公开(公告)号：CN115082808B

公开(公告)日：2023-05-09

申请号：CN202210683864.2

申请日：2022-06-17

Applicant: 安徽大学

Inventor： 赵晋陵 ,  张思嘉 ,  严豪 ,  黄林生 ,  雷雨 ,  汪传建 ,  黄文江

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明涉及一种基于高分一号数据与U‑Net模型的大豆种植区提取方法，包括：获取研究区的高分一号数据影像并进行预处理，得到数据集样本；对数据集样本进行数据处理，划分为训练集和测试集；构建U‑Net网络模型；将训练集输入U‑Net网络模型，分析对比基于U‑Net网络模型的损失函数和训练精度变换曲线，对比不同迭代周期训练结果对比图，选择U‑Net网络模型采用的训练周期；U‑Net分类结果与分析。本发明比Deeplabv3+平均交并比高出了8.89％，验证了U‑Net网络模型在大豆种植区提取方面的性能优于SegNet模型和Deeplabv3+模型；U‑Net网络模型作为语义分割网络的一种，在提取大豆种植区这种二分类问题中，展示了良好的效果，比其他模型在遥感提取中表现更为突出。

公开(公告)号：CN112611923B

公开(公告)日：2023-05-05

申请号：CN202011329634.3

申请日：2020-11-24

Applicant: 安徽大学

Inventor： 曾玮 ,  桂安 ,  董紫燕 ,  陈修宇 ,  王思亮 ,  阮莉敏 ,  黄林生 ,  梁栋 ,  徐超

IPC: G01R29/12 ,  G01V3/08 ,  H02J50/00 ,  H02J7/00

Abstract: 本发明公开一种同时具有无线充电、电场感知及接近感知功能的多功能装置，且其检测方法。装置由检测模块、智能模块、控制模块、电场源模块组成。所述无线充电功能是通过检测模块、智能模块来实现的，其主要方法是将外部空间电场转化为电能；所述电场感知功能是通过检测模块、控制模块、智能模块来实现的，其中控制模块用于程控开关，控制屏蔽板的开关，从而对电场进行控制，本发明的电场感知功能可用于检测电场强度；所述接近觉感知功能是由检测模块、控制模块、智能模块、电场源模块来实现的，此功能可用于检测对象的移动和存在信息。本发明能够测量高电压电力模块中的瞬变电场，可广泛用于电场强度探测的领域，为气象保障提供可靠的手段和依据。同时用于检测物体的位移，在航空、航天技术领域以及工业生产中都有广泛应用。

公开(公告)号：CN115797928A

公开(公告)日：2023-03-14

申请号：CN202211568315.7

申请日：2022-12-08

Applicant: 安徽大学

Inventor： 梁栋 ,  方俊翔 ,  雷雨 ,  陈旭 ,  黄林生 ,  赵晋陵 ,  张文杰 ,  卢斐然

IPC: G06V20/69 ,  G06V20/68 ,  G06V10/25 ,  G06V10/44 ,  G06V10/82

Abstract: 本发明涉及一种基于可旋转椭圆框的小麦条锈病菌夏孢子显微图像检测方法，包括：获取夏孢子原始显微图像；对夏孢子原始显微图像进行预处理，得到标注数据；基于可旋转椭圆框构建夏孢子检测模型；将训练集输入夏孢子检测模型进行训练，得到训练后的夏孢子检测模型；将测试集中的夏孢子显微图像输入到训练后的夏孢子检测模型，训练后的夏孢子检测模型输出夏孢子检测信息，通过夏孢子检测信息检测定位出显微图像中的小麦条锈病菌夏孢子。本发明能够精准检测并分割出夏孢子显微图像中的夏孢子，且推理速度较快；对小麦条锈病菌夏孢子检测的识别精确度达到了98.61％，分割率达到了85.15％，推理速度为0.3254s/iter，达到了实时检测的应用需求。

