公开(公告)号：CN113221942A

公开(公告)日：2021-08-06

申请号：CN202110313426.2

申请日：2021-03-24

Applicant: 安徽大学 ,  赛尔网络有限公司

Inventor： 方敏 ,  黄雪峰 ,  竺德 ,  胡根生 ,  刘辉

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/11

Abstract: 本发明涉及一种基于深度迁移和Cayley‑Klein度量的小样本下茶叶病害识别算法，深度迁移和Cayley‑Klein度量的神经网络的训练过程：基于深度迁移和Cayley‑Klein度量的神经网络的训练过程分为两个阶段：第一个阶段是数据由低层次向高层次传播的阶段，即前向传播阶段；另外一个阶段是，择Cayley‑Klein度量以反应样本空间结构信息或语义信息，使得距离度量具有更好的区分性，更好的减少负迁移特征所带来的影响。本算法能够准确地检测三种不同的茶叶病害图像，并且具有较高的识别精度，同时具有较快的识别速度。该特性主要得益于迁移学习解决了小样本情况下数据量不足无法进行深度学习提取特征的问题，而Cayley‑Klein度量边降维边度量的过程，降低了因迁移学习带来的负迁移影响。

公开(公告)号：CN112884025A

公开(公告)日：2021-06-01

申请号：CN202110141168.4

申请日：2021-02-01

Applicant: 安徽大学

Inventor： 张艳 ,  王林茂 ,  程志友 ,  胡根生

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多特征分段式训练的茶叶病害分类系统，包含以下阶段：第一阶段、数据预处理；第二阶段、最优网络训练；第三阶段、图像分类功能；所述的第一阶段、数据预处理包括病害图片的裁切和数据的扩充两步；所述的第二阶段、最优网络训练包括数据划分和特征学习网络迭代训练两步本发明通过深度学习的方法设计了一种茶叶病害特征学习网络对茶叶病害数据进行训练，然后及那个已训练好的网络模型进行迁移，将最终的茶叶病害分类智能化，并且排除人为主观因素，使得到的结果较好。

公开(公告)号：CN102878957A

公开(公告)日：2013-01-16

申请号：CN201210367345.1

申请日：2012-09-26

Applicant: 安徽大学

Inventor： 梁栋 ,  黄文江 ,  黄林生 ,  管青松 ,  张东彦 ,  胡根生

IPC: G01B11/28 ,  G01N21/25

Abstract: 本发明涉及基于遥感影像优化PROSAIL模型参数的叶面积指数和叶绿素含量的反演方法，包括：下载遥感影像并对其进行预处理，得到多光谱冠层反射率数据；运用PROSAIL模型，根据不同的参数组合建立查找表，确定不同参数和冠层反射率的关系，即回归方程；建立目标函数，结合多光谱冠层反射率数据，优化参数，直至得到目标函数的全局最小值及对应的参数组合，并利用多光谱冠层反射率数据对参数进行更新；根据上述所得到的回归方程、多光谱冠层反射率数据及参数组合，反演得到叶面积指数和叶绿素含量。该方法对传统方法进行了由点及面的扩展，无需田间观测数据，有效降低了传统方法测量叶面积指数和叶绿素含量的成本，提高了反演精度和速度。

公开(公告)号：CN118769100A

公开(公告)日：2024-10-15

申请号：CN202411281147.2

申请日：2024-09-13

Applicant: 国网安徽省电力有限公司肥东县供电公司 ,  安徽大学 ,  国网安徽省电力有限公司合肥供电公司

Inventor： 钱立冬 ,  阮祥勇 ,  赵鑫 ,  汪大为 ,  王金志 ,  谢天月 ,  杨夷南 ,  鲍文霞 ,  李斌 ,  胡根生

IPC: B24B27/033 ,  B24B47/00

Abstract: 本发明公开了一种小电缆管道通管机器人，涉及通管机器人的技术领域，包括行走机构，设置在行走机构上的空心圆座；与空心圆座相对转动连接的转动盘；多个打磨单元，其呈圆周阵列地设置在空心圆座上，每个打磨单元包括滑套、弧形的打磨条、与打磨条固定连接的导向杆，滑套沿空心圆座的周向滑动连接在空心圆座上，滑套沿空心圆座的径向滑动连接在导向杆上；该一种小电缆管道通管机器人，驱动机构的旋转输出端通过螺杆可以驱使转动盘相对空心圆座转动，转动盘旋转的动力通过各滑杆传递给对应的打磨条，从而使得各打磨条具有一个旋转的动力，便于对管道内壁上的尖锐的碎屑进行打磨，从而达到对新建管道内壁进行清理的效果。

公开(公告)号：CN113469064B

公开(公告)日：2024-03-29

申请号：CN202110757395.X

申请日：2021-07-05

Applicant: 安徽大学

Inventor： 李海东 ,  曾伟辉 ,  胡根生

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明实施方式提供一种复杂环境下的玉米叶病害图像的识别方法及系统，属于图像识别技术领域。所述识别方法包括：获取待识别的玉米叶病害图像；对图像执行第一卷积运算以得到第一特征图；根据公式(1)对第一特征图执行第一池化操作以得到第二特征图；对第二特征图执行第二卷积运算以得到第三特征图；根据公式(2)对第三特征图执行第二池化操作以得到第四特征图；将第四特征图输入分类层中以确定图像对应的玉米叶病害类型。该方法及系统通过构建轻量型神经网络，并结合CASF特征的融合原理，实现了采用轻量型神经网络对玉米叶病害图像的精确、高效识别，克服了现有技术中因采用重量型神经网络而导致的识别方法应用场景局限的技术缺陷。

