-
公开(公告)号：CN114548265A
公开(公告)日：2022-05-27
申请号：CN202210157494.9
申请日：2022-02-21
Applicant: 安徽农业大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种作物叶片病害图像生成模型训练方法、作物叶片病害识别方法、电子设备及存储介质，属于图像增强技术领域。基于层级式SwinT网络作为叶片区域提取模块的特征提取网络，设计多阶段重叠式嵌入和分层级特征下采样模块优化SwinT的图像嵌入方式和渐进式层级结构，根据重构特征图生成显著图并提取叶片区域。将叶片区域提取模块集成到图像生成模型，通过设计背景损失函数引导图像生成模型仅在叶片区域生成病斑，实现叶片病害图像数据集的有效增强。本发明能够提升生成作物叶片病害图像的生成效率与质量，显著提高作物叶片病害识别模型的准确率和鲁棒性，具有计算代价低、所需的训练数据量小、收敛快速且稳定等特点。
-
公开(公告)号：CN113607669A
公开(公告)日：2021-11-05
申请号：CN202110871418.X
申请日：2021-07-30
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于迁移学习的土壤养分光谱检测方法，涉及土壤分析技术领域，通过降低环境因素的影响提高野外原位土土壤光谱数据检测的准确性；结合迁移学习方法，利用已有实验室干土土壤光谱数据，通过光谱变换减少原位土和干土的光谱的数据分布差异，提高土壤养分回归预测模型的准确性；从而提高野外原位土土壤养分含量实时检测的准确性。设置的检测系统缩小了仪器体积、简化了仪器构造组成，方便野外携带、操作，通过钻头取土装置采集土壤样本，通过微型光谱仪芯片获取土壤光谱数据并进行光谱变换，通过回归模型检测土壤养分含量。
-
公开(公告)号：CN105930531A
公开(公告)日：2016-09-07
申请号：CN201610422472.5
申请日：2016-06-08
Applicant: 安徽农业大学
IPC: G06F17/30
CPC classification number: G06F16/285
Abstract: 本发明公开了一种基于混合模型的农业领域本体知识云维度优选方法，通过聚类个数的优选，对属性与类属性之间进行相关性测度，通过相关性值的大小对数据进行过滤获得相关属性集，同时对相关属性集进行冗余性测度，删除其中相互冗余的属性得到最相关属性集，并通过对最相关属性集的准确性测试，获得分类准确性最佳的子集作为相应的云维度的信息。本发明所提出的基于混合模型的云维度优选方法能够实现农业领域数据库中的带类标识属性数据和无类标识属性数据的云维度优选，去除其中的不相关、弱相关、冗余的属性，达到精简云本体规模的效果，从而提高构建领域云本体的质量，为农业领域知识服务、共享和重用做出了贡献。
-
公开(公告)号：CN215493141U
公开(公告)日：2022-01-11
申请号：CN202121761311.1
申请日：2021-07-30
Applicant: 安徽农业大学
Abstract: 本实用新型公开了一种土壤养分光谱测量装置，涉及土壤分析技术领域，设置取土装置，进行筛除土样杂质并收集，通过在测土装置内安装光谱检测模块，光谱检测模块内设置电源、内置光源和微型光谱仪芯片，实现土壤的光谱检测以及对光谱数据进行光谱变换，并将光谱变换后结果发送至主控模块进行处理和显示；本实用新型提供的一种土壤养分光谱测量装置，用于提高原位土土壤光谱检测的准确性，实现对原位土土壤养分快速、无损以及实时地检测。
-
-
-
Search Results
34
records
(took 0.014 seconds)
