全面和准确的参考，从而提高畜禽疾病治疗的效果和治愈率；同时，畜禽疾病知识图谱的构建可以帮助人们更好地了解畜禽疾病的发生规律和传播途径，为畜禽疾病的预防和控制提供科学依据。
-
公开(公告)号：CN115937689B
公开(公告)日：2023-08-11
申请号：CN202211721125.4
申请日：2022-12-30
Applicant: 安徽农业大学
Abstract: 本发明涉及人工智能技术领域，且公开了一种农业害虫智能识别与监测技术，通过利用公开知识图谱和私有数据构建多模态农业病虫害知识图谱，收集多类别害虫图片作为训练数据，并对数据进行预处理，利用训练数据训练一个卷积视觉模型和一个视觉注意力模型，然后将训练完成的模型保存，冻结模型后，使用融合模块融合两个模型，利用多模态知识图谱推理出输入害虫图片的相关粗粒度的属性特征，利用编码器对推理的属性特征进行编码。该农业害虫智能识别与监测技术，可以利用粗粒度多模态知识图谱辅助混合视觉模型对害虫进行识别和监测，提高了对害虫种类的识别准确度。
-
公开(公告)号：CN115937689A
公开(公告)日：2023-04-07
申请号：CN202211721125.4
申请日：2022-12-30
Applicant: 安徽农业大学
Abstract: 本发明涉及人工智能技术领域，且公开了一种农业害虫智能识别与监测技术，通过利用公开知识图谱和私有数据构建多模态农业病虫害知识图谱，收集多类别害虫图片作为训练数据，并对数据进行预处理，利用训练数据训练一个卷积视觉模型和一个视觉注意力模型，然后将训练完成的模型保存，冻结模型后，使用融合模块融合两个模型，利用多模态知识图谱推理出输入害虫图片的相关粗粒度的属性特征，利用编码器对推理的属性特征进行编码。该农业害虫智能识别与监测技术，可以利用粗粒度多模态知识图谱辅助混合视觉模型对害虫进行识别和监测，提高了对害虫种类的识别准确度。
-
Patent Agency Ranking
公开(公告)号：CN115269864A
公开(公告)日：2022-11-01
申请号：CN202210746863.8
申请日：2022-06-28
Applicant: 安徽农业大学
IPC: G06F16/36 , G06F16/23 , G06F16/27 , G06F16/28 , G06F40/295 , G06Q10/06 , G06Q30/02 , G06Q50/02 , H04L67/1097
Abstract: 本发明公开了一种基于区块链的农业众包知识图谱的构建方法及系统，本发明在农业知识图谱的构建中引入了众包和区块链技术，将农业知识图谱构建环节任务交给众包完成，将区块链技术引入众包农业知识图谱的构建流程中，提出融合区块链智能合约的众包农业知识图谱构建策略，并将众包构建知识图谱的过程上链，实现数据的不可篡改、可追溯、可信任；基于众包构建的农业知识图谱数据，采取联合抽取法和多种补全方式，提高了对众包数据三元组信息的抽取效率和知识图谱完整性；建立众包工人信用评价体系，有效提高了众包完成质量和专业领域人员长期参与积极性；本发明有效解决了农业知识图谱构建中数据易泄露、可信度低、构建效率低、质量难评估等问题。
-
公开(公告)号：CN118036887A
公开(公告)日：2024-05-14
申请号：CN202410213628.3
申请日：2024-02-27
Applicant: 安徽农业大学
IPC: G06Q10/063 , G06Q10/04 , G06Q10/0639 , G06F18/24 , G06F18/25 , G06N20/10
Abstract: 本发明公开了一种生鲜农产品货架期品质智能管控与预警模型装置，涉及农产品品质管理技术领域，包括影响因素筛选模块，用于根据生鲜农产品货架期内外部环境因素数据，物流微环境下的生鲜农产品品控因素数据，生鲜农产品的货架期关键指标因素数据及温湿气振与品质变化的货架期因素数据，以及生鲜农产品的成长阶段对应的图像信息和气味信息，得到生鲜农产品的货架期预警模型的关键影响因素；样本集获取模块，用于根据所述关键影响因素数据集进行融合，得到支持向量机的样本集。本发明充分考虑到农产品品质的多指标及多指标之间的相互影响，兼顾模型的预测性能，可以实现农产品品质更为科学、具体、实用的管控。
-
公开(公告)号：CN117456279A
公开(公告)日：2024-01-26
申请号：CN202311623115.1
申请日：2023-11-30
Applicant: 安徽农业大学
IPC: G06V10/764 , G06V20/00 , G06N5/022 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种融合知识图谱与图像识别的垃圾分类方法，包括：1、构建知识图谱，捕捉垃圾实体与种类之间的关系2、利用Ac自动机树，提取问题中的垃圾实体名；3、利用TransR模型提取垃圾实体的文本向量；4、设定疑问词列表，提取问题中的疑问词，根据疑问词是否在疑问词列表中和问题中是否有垃圾实体名来对问题进行分类；5、针对不同类型的问题，返回不同的答案模板；6、构建图像识别模型，获取垃圾图片的向量；7、将垃圾实体的文本向量和图片向量，结合注意力机制将相互对应的向量进行拼接，得到垃圾实体的融合向量后，最终返回垃圾的类别。本发明融合了知识图谱和图像识别，能更稳定、更便捷、更高效的实现垃圾分类。
-
公开(公告)号：CN117953374A
公开(公告)日：2024-04-30
申请号：CN202410098762.3
申请日：2024-01-24
Applicant: 安徽农业大学
IPC: G06V20/10 , G06V20/40 , G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/045 , G06T7/277
Abstract: 本发明公开了一种灌木型农作物生长质量智能监测方法及系统，属于农作物生长监测技术领域。本发明包括如下步骤：S1、构建茶叶图像数据集；S2、设计算法及灌木型农作物目标检测；S3、构建灌木型农作物叶芽跟踪数据集：基于S1中所采集的茶树视频资料，对视频帧内每一叶芽目标进行逐帧标注，构建灌木型农作物叶芽跟踪数据集；S4、设计灌木型农作物叶芽跟踪方法；S5、设计灌木型农作物叶芽计数方法。本发明还进一步提出了与方法相匹配的智能监测系统。本发明应用了深度学习对灌木型农作物的生长状况进行监控，解决了大多依赖于农业从业者的经验判断，避免了人工检测劳动强度大，结果易受个人主观判断的影响，确保了评估的准确性和时效性。
-
公开(公告)号：CN116778391A
公开(公告)日：2023-09-19
申请号：CN202310828903.8
申请日：2023-07-07
Applicant: 安徽农业大学
IPC: G06V20/40 , G06V10/82 , G06Q50/02 , G06N3/0464 , G06N3/08 , G06N3/0442
Abstract: 本发明公开了一种多模态作物病害表型协同分析模型、装置及模型构建系统，方法包括：构建基于改进CNN和LSTM的作物病害表型文本生成模型，通过组建的多模态训练数据集，对其进行训练；基于改进CNN和LSTM的作物病害表型文本生成模型通过组建的多模态训练数据集，对其进行训练；构建基于查询文本引导和多阶段推理的视觉语言定位模型(MQVL)通过组建的多模态训练数据集，对其进行训练；构建基于CNN‑Transformer双流多模态少样本识别模型(CTMF)通过组建的多模态训练数据集，对其进行训练。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.051 seconds)
