-
公开(公告)号：CN119229905A
公开(公告)日：2024-12-31
申请号：CN202411054111.0
申请日：2024-08-02
Applicant: 华南农业大学 , 温氏食品集团股份有限公司
Abstract: 本发明公开了一种基于音频数据增强和特征融合的鸡疫病检测方法及装置，方法包括:采集鸡群的声音数据并进行预处理；对预处理后的声音数据进行数据增强，得到鸡群音频训练样本；对鸡群音频训练样本分别提取频谱特征和原始音频特征；将所有频谱特征图进行拼接得到拼接频谱特征图；将提取的原始音频特征输入到分别由两种前端声学模型与预训练模型结合的网络得到第一语义特征图和第二语义特征图；将所有特征进行融合，得到融合特征图；将所述融合特征图输入到预设的轻量级多层感知机内，输出鸡疫病检测结果。本发明通过引入数据增强和特征融合技术，克服单一特征提取手段的局限性，提高了声音信号处理的准确性和鲁棒性，从而更有效的检测鸡疫病。
-
公开(公告)号：CN119048373A
公开(公告)日：2024-11-29
申请号：CN202410939864.3
申请日：2024-07-15
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于夜间物理感知和灰度世界的夜间去雾方法及装置，方法包括：有雾图像首先经过局部残差学习模块和压缩‑激励模块提取图像中的重要图像特征信息并学习权重；将所述重要图像特征信息输入夜间物理感知模块，得到包含辉光和传输图的夜间清晰图像的特征信息；将所述夜间清晰图像的特征信息传递到后续的若干个特征处理块连接成的特征处理组，多个特征处理块输出的特征图在通道方向上连接起来，得到第三特征信息；将所述第三特征信息输入全局残差学习恢复模块，最终得到恢复出来的夜间去雾图像结果。本发明可以有效提升夜晚有雾场景下的去雾表现，同时能够消除夜间雾气对图像的退化影响，真实地还原出图像的色彩与纹理细节。
-
公开(公告)号：CN118823824A
公开(公告)日：2024-10-22
申请号：CN202410773697.X
申请日：2024-06-17
Applicant: 华南农业大学 , 温氏食品集团股份有限公司
IPC: G06V40/10 , G06V20/40 , G06V20/52 , G06V10/20 , G06V10/25 , G06V10/82 , G06T7/246 , G06T7/254 , G06T7/73
Abstract: 本发明公开了一种基于深度学习的猪场老鼠检测方法、系统、设备及介质，方法包括：对待检测区域的视频进行抽帧处理；对图像帧集合进行图像预处理；将预处理后的当前帧输入老鼠检测模型中，学习老鼠的外观；所述老鼠检测模型使用改进的RT‑DETR检测模型得到；将帧差法得到的二值化图像中值为255的像素作为运动像素，保留相应的检测结果；记录老鼠检测结果，利用每帧检测后记录的老鼠数量进行加权求和得到老鼠出现时长，以计算待检测区域的老鼠活跃指标。本发明通过添加帧差先验分支，将帧差法得到的二值化图加入RT‑DETR算法的解码部分，并在保留检测结果时设置双阈值，让模型在检测中更聚焦于运动区域，从而提高对体积小、运动快的老鼠的检测成功率。
-
公开(公告)号：CN114897732B
公开(公告)日：2024-09-06
申请号：CN202210543770.5
申请日：2022-05-19
Applicant: 华南农业大学
IPC: G06T5/00 , G06T5/10 , G06T7/40 , G06T5/73 , G06N3/0464 , G06N3/0455 , G06N3/0499 , G06N3/094 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了基于物理模型与特征稠密关联的单图像去雾方法及装置，方法包括：采用预先设立的编码器提取有雾图像的特征，将编码器输出特征分为浅层特征与深层特征；对深层特征进行处理，在深层特征中构建全局范围内的稠密关联关系，利用全局信息对局部特征进行增强；对浅层特征通过相邻小尺度的特征图计算出联合参数，基于联合参数和预先设立的大气散射模型实现浅层特征映射，得到清晰的浅层纹理特征；对增强后的深层特征与浅层纹理特征进行融合，将融合后特征输入预先设立的解码器，得到去雾后的清晰图像。本发明构建了不同局部特征的稠密关联关系，能够有效地提升复杂场景的表现，避免伪影的产生，生成更加真实的清晰图像。
-
公开(公告)号：CN117951276A
公开(公告)日：2024-04-30
申请号：CN202410126688.1
申请日：2024-01-30
Applicant: 华南农业大学
IPC: G06F16/332 , G06F18/214 , G06F18/25 , G06N3/045 , G06N3/09
Abstract: 本发明公开了一种面向智慧养殖问答的模型温度自适应微调方法，包括下述步骤：基于预设的大语言模型对原始问答数据集进行处理，获取每个样本的创意程度评估值；基于每个样本的问句及其对应的创意程度评估值构建新的数据集；采用Bert模型对问句进行表示，采用处理后数据集对温度模型进行训练，以及对任务特定层进行训练；对不同任务下的新数据集进行LoRA参数微调，分别得到不同的任务的LoRA模块；使用任务感知自注意力调节层，将各个任务特定LoRA模块的输出进行特征融合。本发明利用任务感知自注意力调节层对不同任务的LoRA模块进行特征融合，利用其他任务LoRA模块的权重来提高当前任务的回答质量，可以促使模型学习到一些任务之间的相关性，从而提高性能。
