-
公开(公告)号：CN117649364B
公开(公告)日：2024-05-07
申请号：CN202410126237.8
申请日：2024-01-30
Applicant: 安徽大学
IPC: G06T5/73 , G06T5/60 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094
Abstract: 本发明公开了一种基于改进DeblurGANv2模型的真菌孢子显微图像去模糊方法及装置，该方法包括：获取真菌孢子显微图像数据集；基于改进DeblurGANv2模型构建真菌孢子显微图像去模糊网络模型，所述改进DeblurGANv2模型包括在FPN网络中融入CBAM注意力模块并增加一条自底向上的5层特征增强路径；将真菌孢子显微图像数据集输入真菌孢子显微图像去模糊网络模型对生成器和判别器进行训练，得到训练完成的真菌孢子显微图像去模糊网络模型；基于训练完成的去模糊网络模型中的生成器对待处理的模糊真菌孢子显微图像进行去模糊。本发明有效提高了真菌孢子显微图像去模糊后的图像质量。
-
公开(公告)号：CN114596429B
公开(公告)日：2024-04-19
申请号：CN202210201369.3
申请日：2022-02-28
Applicant: 安徽大学
IPC: G06V10/20 , G06V10/24 , G06V10/774 , G06V10/764
Abstract: 本发明涉及一种基于自定义旋转框的麦穗检测方法，包括如下步骤：步骤S100，拍摄观测区群体麦穗图像；步骤S200，改进YoloV5目标检测网络的检测框定义方式和损失函数，获得基于自定义旋转框的YoloV5目标检测网络模型；步骤S300，对改进后的基于自定义旋转框的YoloV5目标检测网络模型进行训练；步骤S400，利用训练好的基于自定义旋转框的YoloV5目标检测网络模型对观测区群体麦穗图像进行检测，并获得利用旋转框框出的麦穗检测结果图像。本方法有效提高了小麦麦穗检测精度，且能够在任何复杂条件下使用，无需任何辅助设备(材料)，拥有良好的泛用性。此外，有效解决了照片中因拍摄角度导致的检测框背景较多的情况，目标检测网络模型的角度检测精度也得到了提高。
-
公开(公告)号：CN116434064A
公开(公告)日：2023-07-14
申请号：CN202310398075.9
申请日：2023-04-14
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于SK‑UNet深度学习网络的遥感影像大豆种植区域提取方法，包括：获取10m分辨率的哨兵二号遥感影像并进行预处理，构成遥感影像数据集；构建改进的UNet网络模型即SK‑UNet模型作为大豆种植区影像提取网络；得到训练后的SK‑UNet模型；获取待提取的遥感影像并进行预处理；将预处理后的待提取的遥感影像输入训练后的SK‑UNet模型，得到大豆种植区影像提取结果。本发明基于对UNet网络的改进，在每个双层卷积后加入SKNet Block模块，其可扩展性好且提取精度高，可调整参数应用于不同传感器的遥感卫星影像；通过验证，本发明得到的高分辨率遥感影像分类结果在评价指标优上优于对比分类算法，并且产生的分类结果能够更好的保持了边缘的平滑和完整性。
-
公开(公告)号：CN111735772B
公开(公告)日：2023-07-07
申请号：CN202010404191.3
申请日：2020-05-13
Applicant: 中国科学院空天信息创新研究院 , 安徽大学
IPC: G01N21/17 , G01N21/55 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明实施例提供一种改进的级联神经网络的高光谱数据地表反射率反演方法，所述方法包括：确定待测区域的高光谱数据和地形参数；将高光谱数据和地形参数输入至地表反射率反演模型，得到地表反射率反演模型输出的待测区域的地表反射率；其中，地表反射率反演模型是基于样本区域的样本高光谱数据、样本地形参数和样本地表反射率训练得到的；地表反射率模型用于基于高光谱数据和样本地形参数，确定待测区域的大气参数集，并基于大气参数集，确定地表反射率。本发明实施例提供的方法，充分利用了地物的光谱特征，同时考虑了大气对传感器辐亮度的影响，能够实现高精度的地表反射率的反演。
-
公开(公告)号：CN112161937B
公开(公告)日：2023-06-23
申请号：CN202011214332.1
申请日：2020-11-04
Applicant: 安徽大学
IPC: G01N21/25 , G01N21/47 , G01N21/01 , G06V10/25 , G06V10/774 , G06V10/764 , G06N3/0464 , G06V10/82
Abstract: 本发明特别涉及一种基于级联森林和卷积神经网络的小麦粉筋度检测方法，包括如下步骤：A、选取已知筋度的小麦粉作为样本并分成训练集和测试集；B、采集高光谱图像；C、提取单波段图；D、获得图像特征；E、将特征波长和图像特征进行图谱融合后作为特征值，将筋度标签作为结果，代入级联森林模型中进行训练得到小麦粉筋度识别模型；F、将测试集代入训练好的小麦粉筋度识别模型中进行测试，得到预测的筋度类别以及类别准确度。利用高光谱数据获得光谱特征建立小麦粉筋度控制模型，继而通过模型对输入数据进行对比分析，快速无损识别出小麦粉的筋度，判别小麦粉筋度是否符合制作工艺要求检测方法，该检测方法适用性强、检测精度高，能够无损地实现小麦粉筋度检测。
