-
公开(公告)号：CN116740704B
公开(公告)日：2024-02-27
申请号：CN202310731728.0
申请日：2023-06-16
Applicant: 安徽农业大学
IPC: G06V20/68 , G06V20/52 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06V10/774 , G06V10/44
Abstract: 本发明公开了一种基于深度学习的小麦叶片表型参数变化率监测方法和装置，涉及图像处理的技术领域，并包括：1获取小麦幼苗盆栽RGB图像信息，并对小麦幼苗盆栽RGB图像信息进行预处理，得到研究数据图像和标签数据；2构建并训练基于小麦叶片检测网络；3利用已训练好的小麦叶片检测模型，获得小麦叶片的检测框以及各个检测框的顶点坐标；4利用获得的检测框的顶点坐标进行小麦表型参数的提取，并对小麦叶片进行生长率监测。本发明能够准确提取小麦叶片表型参数，同时进行小麦长势，从而能解决现有小麦幼苗叶片表型参数变化率动态监测方法(56)对比文件侯帅民.基于视觉的作物长势表型参数量化方法及与产量的相关性研究《.中国优秀硕士学位论文全文数据库 信息科技辑》.2018,I138-1454.宫志宏 等.基于机器视觉的冬小麦叶片形态测量软件开发《.中国农业气象》.2022,935-944.Dawei Li 等.A Leaf Segmentation andPhenotypic Feature Extraction Frameworkfor Multiview Stereo Plant Point Clouds.《IEEE JOURNAL OF SELECTED TOPICS INAPPLIED EARTH OBSERVATIONS AND REMOTESENSING》.2020,(第第13期期),2321-2336.
-
公开(公告)号：CN116740703B
公开(公告)日：2023-11-24
申请号：CN202310719552.7
申请日：2023-06-16
Applicant: 安徽农业大学
IPC: G06V20/68 , G06V10/82 , G06V10/774 , G06V10/80 , G06V10/776 , G06N3/0455 , G06N3/048 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本发明公开了一种基于点云信息的小麦表型参数变化率估测方法和装置，该方法包括：1、获取两个不同时期的盆栽小麦的图像信息，得到多视角序列盆栽小麦RGB图像和深度图像数据，构建数据集；2、构建WheatMVS模型，包括金字塔特征融合模块、块匹配模块和深度图融合模块；3、模型训练完成后加载最优权重，利用WheatMVS模型重建盆栽小麦并进行点云预处理，得到盆栽小麦的比例尺信息、校正后的三维点云模型；4、利用表型提取方法对盆栽小麦表型参数进行提取，并利用参数变化率方法对盆栽小麦点云模型进行表型参数变化率估测。本发明能准确重建出盆栽小麦点云模型，同时能实现盆栽小麦的表型参数变化率准确估测。
-
公开(公告)号：CN116778476A
公开(公告)日：2023-09-19
申请号：CN202310719551.2
申请日：2023-06-16
Applicant: 安徽农业大学
IPC: G06V20/68 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/084 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于轻量级模型的RGB‑D自适应融合信息的小麦检测方法与装置，该方法步骤包括：1使用双目相机获取目标麦田的小麦麦穗RGB‑D图像，并对RGB图像和深度伪彩色图像进行对齐、背景移除和画面增强、标注等处理，构建了小麦RGB‑D数据集；2使用YSNv2网络对训练集进行训练，得出小麦RGB和深度图像的权重；3利用光照自适应机权重因子来改变RGB检测模型贡献，输出最终融合检测结果。本发明利用RGB‑D图像和轻量化YSNv2网络对麦穗进行检测，能减少光照变化对小麦检测的影响，从而能提升麦穗检测精度。
-
公开(公告)号：CN115049945A
公开(公告)日：2022-09-13
申请号：CN202210658126.2
申请日：2022-06-10
Applicant: 安徽农业大学
IPC: G06V20/17 , G06V10/26 , G06V10/774 , G06V10/80 , G06T17/00
Abstract: 本发明公开了一种基于无人机图像的小麦倒伏面积提取方法和装置，该方法包括：1获取田间的小麦RGB图像数据，并进行拼接、裁剪和标注，得到研究区域图和标签数据；2利用小麦研究区域的RGB图像得到小麦数字表面模型图像，融合小麦RGB图像和数字表面模型图像，得到小麦RGB‑数字表面模型图像；3基于深度学习构建小麦倒伏分割模型，包括空间路径、上下文路径和特征融合模块，其中，上下文路径包括ResNet18网络和金字塔切分注意力；4通过小麦RGB‑数字表面模型图像数据训练小麦倒伏分割模型，并对小麦图像进行倒伏区域的分割，从而利用分割结果估算倒伏区域面积，解决现有小麦倒伏面积提取方法的误差和准确率较低的问题。
-
公开(公告)号：CN114998708A
公开(公告)日：2022-09-02
申请号：CN202210657359.0
申请日：2022-06-10
Applicant: 安徽农业大学
IPC: G06V10/84 , G06V10/82 , G06V10/774 , G06V10/58 , G06V10/25 , G06T7/90 , G06T7/40 , G06T7/13 , G06N3/04 , G06K9/00 , G06F17/16 , G01N21/25
