-
公开(公告)号：CN117496273A
公开(公告)日：2024-02-02
申请号：CN202311754608.9
申请日：2023-12-20
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种级联深度学习分类模型的稻飞虱检测方法，具体步骤包括：稻飞虱图像获取以及创建稻飞虱检测数据集和稻飞虱分类数据集；用稻飞虱检测数据集训练检测模型；根据稻飞虱目标尺寸较小的特点构建了一个基于深度学习的分类模型用于对检测模型输出的稻飞虱目标进行快速分类；构建级联深度学习分类模型的稻飞虱检测模型；将待检测图片输入级联深度学习分类模型的稻飞虱检测模型得到稻飞虱的检测框及其类别。本发明针对稻飞虱目标尺寸较小容易检测错误的问题，设计了小型分类模型对稻飞虱目标进行快速准确分类，通过分离检测模型的定位和分类模块，提高了对三种稻飞虱的检测精度。
-
公开(公告)号：CN117456350A
公开(公告)日：2024-01-26
申请号：CN202311165338.8
申请日：2023-09-11
Applicant: 杭州电子科技大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/44 , G06V10/80 , G06V10/94
Abstract: 本发明公开了适于边缘计算场景的水稻叶面型病害多模态融合检测方法；该方法如下：一、数据采集。二、对光谱数据进行提取。三、构建图像特征优选提取器，对图片数据进行提取。四、多模态特征融合。五、叶面型病害检测。本发明针对图像检测方面易误判的局限性，在图像基础上加入蕴含有植物生理性状的光谱信息作为补充；而针对光谱检测方面存在的成本高等问题，本发明选择使用能反应作物整体生长情况的少量有代表性的非成像光谱波段信息进行检测，能够较好反应作物病虫害发生情况。此外，本发明结合了神经网络模型优秀的特征提取能力和传统机器学习分类方法高鲁棒性的优势，并可实现在边缘计算硬件上的部署。
-
公开(公告)号：CN110010219B
公开(公告)日：2021-12-10
申请号：CN201910188403.6
申请日：2019-03-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了光学相干层析图像视网膜病变智能检测系统及检测方法。目前获得的视网膜图像主要由眼科医生依靠肉眼观察来作出判断，不利于大规模推广。本发明以深度学习思想为技术核心，结合迁移学习策略，利用深度学习模型中的卷积神经网络算法构建分类器，实现视网膜病变的分类，并利用图像分割算法实现对病灶的提取和视网膜分层，从而获取图片中病变位置的具体信息和形态参数的量化信息，生成相关诊断报告供医生进一步诊断。本发明能够弥补目前光学相干层析成像系统在病变智能识别和精准定位这一领域的空白，有效降低医生工作强度，进一步促进光学相干层析成像系统在眼科疾病诊断上的临床应用和技术发展。
-
公开(公告)号：CN111832642A
公开(公告)日：2020-10-27
申请号：CN202010643798.7
申请日：2020-07-07
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于VGG16在昆虫分类学上的图像识别方法，包括：S1、建立图像数据集；S2、对图像数据集的昆虫图像进行处理得到训练数据集；S3、利用VGG16模型对训练数据集进行训练；S4、从图像数据集中抽取部分图像作为参考图像和待识别图像，进行角点检测以对参考图像进行矫正；S5、将待识别图像以及矫正后的参考图像经过处理后输入训练后的VGG16模型，进行图像特征的提取；S6、将提取的图像特征进行可视化以得到特征图；S7、计算待识别图像与每类昆虫目级阶元下所有参考图像的特征图图像相似度SSIM并求取均值，将待识别图像分类至均值最大的一类，作为所属的目级阶元。本发明提高了昆虫分类的准确率和效率。
-
公开(公告)号：CN117876773A
公开(公告)日：2024-04-12
申请号：CN202410048232.8
申请日：2024-01-12
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V20/60 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于EfficienNetV2S的虫害细粒度识别方法，包括如下步骤：S1、收集农业昆虫图像，并预处理得到数据集；S2、构建细粒度分类模型，所述细粒度分类模型以EfficienNetV2‑S为主干网络，在EfficienNetV2‑S中带有SE注意力模块的MBConv模块嵌入一个多尺度注意力EMA模块，记为EMA‑MBConv；S3、将预处理后的数据集作为输入训练细粒度分类模型；S4、获取待识别的图像经预处理后，通过完成训练的细粒度分类模型进行昆虫分类。该方法解决实际农业中害虫种类多，背景复杂，类内差异大，类间差异小且数据分布不平衡导致害虫分类准确率低的问题。
