-
公开(公告)号：CN108846370A
公开(公告)日：2018-11-20
申请号：CN201810665242.0
申请日：2018-06-26
Applicant: 安徽大学
Abstract: 本发明涉及一种小麦白粉病中晚期病害严重度自动分析方法，该方法包括以下步骤：(1)采集叶片样本的高光谱数据。(2)根据整个叶片和病斑区域的像素数计算病斑占叶片面积的百分比，求得叶片样本的病情严重度a0。(3)对试验数据进行降维处理。(4)在降维之后，选取m个样本中的m1个样本作为训练样本，将d维特征作为自变量，对应的类别作为因变量输入到概率神经网络模型中进行训练，得到预测模型；将剩余的m-m1个样本作为测试样本进行模型准确率验证，将这m-m1个样本的d维特征作为自变量输入到概率神经网络模型中，得到叶片样本的病情严重度的预测结果a1，并将a1与a0进行比较。本发明能够对小麦白粉病严重度进行监测和分析。
-
公开(公告)号：CN106872028B
公开(公告)日：2018-09-04
申请号：CN201710085979.0
申请日：2017-02-17
Applicant: 安徽大学
Abstract: 本申请公开一种作物理化参数测量设备及测量方法，所述作物理化参数测量设备包括腔体，入射光电探测器；反射光电探测器；滤光片；控制系统，控制系统包括控制器和采集信号模块；位于第二表面的主动光源，主动光源在控制系统的控制下，对作物进行照明；其中，控制器用于根据采集信号模块的数据控制作物理化参数测量设备工作在主动模式和被动模式。主动光源能够为作物提供特定光谱照射，使得作物理化参数测量设备工作在主动模式下，从而使得作物理化参数测量设备不仅具有被动模式，还具有主动模式，进而能够降低自身局限性，减小天气对测量条件的影响，使得作物理化参数测量设备能够适应于多种测量条件，普遍适用，从而满足测量需求。
-
公开(公告)号：CN107451574A
公开(公告)日：2017-12-08
申请号：CN201710673907.8
申请日：2017-08-09
Applicant: 安徽大学
Abstract: 本发明涉及一种基于类Haar视觉特征感知的运动估计方法，与现有技术相比解决了视觉特征感知的普适性低、时间复杂度高的缺陷。本发明包括以下步骤：视频图像的获取和预处理；生成N维的类Haar特征提取模板；提取类Haar特征；度量特征距离；获得运动估计结果，根据特征距离最小化准则搜索两帧之间的匹配块，并根据匹配块的位移测算运动矢量。本发明在块匹配的技术框架下，采用一种多维随机采样策略对影像块进行类Haar视觉特征提取，保证了视觉特征感知的有效性和普适性。
-
公开(公告)号：CN106872028A
公开(公告)日：2017-06-20
申请号：CN201710085979.0
申请日：2017-02-17
Applicant: 安徽大学
Abstract: 本申请公开一种作物理化参数测量设备及测量方法，所述作物理化参数测量设备包括腔体，入射光电探测器；反射光电探测器；滤光片；控制系统，控制系统包括控制器和采集信号模块；位于第二表面的主动光源，主动光源在控制系统的控制下，对作物进行照明；其中，控制器用于根据采集信号模块的数据控制作物理化参数测量设备工作在主动模式和被动模式。主动光源能够为作物提供特定光谱照射，使得作物理化参数测量设备工作在主动模式下，从而使得作物理化参数测量设备不仅具有被动模式，还具有主动模式，进而能够降低自身局限性，减小天气对测量条件的影响，使得作物理化参数测量设备能够适应于多种测量条件，普遍适用，从而满足测量需求。
-
公开(公告)号：CN106373787A
公开(公告)日：2017-02-01
申请号：CN201610899641.4
申请日：2016-10-14
Applicant: 安徽大学
CPC classification number: Y02E60/13 , H01G11/36 , B82Y30/00 , B82Y40/00 , H01G11/30 , H01G11/46 , H01G11/86
Abstract: 本发明公开了一种超级电容器电极的制备方法，属于电子材料和器件领域。制作过程包括基底的准备；过渡金属盐溶液中添加锰盐、十二烷基硫酸钠或十二烷基苯磺酸钠溶液，涂敷在基底上，自然干燥；将基底置于酒精灯火焰内焰中，加热2分钟；进行400℃，60～300分钟的退火处理。本发明中，基底上涂覆的前驱溶液在火焰合成时，会形成三维微纳多孔的纳米碳-锰氧化物复合材料，具有优良的导电性与电化学活性。此复合材料应用于超级电容器电极活性材料时，其质量比电容的范围可达10.99～322.60F/g，此外，这种制备超级电容器电极的方法简单、成本低廉，因而具有广泛的市场应用前景。
