-
公开(公告)号：CN114449489A
公开(公告)日：2022-05-06
申请号：CN202111600021.3
申请日：2021-12-24
Applicant: 河南农业大学
Abstract: 本发明公开了一种快速的设备到设备并行发现方法，以解决现有的设备发现效率低、响应速度慢的技术问题。本发明设备发现流程由接入点AP进行调度，多个站点（STA）的设备发现过程在同一个流程中进行，从而提升设备发现效率。站点设备通过OFDMA方式发送设备发现块回复（Discovery Block Response）帧，可以在一个块回复帧中同时回复多个站点设备，进一步提升了发现效率，为了确保同步发送块回复帧，所有站点设备都与AP实现同步，并由AP反馈最终的D2D设备发现结果。本发明的有益效果在于：发现效率高、速度快、流程简单。
-
公开(公告)号：CN113673612A
公开(公告)日：2021-11-19
申请号：CN202110981213.7
申请日：2021-08-25
Applicant: 河南农业大学
Abstract: 本发明公开了一种高场不对称离子迁移谱图分类识别方法，基于对检测样本的动态图谱和对图谱进行多尺度空域信息融合的技术路线，包括：分别将每个检测样本重复测量得到一组图谱样本从而获得全部动态图谱，每类检测样本都含有多个已知样本作为训练数据使用；基于每个检测样本的全部动态图谱，在多尺度空域上分别提取特征；基于多尺度空域上分别提取的特征并进行特征融合获得多尺度融合特征；基于多尺度融合特征建立多尺度信息融合的分类识别模型；基于分类识别模型进行高场不对称离子迁移谱图分类识别。还公开了对应的装置，该方法和装置进行自适应的FAIMS图谱分类识别，有效信息不丢失；冗余信息和噪声干扰小，模型建立开销小，鲁棒性强。
-
公开(公告)号：CN110852398A
公开(公告)日：2020-02-28
申请号：CN201911127841.8
申请日：2019-11-18
Applicant: 河南农业大学
Abstract: 本发明公开了一种基于卷积神经网络的棉蚜识别方法，该方法包括：获取棉蚜危害图像；采用迁移学习和微调的方式，建立基于卷积神经网络的棉蚜识别模型；将棉蚜危害图像输入至基于卷积神经网络的棉蚜识别模型，确定棉蚜危害等级。本发明使用手机采集棉花蚜虫危害图像，通过前期大量的调查数据，结合数据挖掘、深度学习的深度卷积神经网络方法，建立植物病虫害的识别方法和模型，对棉花蚜虫危害等级进行识别与区分，减少目前植保调查中人为因素产生的差异，而且提高调查效率，降低了试验成本，即利用该方法可方便快捷采集图像，并快速进行分类，为病虫害调查提供方便快捷准确的调查体系，并根据高时效性的理论数据为相关决策部门提供决策支持。
-
公开(公告)号：CN113673612B
公开(公告)日：2024-10-29
申请号：CN202110981213.7
申请日：2021-08-25
Applicant: 河南农业大学
IPC: G06V10/764 , G06V10/77 , G06V10/44 , G06V10/762 , G06T3/4007 , G06N20/10
Abstract: 本发明公开了一种高场不对称离子迁移谱图分类识别方法，基于对检测样本的动态图谱和对图谱进行多尺度空域信息融合的技术路线，包括：分别将每个检测样本重复测量得到一组图谱样本从而获得全部动态图谱，每类检测样本都含有多个已知样本作为训练数据使用；基于每个检测样本的全部动态图谱，在多尺度空域上分别提取特征；基于多尺度空域上分别提取的特征并进行特征融合获得多尺度融合特征；基于多尺度融合特征建立多尺度信息融合的分类识别模型；基于分类识别模型进行高场不对称离子迁移谱图分类识别。还公开了对应的装置，该方法和装置进行自适应的FAIMS图谱分类识别，有效信息不丢失；冗余信息和噪声干扰小，模型建立开销小，鲁棒性强。
-
公开(公告)号：CN118298330A
公开(公告)日：2024-07-05
申请号：CN202410211829.X
申请日：2024-02-27
Applicant: 河南农业大学
IPC: G06V20/17 , G01N21/25 , G01N21/55 , G01N11/04 , G06V20/10 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本申请涉及利用光学手段来监测农作物技术领域，提供一种玉米抽雄进度无人机快速诊断方法和系统。该方法首先获取研究区的无人机多光谱影像，并基于多光谱影像提取单波段光谱反射率，构建植被指数，经过分析和筛选确定敏感于玉米抽雄进度的参量，然后计算所述研究区内所有小区的敏感光谱参量的平均值并建立敏感光谱参量与玉米抽雄进度之间的映射关系，结合指定时间研究区各个小区的敏感光谱参量计算各个小区的玉米抽雄比例，进而诊断出玉米抽雄进度。该方法无需人工目视判断和制作大量训练样本，只需分析多光谱影像并选取敏感光谱参量，结合指定时间的光谱即可快速诊断出玉米抽雄进度，从而实现快速、高效的玉米抽雄进度监测。
-
Patent Agency Ranking
公开(公告)号：CN117079036A
公开(公告)日：2023-11-17
申请号：CN202311060349.X