-
Patent Agency Ranking
公开(公告)号：CN117672257A
公开(公告)日：2024-03-08
申请号：CN202311516476.6
申请日：2023-11-15
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于音频特征与分层时频注意力卷积的生猪亚健康预警方法及装置，方法包括，首先采集生猪声音数据，并对声音数据进行预处理；然后使用快速傅里叶变换，得到频谱图，并使用谱减法去除环境噪音；再使用单参数双门限端点检测方法，检测并裁剪得到频谱图中的含生猪声音的片段，将这些片段转换为梅尔频谱图；接下来构建基于分层时频注意力卷积的深度特征提取器，提取基于梅尔频谱图的声音深度特征；最后，设计基于双向门控循环‑前馈神经网络的帧级别声音分类器，对声音的深度特征进行处理分析，得到整段音频的生猪亚健康状态时域分布结果。本发明精确快速地提取长时间、多噪音、细颗粒度的养殖场环境内生猪亚健康状态时域分布结果。
-
公开(公告)号：CN117593519A
公开(公告)日：2024-02-23
申请号：CN202311372654.2
申请日：2023-10-23
Applicant: 华南农业大学
IPC: G06V10/26 , G06V10/762 , G06F17/16 , G06F17/18
Abstract: 本发明公开了一种基于改进的熵正则化模糊K‑means的图像分割方法及装置。方法包括：首先，对原始图像进行预处理；接着，利用k×1个中间变量构造熵正则化模糊K‑means算法的等效目标函数；然后，通过一个简单的交替迭代算法求解变量；然后，通过一个简单且高效的迭代重加权方法优化变量求解，并得到最终的隶属矩阵。最后，将每个像素聚类到隶属度最高的集群中，得到分割结果，实现图像的分割。本发明方法不仅可以降低熵正则化模糊K‑means算法的空间复杂度，还解决了熵正则化模糊K‑means算法容易收敛到较差的局部最小值缺陷，同时也提高了分割精度。
-
公开(公告)号：CN117541784A
公开(公告)日：2024-02-09
申请号：CN202311279962.0
申请日：2023-10-07
Applicant: 华南农业大学
IPC: G06V10/26 , G06V10/42 , G06V10/774 , G06V10/82 , G06V10/764 , G06V20/40
Abstract: 本发明公开了一种基于高斯注意力和自适应聚焦的单目标跟踪方法及装置，方法包括：对数据集进行裁剪操作并生成训练集；提取训练集的搜索图像特征和模板图像特征；构建并利用训练集训练高斯Transformer，具体地，从搜索图像特征中建立稀疏注意力，获取搜索图像中最相关的区域，然后利用高斯注意力增强模板图像特征，获得模板图像中核心的特征信息，最后利用自适应聚焦模块进行特征的目标聚焦；最终，利用双头预测器实现单目标跟踪。本发明利用高斯注意力解决了自注意力捕捉图像中元素位置关系的问题，同时在自适应聚焦模块中引入前一帧中目标的形状和位置信息，增加目标与相似物体的对比度，使目标特征更加突出，以实现鲁棒且精准的目标跟踪。
-
公开(公告)号：CN116645535A
公开(公告)日：2023-08-25
申请号：CN202310470637.6
申请日：2023-04-27
Applicant: 华南农业大学
IPC: G06V10/762 , G06V10/26 , G06V10/426 , G06V10/44 , G06V10/46 , G06V10/75 , G06V10/74 , G06V10/82 , G06V10/80
Abstract: 本发明公开了一种基于超图学习的图案元素分组方法及装置，方法包括：对图案进行预处理操作，获取图案中元素的图像分割结果；提取图案元素的格式塔规则特征，包括相似性、邻近性、连续性和混合式特征；使用超图建模图案元素之间基于不同格式塔规则的相关性；设计自适应的超图融合方法，获得融合多种格式塔规则的超图；使用基于超图学习和用户引导的标签传播方法，来获得图案的分组结果。本发明提出格式塔分组规则在图案元素上的表示，同时根据不同分组规则，利用超图建模图案元素之间的连接关系，并使用超图进行统一表示，实现格式塔规则的融合，有效地解决格式塔规则冲突的问题，并实现根据用户的分组意图来对图案元素进行个性化分组。
-
公开(公告)号：CN110310238B
公开(公告)日：2023-01-10
申请号：CN201910526839.1
申请日：2019-06-18
Applicant: 华南农业大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于重用原始信息的压缩奖惩神经网络的单幅图像去雨方法，首先利用快速引导滤波将有雨图像分解为低频图层和高频图层；接着将高频图层输入到一个结合了压缩奖惩神经网络结构块、批归一化处理以及本方法提出的重用原始信息连接方式的神经网络中进行特征学习与提取，去除其中的雨线；最后将去除雨线之后的高频图层与原始的低频图层相加得到最终的去雨结果。本方法针对单幅有雨图像进行去雨，与现有的传统去雨方法、基于深度学习去雨方法相比，都能得到更高质量的无雨图像；并且本方法提出的网络是基于压缩奖惩神经网络的，而本方法提出的网络所使用的压缩奖惩结构块则可以很好地刻画特征通道之间的关系，从而提高网络的表达力，提升去雨效果。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.027 seconds)