公开(公告)号：CN115588015A

公开(公告)日：2023-01-10

申请号：CN202211159164.X

申请日：2022-09-22

Applicant: 安徽大学

Inventor： 张东彦 ,  虞俊 ,  程涛 ,  张淦 ,  李威风 ,  梁栋 ,  黄林生 ,  赵晋陵

IPC: G06T7/11 ,  G06T3/40 ,  G06T5/00 ,  G06T5/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明特别涉及一种基于Improved_Unet网络的倒伏区域分割方法，包括如下步骤：利用无人机获取指定高度、指定生长期的待检测麦田图像；对待检测麦田图像进行几何校正和拼接处理得到一张待检测RGB大图；将待检测RGB大图输入至训练好的Improved_Unet网络中得到倒伏区域分割图，其中Improved_Unet网络为使用Involution算子代替Unet网络骨干位置的卷积操作得到。Improved_Unet网络结合了Segnet和Unet网络的优点，使用involution算子代替骨干部分的卷积操作，实现了空间特异性，对不同的像素采取不同的操作，确保了信息最大化提取，大幅提高了分割精度。

公开(公告)号：CN115564956A

公开(公告)日：2023-01-03

申请号：CN202211299681.7

申请日：2022-10-24

Applicant: 安徽大学

Inventor： 赵晋陵 ,  李正 ,  张东彦 ,  黄林生 ,  黄文江

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及基于PSPNet网络的无人机小麦影像倒伏区域提取方法，与现有技术相比解决了难以对不同生育期小麦倒伏区域进行影像提取的缺陷。本发明包括以下步骤：训练数据的获取及预处理；PSPNet语义分割网络的构建；PSPNet语义分割网络的训练；倒伏区域待提取图像的获取；无人机小麦影像倒伏区域的提取。本发明克服了针对单一生育期的小麦影像倒伏提取无法做到多个生育期倒伏区估计的难题，且获得理想的倒伏提取结果。

公开(公告)号：CN115171099A

公开(公告)日：2022-10-11

申请号：CN202210780132.5

申请日：2022-07-04

Applicant: 安徽大学

Inventor： 赵晋陵 ,  许磊 ,  黄林生 ,  雷雨 ,  汪传建 ,  黄文江

IPC: G06V20/68 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/25

Abstract: 本发明涉及一种基于改进Faster R‑CNN网络的小麦锈病图像识别方法，与现有技术相比解决了在背景物的干扰下部分小麦叶锈病与杆锈病难以区分的缺陷。本发明包括以下步骤：小麦图像训练数据组的获取；小麦锈病图像识别模型的构建；小麦锈病图像识别模型的训练；待识别小麦锈病图像的获取；小麦锈病图像识别结果的获得。本发明基于卷积神经网络与目标检测进行目标特征提取来判断小麦病情种类，利用预处理并数据标注好的数据集进行网络模型训练，将训练好的模型集中取表现最优异的那一个进行小麦锈病识别，实现了小麦锈病病情种类的高精度检测。

公开(公告)号：CN109657653B

公开(公告)日：2022-10-04

申请号：CN201910051447.4

申请日：2019-01-21

Applicant: 安徽大学

Inventor： 黄林生 ,  丁串龙 ,  杨贵军 ,  赵晋陵 ,  徐超 ,  梁栋 ,  黄文江 ,  翁士状 ,  张东彦

IPC: G06V20/13 ,  G06V10/764 ,  G06T7/00 ,  G06T7/136

Abstract: 本发明涉及一种基于成像高光谱数据的小麦籽粒赤霉病识别方法，与现有技术相比解决了尚无快速识别小麦籽粒赤霉病方法的缺陷。本发明包括以下步骤：高光谱基础图像的采集；高光谱基础图像的预处理；构建小麦籽粒赤霉病识别模型；小麦籽粒赤霉病识别模型的训练；待识别高光谱图像的获取；待识别高光谱图像的预处理；小麦籽粒赤霉病的识别。本发明利用室内高光谱成像数据，通过图像分割技术，在高光谱图像中分割小麦籽粒，继而对小麦籽粒的光谱信息进行对比分析，通过数据噪声去除并进行特征波长筛选，建立了小麦赤霉病病害侵染麦粒的有效识别模型，形成了小麦籽粒赤霉病检测的快速有效方法。