申请日：2023-08-22
Applicant: 河南农业大学
IPC: G06V10/764 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V20/10
Abstract: 本申请涉及一种基于YOLOv8s轻量化改进的农作物病害检测方法和系统。该方法包括：对YOLOv8s网络结构的主干网络中的特征提取模块、以及所述YOLOv8s网络结构的Neck网络中的检测头进行调整优化，得到改进的YOLOv8s轻量化网络模型；对预先获取的农作物图像在数据增强后进行标注，并根据标注结果对所述农作物图像进行农作物种类划分；根据所述农作物图像的农作物种类划分结果，对所述改进的YOLOv8s轻量化网络模型进行训练，以对农作物病害进行检测。籍此，实现对农作物病害的快速准确识别，为农作物病害的实时快速准确检测提供支持。
-
公开(公告)号：CN117036307A
公开(公告)日：2023-11-10
申请号：CN202311035349.4
申请日：2023-08-16
Applicant: 河南农业大学 , 中国烟草总公司郑州烟草研究院
Abstract: 本发明公开了一种基于支持向量机的烤烟烟叶田间成熟度判别方法，通过手机拍照、图像处理功能获得待判别田间成熟度的烤烟烟叶图像十个特征参数数据，采用手机搭载的S型生长核函数或径向基核函数支持向量机模型进行烤烟烟叶田间成熟度的判别；本发明采用图像十个特征参数的支持向量机模型进行判别，能够在不损失主要信息的前提下尽可能多地保留细节信息，烤烟烟叶田间成熟的判别正确率较高；利用手机替代计算机、数码相机设备，田间操作方便，烤烟烟叶田间成熟的判别结果现场显示，智能性高、客观性强，避免了人工判别烤烟烟叶田间成熟的主观因素大、经验性高的问题，具有便捷实用，成本低廉，容易普及应用等优点。
-
公开(公告)号：CN116958784A
公开(公告)日：2023-10-27
申请号：CN202310919719.4
申请日：2023-07-24
Applicant: 河南农业大学
IPC: G06V10/82 , G06V10/764 , G06N3/0464 , G06V10/776 , G06V10/80 , G06N3/08
Abstract: 本发明公开了一种在自然环境中快速检测小麦赤霉病穗及严重度的方法，涉及图像识别技术领域，所述步骤包括如下：S1：使用改进的YOLOv5s网络检测田间小麦穗，以检测病穗和健康穗；S2：将本研究提出的改进YOLOv5s与YOLOv3‑Tiny、YOLOv4、SSD、Faster R‑CNN和YOLOv7模型进行了对比，验证了模型的有效性和优越性,可实现自然环境中小麦赤霉病(Fusarium head blight，FHB)的快速、实时、准确检测，本研究进一步统计出健康穗、患病穗、总穗，并将患病穗与总穗的比例作为病穗率，病穗率的决定系数(coefficient of determination，R2)达0.9802，按照病穗率的范围确定小麦FHB严重度，实现了较好的统计效果，结果表明，本研究提出的改进的YOLOv5s满足移动设备的实时、高效、准确要求。
-
公开(公告)号：CN116703932A
公开(公告)日：2023-09-05
申请号：CN202310604004.X
申请日：2023-05-22
Applicant: 河南农业大学
IPC: G06T7/10 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于卷积注意力机制的CBAM‑HRNet模型小麦穗粒分割与计数方法，涉及分割与计数技术领域，包括以下步骤，首先进行数据集图像的采集，并对图像进行预处理形成麦穗数据集；再使用深度学习分割网络对小麦穗粒进行图像分割，经过训练得到预测模型，并调用预测模型对测试集进行测试，输出预测结果；通过上述输出的预测结果结合图像处理技术构建穗粒计数模型，实现小麦穗粒的精准预测和计数。本发明构建了基于卷积注意力机制的CBAM‑HRNet小麦穗粒分割计数深度学习模型，利用图像处理算法和小麦穗粒纹理特征构建穗粒计数模型；本发明方法对小麦穗粒分割效果更优，且具有更好的鲁棒性，分割精度也进一步提升，还表现出较强的泛化能力。
-
公开(公告)号：CN116597201A
公开(公告)日：2023-08-15
申请号：CN202310517128.4
申请日：2023-05-09
Applicant: 河南农业大学
IPC: G06V10/764 , G06V10/82 , G06V10/40 , G06V10/22 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种棉花苗蚜危害快速识别方法；通过使用智能手机快速获取田间环境遭受棉蚜侵害的图像，对数据进行标注，构建4类数据集：0级、1级、2级和3级，在此基础上构建基于Faster R‑CNN、YOLOv5和SSD三种不同的棉蚜危害识别模型，对三种模型的测试结果进行对比与分析，选择最优的棉蚜危害程度识别模型，为棉蚜危害监测提供一种快捷、方便、低成本的监测方法。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.022 seconds)