-
Patent Agency Ranking
公开(公告)号：CN115588015A
公开(公告)日：2023-01-10
申请号：CN202211159164.X
申请日：2022-09-22
Applicant: 安徽大学
Abstract: 本发明特别涉及一种基于Improved_Unet网络的倒伏区域分割方法，包括如下步骤：利用无人机获取指定高度、指定生长期的待检测麦田图像；对待检测麦田图像进行几何校正和拼接处理得到一张待检测RGB大图；将待检测RGB大图输入至训练好的Improved_Unet网络中得到倒伏区域分割图，其中Improved_Unet网络为使用Involution算子代替Unet网络骨干位置的卷积操作得到。Improved_Unet网络结合了Segnet和Unet网络的优点，使用involution算子代替骨干部分的卷积操作，实现了空间特异性，对不同的像素采取不同的操作，确保了信息最大化提取，大幅提高了分割精度。
-
公开(公告)号：CN115564956A
公开(公告)日：2023-01-03
申请号：CN202211299681.7
申请日：2022-10-24
Applicant: 安徽大学
IPC: G06V10/26 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/04 , G06N3/08
Abstract: 本发明涉及基于PSPNet网络的无人机小麦影像倒伏区域提取方法，与现有技术相比解决了难以对不同生育期小麦倒伏区域进行影像提取的缺陷。本发明包括以下步骤：训练数据的获取及预处理；PSPNet语义分割网络的构建；PSPNet语义分割网络的训练；倒伏区域待提取图像的获取；无人机小麦影像倒伏区域的提取。本发明克服了针对单一生育期的小麦影像倒伏提取无法做到多个生育期倒伏区估计的难题，且获得理想的倒伏提取结果。
-
公开(公告)号：CN109657653B
公开(公告)日：2022-10-04
申请号：CN201910051447.4
申请日：2019-01-21
Applicant: 安徽大学
IPC: G06V20/13 , G06V10/764 , G06T7/00 , G06T7/136
Abstract: 本发明涉及一种基于成像高光谱数据的小麦籽粒赤霉病识别方法，与现有技术相比解决了尚无快速识别小麦籽粒赤霉病方法的缺陷。本发明包括以下步骤：高光谱基础图像的采集；高光谱基础图像的预处理；构建小麦籽粒赤霉病识别模型；小麦籽粒赤霉病识别模型的训练；待识别高光谱图像的获取；待识别高光谱图像的预处理；小麦籽粒赤霉病的识别。本发明利用室内高光谱成像数据，通过图像分割技术，在高光谱图像中分割小麦籽粒，继而对小麦籽粒的光谱信息进行对比分析，通过数据噪声去除并进行特征波长筛选，建立了小麦赤霉病病害侵染麦粒的有效识别模型，形成了小麦籽粒赤霉病检测的快速有效方法。
-
公开(公告)号：CN114596429A
公开(公告)日：2022-06-07
申请号：CN202210201369.3
申请日：2022-02-28
Applicant: 安徽大学
IPC: G06V10/20 , G06V10/24 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明涉及一种基于自定义旋转框的麦穗检测方法，包括如下步骤：步骤S100，拍摄观测区群体麦穗图像；步骤S200，改进YoloV5目标检测网络的检测框定义方式和损失函数，获得基于自定义旋转框的YoloV5目标检测网络模型；步骤S300，对改进后的基于自定义旋转框的YoloV5目标检测网络模型进行训练；步骤S400，利用训练好的基于自定义旋转框的YoloV5目标检测网络模型对观测区群体麦穗图像进行检测，并获得利用旋转框框出的麦穗检测结果图像。本方法有效提高了小麦麦穗检测精度，且能够在任何复杂条件下使用，无需任何辅助设备(材料)，拥有良好的泛用性。此外，有效解决了照片中因拍摄角度导致的检测框背景较多的情况，目标检测网络模型的角度检测精度也得到了提高。
-
公开(公告)号：CN113869246B
公开(公告)日：2022-04-01
申请号：CN202111163882.X
申请日：2021-09-30
Applicant: 安徽大学
IPC: G06V20/69 , G06V10/774 , G06K9/62
Abstract: 本发明涉及基于改进CenterNet技术的小麦条锈病菌夏孢子显微图像检测方法，与现有技术相比解决了难以针对夏孢子显微图像进行检测的缺陷。本发明包括以下步骤：夏孢子显微图像的获取和预处理；夏孢子检测网络的构建；夏孢子检测网络的训练；待检测夏孢子显微图像的获取；待检测夏孢子显微图像检测结果的获得。本发明能够精准检测并分割出夏孢子显微图像中的夏孢子，且检测速度快。
-
-
-
-
-
-
-
-
-
Search Results
209
records
(took 0.028 seconds)