公开(公告)号：CN117557995A

公开(公告)日：2024-02-13

申请号：CN202311562904.9

申请日：2023-11-22

Applicant: 西北农林科技大学 ,  安徽大学

Inventor： 张东彦 ,  高玥 ,  程涛 ,  杨雪 ,  谷春艳 ,  胡根生 ,  乔红波 ,  郭伟 ,  刁智华

IPC: G06V20/69 ,  G06V10/25 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明涉及基于YOLOv8和CBAM注意力机制的小麦赤霉病孢子检测方法，与现有技术相比解决了由于背景复杂和目标微小而导致的检测准确率低的缺陷。本发明包括以下步骤：数据采集和预处理；构建小麦赤霉病孢子检测模型；小麦赤霉病孢子检测模型的训练；待检测小麦赤霉病孢子图像的获取；小麦赤霉病孢子检测结果的获得。本发明能够有效提高小麦赤霉病孢子检测的准确率和泛化能力。

公开(公告)号：CN116188859A

公开(公告)日：2023-05-30

申请号：CN202310159912.2

申请日：2023-02-24

Applicant: 安徽大学

Inventor： 胡根生 ,  叶若含 ,  万名烛 ,  张艳

IPC: G06V10/764 ,  G06V10/774 ,  G06T3/40 ,  G06T5/00 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于超分和检测网络的茶叶病害无人机遥感监测方法，包括如下步骤：数据获取：首先获取低空拍摄的茶叶图像，无人机飞行高度为2m至4m，作为网络的训练集；数据处理：利用LabelImg软件，对裁剪后的低空拍摄图像进行标注；再将低空拍摄的图像按8:2的比例划分为网络的训练集和验证集；网络训练：先训练超分网络模型，包括依次训练PSNR模型、训练GAN模型；再训练检测网络模型；超分与检测：无人机飞行高度为12m，获取高空拍摄的无人机茶叶图像送入训练好的超分网络中进行超分，恢复细节信息，然后将超分后的图像裁剪后再送入训练好的检测网络中进行茶叶病害检测。本发明能够节约无人机的飞行成本和时间，帮助茶农实时检测茶园中茶叶的病害。

公开(公告)号：CN112434662B

公开(公告)日：2023-04-18

申请号：CN202011447437.1

申请日：2020-12-09

Applicant: 安徽大学 ,  赛尔网络有限公司

Inventor： 方敏 ,  黄雪峰 ,  竺德 ,  胡根生 ,  刘辉

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明属于基于图片特征的图像分类算法的研究领域，具体涉及一种基于多尺度卷积神经网络的茶叶病斑自动识别算法，包括多卷积神经网络的训练过程：多卷积神经网络的训练过程分为两个阶段：第一个阶段是数据由低层次向高层次传播的阶段，即前向传播阶段；另外一个阶段是，当前向传播得出的结果与预期不相符时，将误差从高层次向底层次进行传播训练的阶段，即反向传播阶段。本算法能够准确地检测四种不同的茶叶病害图像，并且具有较高的识别精度，同时具有较快的识别速度。该特性主要得益于多卷积可以快速提取特征，并且减少训练算法的参数量从而有效防止过拟合，提高了算法的泛化能力。

公开(公告)号：CN115471478A

公开(公告)日：2022-12-13

申请号：CN202211134557.5

申请日：2022-09-19

Applicant: 安徽大学

Inventor： 胡根生 ,  夭盼 ,  万名烛 ,  张艳

IPC: G06T7/00 ,  G06T7/73 ,  G06V20/17 ,  G06N3/08

Abstract: 本发明涉及一种基于yolov5的松树林病害无人机遥感监测方法，包括：利用无人机搭载的光学相机获取病害松树林的原始无人机图像；将原始无人机图像划分为训练集图像和测试集图像，将训练集图像裁剪为规定大小的图像块；利用cut‑paster方法来增加训练集图像中的背景目标，增加样本多样性；基于yolov5建立松树林病害监测网络模型；利用训练集图像训练松树林病害监测网络模型；利用通过训练后的松树林病害监测网络模型预测测试集图像中不同严重程度的病害松树；输出每棵病害松树的地理位置信息。本发明实施例解决无人机遥感图像中病害松树形态多变、不同严重度病害松树颜色纹理特征相似等因素对监测结果的影响，实现对松树林病害的精确监测。

公开(公告)号：CN103065061A

公开(公告)日：2013-04-24

申请号：CN201310038821.X

申请日：2013-01-31

Applicant: 安徽大学

Inventor： 张东彦 ,  黄林生 ,  廖同庆 ,  黄文江 ,  杜世州 ,  胡根生 ,  梁栋 ,  刘瑜 ,  阎庆

IPC: G06F19/00

Abstract: 本发明涉及植保信息化技术领域，特别是涉及一种植物病情指数获取与发布装置。该装置包括图像采集辅助模块和移动终端；图像采集辅助模块包括背景板和高度板，图像采集辅助模块用于固定植物叶片，为图像采集发布模块提供采集背景和采集高度；移动终端，用于获取植物病害叶片的高清图像，计算病斑所占叶片面积的百分比，输出病情指数并发布防控建议。本发明提供的植物病情指数获取与发布装置，在规范、统一数据采集流程后，充分发挥移动终端便携、实时性强的优势，科学、准确地为基层植保调查员/技术员提供植物病情指数，为及时制定防控措施、实施喷药管理提供服务。