Abstract: 本发明公开了一种基于图谱信号的茶叶种类识别方法和装置，该方法包括：1获取不同种类茶叶样本的高光谱图像，并对高光谱图像进行黑白板校正；2对校正后的高光谱图像提取感兴趣区域的平均光谱信号和图像信号；3基于茶叶样本的平均光谱信号进行马尔可夫转换域编码，得到编码图像；4将茶叶样本的图像信号进行一级冗余离散小波分解，得到四个子带图像；5基于有效信息最多的三个子带图像建立小波组合图像；6通过3个1×1的卷积核融合编码图像和小波组合图像，再利用AlexNet模型进行训练测试，得到茶叶种类的识别结果。本发明通过编码图像和小波组合图像获取更多的茶叶样本信息，从而能提高茶叶种类的识别精度。
-
Patent Agency Ranking
公开(公告)号：CN106295801B
公开(公告)日：2019-01-29
申请号：CN201610624613.1
申请日：2016-08-01
Applicant: 安徽农业大学
IPC: G06N3/08
Abstract: 本发明涉及一种基于果蝇算法优化广义回归神经网络算法的茶叶储存时间分类方法，旨在通过改进的广义回归神经网络解决茶叶储存时间分类问题，属于茶叶储存时间分类领域。其原理利用电子鼻传感器模拟人感官品评的功能和特征，采集不同时间不同传感器的特征值，构建样本集。利用果蝇算法优化广义回归神经网络，获得广义神经网络的平滑因子，进而构建毛峰茶叶储存时间的FOA‑GRNN分类模型和方法。本发明的有益效果在于将果蝇算法优化广义回归神经网络算法应用于毛峰茶叶数据中，提高预测毛峰茶叶储存时间分类的效率和准确度，为消费者提供茶叶储存时间分类的有效方法。
-
公开(公告)号：CN108876514A
公开(公告)日：2018-11-23
申请号：CN201810531006.X
申请日：2018-05-29
Applicant: 安徽农业大学
Abstract: 本发明提供了一种基于物联网和云平台的无人机共享系统，其通过大数据平台整合机主的无人机、消费者、飞手以及第三方社会机构的数据，致力于实现无人机使用过程的数字化、可视化，提升无人机和用户需求信息的对称性，实现基于大数据驱动的云供应链协同平台。该发明主要包括大数据云平台、无人机的地理坐标定位、线下监管机制、计费支付系统、智能推荐系统、及预警系统。该系统提供无人机的定位跟踪、飞行监管、远程调度、运维管理、大数据分析等功能。从而可以有效缓解无人机闲置、一机难求、无人机非法飞行、专业飞手的利益无法保障等监管不到位的问题，真正实现无人机资源的共享。
-
公开(公告)号：CN106295686A
公开(公告)日：2017-01-04
申请号：CN201610624628.8
申请日：2016-08-01
Applicant: 安徽农业大学
CPC classification number: G06K9/6269 , G06N3/126
Abstract: 本发明涉及一种参数优化支持向量机的茶叶香气分类方法，旨在通过改进的支持向量机解决茶叶香气分类问题，属于茶叶香气分类领域。其原理利用电子鼻传感器模拟人感官品评的功能和特征，采集不同时间不同传感器的特征值，构建数据集。利用算法优化支持向量机，获取优化的惩罚因子C和核函数参数g，进而构建毛峰茶叶香气的支持向量机SVM分类模型。本发明的有益效果在于可提高预测茶叶香气分类的效率和准确度，为消费者提供茶叶香气分类的有效方法。
-
公开(公告)号：CN117438971A
公开(公告)日：2024-01-23
申请号：CN202311435553.5
申请日：2023-10-30
Applicant: 安徽农业大学
Abstract: 本发明公开了一种电子通信用电缆外护层剥离装置，属于电缆外护层剥离技术领域，包括：第一套环和第二套环，用于套在电缆的外部；切割部件，用于沿着电缆外护层轴线方向切割以及绕着电缆进行圆周切割；支撑部件，用于对电缆进行支撑以及对其位置的限制；两个传动机构用于带动切割部件和支撑部件同步移动；本方案通过切割部件绕着电缆进行圆周切割，之后调整切割部件的切割方向沿着电缆轴线的方向移动切割，操作简单，方便了工作人员在复杂环境或者高空进行施工操作，解决了外护层抽出不便的问题，省时省力，提高了施工的效率；也极大减少了在剥离时会造成内部线芯的损伤；极大避免对工作人员造成伤害的情况，也避免了使用其他多种工具。
-
公开(公告)号：CN115049926B
公开(公告)日：2023-10-24
申请号：CN202210657361.8
申请日：2022-06-10
Applicant: 安徽农业大学
IPC: G06V20/10 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08 , G06Q50/02
Abstract: 本发明公开了一种基于深度学习的小麦倒伏损失评估方法和装置，涉及图像处理的技术领域，并包括：1获取小麦地块的图像信息，并对图像信息进行预处理，得到研究区域图像和标签数据；2将小麦的研究区域图像与倒伏颜色指数图像和数字表面模型图像进行通道合成，得到小麦多通道融合图像；3构建深度学习小麦倒伏识别模型，包括编码器和解码器，其中编码器包括特征提取网络、卷积块注意力模块和卷积层；4将小麦倒伏图像数据输入小麦倒伏识别模型中，得到倒伏区域的预测结果并计算倒伏区域面积；5利用分类模型评估倒伏损失等级评估。本发明能够准确提取小麦倒伏区域，同时评估倒伏损失等级，解决了现有小麦倒伏损失评估方法准确率较低的问题。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.038 seconds)