-
Patent Agency Ranking
公开(公告)号：CN112418517B
公开(公告)日：2023-09-26
申请号：CN202011309662.9
申请日：2020-11-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种用于冻害短临预警的预测方法。本发明步骤为：一、温度数据建模；二、利用温度拟合曲线预测区间内的最低温度；三、利用短时间内单调趋势分析冻害发生可能性；四、冻害分析结果输出。温度数据建模阶段，利用温度数据建立温度变化趋势模型；通过建立的温度变化趋势模型对最低温度进行预测；在判定预测的最低温度，低于设定的阈值之后，利用短时间内温度的单调变化趋势对实际的温度进行精准预测，分析冻害发生的可能性；若预测会出现冻害则及时报警。本发明可依托茶园现有传感器及历史温度数据进行预测，方便快捷。另一方面，该方法可以较为准确地对可能出现低温的时间点进行预测，能更好的减小低温冻害对于茶园的损失。
-
公开(公告)号：CN112098369B
公开(公告)日：2023-08-29
申请号：CN202010831059.0
申请日：2020-08-18
Applicant: 杭州电子科技大学
IPC: G01N21/47
Abstract: 本发明公开了一种基于漫反射光的患霉心病苹果花检测方法及装置。现有技术均是对采摘后的苹果进行霉心病判别。本发明通过三维扫描得到所有花蕊的位置坐标，使用光纤激光器对各花蕊发射激光，花蕊产生的漫反射光照射在光电检测模块的光敏传感器上，光电检测模块将光信号转换为电信号传给核心处理模块，核心处理模块根据预先植入的判别模型判断当前位置坐标处的苹果花花蕊是否感染霉心病，若判断出当前位置坐标处的苹果花花蕊感染了霉心病，则核心处理模块将当前位置坐标发送给计算机。本发明使用漫反射光进行检测，在果园现场即可进行检测，且在苹果花期进行检测，得了虫害的便摘除，节省了病果生长消耗的养分，使苹果树养分更有效地被利用。
-
公开(公告)号：CN114708208B
公开(公告)日：2023-06-16
申请号：CN202210298555.3
申请日：2022-03-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于机器视觉的名优茶嫩芽识别与采摘点定位方法，具体步骤如下：步骤一、制作名优茶嫩芽的原始数据集；步骤二、原始数据集训练，训练结束后将所得的参数固化成模型并输出；步骤三、获取名优茶嫩芽的测试图像，将测试图像输入至步骤二中输出的模型，并输出测试图像中茶叶嫩芽的预测框和二维掩膜信息；步骤四、获取二维掩膜信息中不同连通域面积，计算最大连通域的最小外接矩形，获得实现最小外接矩形所需的旋转角度，将最小外接矩形旋转角度作为芽轴方向，沿芽轴切线方向获取下刀角度；步骤五、沿芽轴自下而上2％的位置作为采摘点。使用实例分割算法通过模型学习像素间深层特征直接输出嫩芽的掩膜区域，茶芽边缘提取准确。
-
公开(公告)号：CN111325767B
公开(公告)日：2023-06-02
申请号：CN202010097186.2
申请日：2020-02-17
Applicant: 杭州电子科技大学
Abstract: 本发明属于农业图像技术领域，具体涉及一种基于真实场景的柑橘果树图像集合的合成方法,包括，采用阈值分割法对果实图像集合F中的每一幅图像f进行阈值分割处理；采用标记控制分水岭方法对果树图像集合T中的每一幅图像t进行阈值分割处理；包含已知果实数目的图像掩膜集合制作；对果实图像与果树图像进行基于掩膜集合的果树图形合成。本发明利用处理后的果实和果树的简单图像合成包含固定果实个数的果树图像集合，节省了解析和标签数据的过程，普适性高，具有较高应用价值。
-
公开(公告)号：CN115018125A
公开(公告)日：2022-09-06
申请号：CN202210486469.5
申请日：2022-05-06
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于气象及虫情监测数据的茶小绿叶蝉虫害动态预测方法。该方法包括以下步骤：步骤一、获取数据，构建模型数据集。步骤二、计算虫害压力指数。虫害压力指数包括压力值和程度值。压力值是当前时间的茶小绿叶蝉虫害发生情况和未来虫害发展趋势的综合压力值；程度值是当前时间的茶小绿叶蝉的虫害发生情况和未来虫害发展趋势的风险等级。步骤三、根据压力值和程度值的大小评估被测区域当前及未来若干天内的虫害爆发的风险情况。本发明以被测区域在历史上的小绿叶蝉虫害压力情况为基础，结合气象数据和虫口密度监测数据，实时获取当天及未来若干天内的茶小绿叶蝉虫害发生风险。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.037 seconds)