-
Patent Agency Ranking
公开(公告)号：CN105807790A
公开(公告)日：2016-07-27
申请号：CN201610258904.3
申请日：2016-04-25
Applicant: 安徽大学
CPC classification number: G05D1/10 , G01C21/165
Abstract: 本发明提供一种基于室内混合定位的智能跟随系统，该系统包括设置在跟随物体上的触控屏、主控板、测距模块和驱动模块以及被跟随人员携带的手机终端，所述主控板集成有第一主控制器、第一Wi?Fi模块和九轴惯性传感器，所述手机终端集成有第二主控制器、第二Wi?Fi模块、三轴加速度传感器和陀螺仪。本发明还提供一种基于室内混合定位的智能跟随系统的跟随方法。本发明使用简便、灵活，人机交互性强，可根据实际需要设置在任何需要跟随人的物体上，为解放人的双手提供保障，具有很强的环境适应性和生存能力，同时本发明在技术上完美平衡了成本和跟随精度，稳定性高，在拥有较小误差的同时实现了低成本，具有良好的可推广性。
-
公开(公告)号：CN104964712A
公开(公告)日：2015-10-07
申请号：CN201510398948.1
申请日：2015-07-08
Applicant: 安徽大学
IPC: G01D21/02
Abstract: 本发明的一种架空输电线路张力放线智能监测通信系统，在各滑车和走板上安装有各类传感器以及数传电台。以相邻的几个杆塔作为一个局部区域，局部区域中的滑车之间以星型网络组网的方式实现通信，所有局部区域之间以总线拓扑网络的方式实现通信。智能走板在任何一个局部区域中的监测信息均可以多跳中继接力方式来传送到中心基站，中心基站根据接收到的各个传感器的检测数据，计算出走板在放线区段内所处的位置、高度、速度、姿态、子导线受力和放线滑车所受荷载等张力放线数据，实现架空输电线路张力放线系统的智能监测。
-
公开(公告)号：CN103940465A
公开(公告)日：2014-07-23
申请号：CN201410042668.2
申请日：2014-01-28
Applicant: 安徽大学 , 安徽朗坤物联网有限公司
Abstract: 本发明提供一种杂草信息采集方法与系统，其中，杂草信息采集方法包括：采用两个调查尺确定杂草采集面积；获取所述杂草采集面积内杂草的图像信息；确定所述杂草采集面积内杂草的基本信息，所述基本信息包括：杂草种类、杂草密度、杂草高度和采集点地理位置信息；将所述图像信息及基本信息上传至杂草信息采集服务器。本实施例提供的杂草信息采集方法与系统，通过利用两个调查尺确定杂草采集面积，利用图像采集装置获取采集面积内的杂草图像信息，从而确定杂草的基本信息，并将确定的杂草图像信息和基本信息上传至杂草信息采集服务器以使采集的杂草信息及时共享，杂草信息的采集过程简单，效率高。
-
公开(公告)号：CN103081887B
公开(公告)日：2014-07-02
申请号：CN201310038941.X
申请日：2013-01-31
Applicant: 安徽大学
Abstract: 本发明涉及农业信息技术领域，特别涉及一种大田作物病害立体信息获取装置及方法。该装置包括拱形架，其用于搭载信息获取探头；拱形架上设有弧形滑槽，信息获取探头可在滑槽内滑动；信息获取探头，用于采集作物病害区域光谱；推拉板，用于固定参照板，参照板对高光谱数据进行校正；地物光谱仪，用于采集病害作物立体维的高光谱信息；移动终端，用于数据收集与病害程度判断，提供最优喷药角度与喷药剂量；运输车，用于承载上述部件，且在田间行走。本发明实施例提供的大田作物病害立体信息获取装置及方法，通过面向大田变量喷药指导装置的开发和使用方法探索，提出喷药效果最大化的角度或角度组合，有效提高机械化施药和人工喷药的病害防控效率。
-
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
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。
-
-
-
-
-
-
-
-
-
Search Results
295
records
(took 0.03 seconds)
