-
公开(公告)号：CN112098369A
公开(公告)日：2020-12-18
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：CN108732133B
公开(公告)日：2020-10-16
申请号：CN201810326678.7
申请日：2018-04-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于光学成像技术的植物病害在体无损检测系统。目前植物病害检测大多针对病症可见的植物病害。本发明中光源发出的光信号经光纤耦合器后分别进入样品臂和参考臂；返回的待测物信号光和参考光在光纤耦合器发生干涉；干涉光信号由OCT光谱仪接收并输入控制计算机；氙灯出射的光经窄带通滤波片滤波后形成紫外光，然后经二向色镜反射进入物镜，经物镜聚焦入射到待测物激发出荧光；荧光原路返回高光谱光谱仪，形成光谱传输至控制计算机。控制计算机进行待测物OCT结构图像重建，计算出光穿透深度、衰减系数、图像熵，并基于荧光高光谱图像进行光谱信息分析，提取光谱特征。本发明满足植物微小病变检测，可做到早期病害检测。
-
公开(公告)号：CN106963338A
公开(公告)日：2017-07-21
申请号：CN201710206077.8
申请日：2017-03-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了晶状体生物力学和光学特性无创在体成像系统及测量方法。本发明的超声负载系统提供使晶状体产生形变的机械波，谱域OCT系统实现对晶状体的结构和弹性成像；结合消共轭技术，实现OCT全范围成像，得到从角膜前表面到晶状体后表面的全眼前节二维或三维结构图像，计算得到晶状体的形态学和光学特性参数，并构建晶状体地形图。同时，利用相位敏感OCT技术，获得晶状体深度方向的应变分布，重建得到晶状体的二维或三维生物力学特性分布图。晶状体生物力学和光学特性的高分辨率成像和精确测量为白内障等晶状体疾病的基础研究、早期诊断、手术方案制定及术后结果评价提供更全面完整的影像测量学依据，具有重要的现实意义和临床意义。
-
公开(公告)号：CN106955121A
公开(公告)日：2017-07-18
申请号：CN201710148346.X
申请日：2017-03-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了X射线调制的X射线激发发光成像系统及其成像方法。X射线激发发光断层成像是利用X射线激发特定实验材料，利用激发出的近红外光信号进行成像。本发明X射线调制的X射线激发发光成像系统，包括X射线束调制装置、CT子系统、光学子系统和安装板。X射线束调制装置包括X射线调制板和第一电动滑台；CT子系统包括第一固定块、锥束X射线发射器、X射线探测器、第二电动滑台、第二固定块和旋转台；光学子系统包括平面镜组、第一升降台、CCD相机和第二升降台。本发明同时获取待成像物体表面的荧光信号以及穿过待成像物体的X射线信号，并将该两种信号进行重建和融合，实现了多模态成像。
-
公开(公告)号：CN115018125B
公开(公告)日：2025-04-18
申请号：CN202210486469.5
申请日：2022-05-06
Applicant: 杭州电子科技大学
IPC: G06Q10/04 , G06Q10/0635 , G06Q10/0639 , G06Q50/02
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。
-
Patent Agency Ranking
公开(公告)号：CN111738066B
公开(公告)日：2024-04-02
申请号：CN202010392669.5
申请日：2020-05-11
Applicant: 杭州电子科技大学
IPC: G06V20/10
Abstract: 本发明公开了综合多源遥感信息的网格化水稻纹枯病生境评价方法。仅仅依靠点状气象数据预测较为粗放且无法提供连续面状预测结果。本发明如下：一、选取调查区域并获取其多源遥感数据和调查其病害严重度。二、确定晚稻位置和面积。三、基于多源遥感影像的水稻纹枯病生境特征提取。四、建立病害生境适宜性模型。五、对被测田地进行网格化，并提取水稻纹枯病遥感生境特征。六、利用晚稻分类图对各遥感生境特征进行掩膜，得到晚稻的各个遥感生境因子特征。七、根据模型获取各个网格对应的病害生境适宜性程度。八、得到病害生境适宜性空间分布图。本发明通过调查及研究分析发现绝大多数土传病害的发生与寄主植物生长状态及农田环境等生境条件相关。
-
公开(公告)号：CN116597332A
公开(公告)日：2023-08-15
申请号：CN202310685870.6
申请日：2023-06-09
Applicant: 杭州电子科技大学
IPC: G06V20/17 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种基于无人机的茶树嫩芽检测方法，包括S1、拍摄包含茶树嫩芽的图像，并建立茶树嫩芽数据集；S2、构建Nanodet‑Tea轻量化茶树嫩芽识别模型；S3、应用步骤S1建立的茶树嫩芽数据集对Nanodet‑Tea轻量化茶树嫩芽识别模型进行训练，所述Nanodet‑Tea轻量化茶树嫩芽识别模型训练时加入训练辅助模块AGM并配合动态的软标签分配策略DSLA加速模型收敛；损失函数函数由Classification Cost，Regression Cost以及Distance Cost组成；S4、将通过步骤S3训练好的Nanodet‑Tea轻量化茶树嫩芽识别模型部署至嵌入式芯片；S5、建立图像传输系统，将图像实时传输到嵌入式芯片上进行检测，并将检测结果同步到显示设备上。该方法满足模型对嫩芽的高精度检测与轻量化的要求，实现使用搭载深度学习模型的无人机对茶树嫩芽进行精准检测。
-
公开(公告)号：CN116128767A
公开(公告)日：2023-05-16
申请号：CN202310242934.5
申请日：2023-03-14
Applicant: 杭州电子科技大学
IPC: G06T5/00 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/08
Abstract: 本发明公开了一种基于生成对抗网络的可见光OCT图像的清晰化方法。该方法如下：一、训练样本的获取。使用可见光OCT装置获取V域图像。使用近红外光OCT装置获取N域图像。二、对步骤一所得的V域图像和N域图像进行预处理。三、根据经过预处理的V域图像和N域图像建立训练样本数据集。四、构建并训练OCT图像清晰化模型。五、将可见光OCT图像输入生成器G1中，得到质量提升的OCT图像。本发明提出的新型无监督生成对抗网络，借助对偶学习的思想构建OCT图像清晰化模型，可以不使用配对图像进行训练就能得到较好的结果。此外，本发明加入了可进行图像属性编辑的网络，加强了对偶训练过程中生成器学习清晰结构的能力。
-
公开(公告)号：CN115861185A
公开(公告)日：2023-03-28
申请号：CN202211421105.5
申请日：2022-11-14
Applicant: 杭州电子科技大学 , 杭州睿坤科技有限公司
Abstract: 本发明涉及一种田间复杂背景的稻飞虱计数模型，包括：获取包含稻飞虱的拍摄图片；对图片中的稻飞虱位置进行手工标注建立数据集；构建基于YOLO v5的稻飞虱计数模型；将稻飞虱数据集输入计数模型进行训练；将测试图片输入计数模型得到检测结果，检测结果即稻飞虱的定位位置。本发明通过对YOLO v5进行改进，在CSP‑Darknet53主干网络中加入Swin_Transformer模块作为特征提取部分，对检测网络颈部加入CBAM注意力机制、SPP模块并用BIFPN结构融合特征，更改网络的检测尺寸，提高模型田间复杂背景的稻飞虱检测精度。
-
公开(公告)号：CN114708208A
公开(公告)日：2022-07-05
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，获得最小外接矩形旋转角度，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。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.026 seconds)