公开(公告)号：CN115082808A

公开(公告)日：2022-09-20

申请号：CN202210683864.2

申请日：2022-06-17

Applicant: 安徽大学

Inventor： 赵晋陵 ,  张思嘉 ,  严豪 ,  黄林生 ,  雷雨 ,  汪传建 ,  黄文江

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明涉及一种基于高分一号数据与U‑Net模型的大豆种植区提取方法，包括：获取研究区的高分一号数据影像并进行预处理，得到数据集样本；对数据集样本进行数据处理，划分为训练集和测试集；构建U‑Net网络模型；将训练集输入U‑Net网络模型，分析对比基于U‑Net网络模型的损失函数和训练精度变换曲线，对比不同迭代周期训练结果对比图，选择U‑Net网络模型采用的训练周期；U‑Net分类结果与分析。本发明比Deeplabv3+平均交并比高出了8.89％，验证了U‑Net网络模型在大豆种植区提取方面的性能优于SegNet模型和Deeplabv3+模型；U‑Net网络模型作为语义分割网络的一种，在提取大豆种植区这种二分类问题中，展示了良好的效果，比其他模型在遥感提取中表现更为突出。

公开(公告)号：CN115049556A

公开(公告)日：2022-09-13

申请号：CN202210736142.9

申请日：2022-06-27

Applicant: 安徽大学

Inventor： 陈鹏 ,  刘亚特 ,  郑春厚 ,  章军 ,  夏懿 ,  梁栋 ,  黄林生 ,  王兵 ,  王刘向 ,  章瑜真

IPC: G06T5/00 ,  G06V40/16 ,  G06V10/26 ,  G06T7/194 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请公开了一种基于StyleGAN的人脸图像修复方法，步骤包括：将真实人脸图像分割为人脸区域和背景区域，作为训练集；对数据集进行数据增强，将原始图像设置为标签；利用训练集和标签对编码器进行训练，得到编码器网络；利用编码器网络分别提取真实人脸图像的隐码向量、待修复图像人脸区域的隐码向量、待修复图像背景区域的隐码特征图；将真实人脸图像的隐码向量与待修复图像人脸区域的隐码向量进行混合，得到混合人脸的隐码向量，将混合人脸的隐码向量与待修复图像背景区域的隐码特征图一同输入到StyleGAN生成器网络中，得到修复完成的人脸图像。本申请实现了人脸图像修复能力大幅提升，并且使得修复过程中很好地保证结构相似。

公开(公告)号：CN114973002A

公开(公告)日：2022-08-30

申请号：CN202210705045.3

申请日：2022-06-21

Applicant: 安徽大学

Inventor： 赵晋陵 ,  戴飞杰 ,  雷雨 ,  黄林生 ,  汪传建 ,  梁栋 ,  黄文江

IPC: G06V20/10 ,  G06V20/17 ,  G06V10/774 ,  G06V10/82 ,  G06V10/40 ,  G06V10/25 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于改进的YOLOv5的麦穗检测方法，其特征在于：包括：获取麦穗图像并对麦穗图像进行标注，获得麦穗图像数据集，将麦穗图像数据集划分为训练集和测试集；构建YOLOv5网络模型；对YOLOv5网络模型进行改进，得到改进的YOLOv5网络模型；将训练集输入改进的YOLOv5网络模型中，对改进的YOLOv5网络模型进行训练；对改进的YOLOv5网络模型进行评价和测试。本发明使用四尺度特征检测，增加浅层检测尺度，来提高小目标的识别精度；本发明引入CA注意力机制，提升算法的特征提取能力；本发明引入CIOU_Loss作为算法损失函数的Bounding Box Regression Loss，提升检验框检测的准确率。