-
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：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：CN114663481B
公开(公告)日：2025-05-23
申请号：CN202210131920.1
申请日：2022-02-14
Applicant: 安徽大学
Abstract: 本发明特别涉及一种多模态图像配准方法，包括如下步骤：S100、通过图像获取装置获取大豆样本的初始图像，初始图像包括RGB图像和高光谱图像；S200、对RGB图像和高光谱图像分别进行去噪得到去噪后的RGB校正图像和高光谱校正图像；S300、从高光谱校正图像中抽取三波段组成第一伪RGB图像；S400、将第一伪RGB图像和RGB校正图像进行预配准得到平移矩阵和变换矩阵；S500、利用平移矩阵和变换矩阵完成高光谱校正图像的配准。通过对RGB图像和高光谱图像的去噪处理，充分去除噪声，保证后续配准的准确度；然后利用手动对第一伪RGB图像和RGB校正图像进行配准，将配准的参数记录得到平移矩阵和变换矩阵，再利用这两个矩阵对高光谱校正图像进行配准，该配准方法操作简单、容易理解、易上手。
-
公开(公告)号：CN118298234A
公开(公告)日：2024-07-05
申请号：CN202410454695.4
申请日：2024-04-16
Applicant: 安徽大学
IPC: G06V10/764 , G06V20/10 , G06V10/77 , G06V10/44 , G06V10/42 , G06N3/0464
Abstract: 本发明涉及一种基于光谱‑空间注意力机制和残差网络的高光谱图像分类方法，包括：输入高光谱图像；使用主成分分析进行降维，得到降维后的高光谱图像；进行初步特征提取，得到经特征提取后的图像；得到增强后的图像；得到进一步挖掘空间特征的图像；得到经过自适应校准后的图像；将经过自适应校准后的图像经过全局池化、展平、批归一化和全连接层，得到最终的分类结果。本发明使用深度可分离卷积块，以此实现轻量级、高效率的特征提取；残差SEA注意力模块通过纵向和横向挤压获取全局信息，又通过增强获取局部信息；残差EMA注意力模块能够获取像素间的成对关系，更好地挖掘空间特征；残差SE注意力模块能够自适应校准通道信息，更好获取通道信息。
-
公开(公告)号：CN117893816B
公开(公告)日：2024-07-02
申请号：CN202410071215.6
申请日：2024-01-18
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/44 , G06V10/52 , G06V10/58 , G06V10/77 , G06V10/80 , G06V10/82 , G06V20/10 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及一种分层次残差光谱空间卷积网络的高光谱图像分类方法，包括：获取高光谱图像数据立方体，分割为一组相互重叠的3D斑块P；构建分层次残差光谱空间卷积网络；将3D斑块P输入分层次残差光谱空间卷积网络，得到光谱维的三维光谱空间特征；对光谱维的三维光谱空间特征进行分层次特征注意处理，得到分层次的特征映射；对分层次的特征映射进行光谱空间特征学习，得到空间维的三维光谱空间特征；对空间维的三维光谱空间特征进行分类处理，得到每一类地物的概率分布。本发明在提取各类地物微小特征上发挥着极其重要的作用，有效解决了图像块之间远近距离依赖关系，高效捕捉浅层空谱特征和深层空谱特征，并且降低注意力机制的冗余。
-
Patent Agency Ranking
公开(公告)号：CN118115886A
公开(公告)日：2024-05-31
申请号：CN202311816139.9
申请日：2023-12-26
Applicant: 安徽大学
IPC: G06V20/13 , G06V20/10 , G06V10/774 , G06V10/764 , G06V10/771
Abstract: 本发明涉及一种基于物候和光谱特征多作物分类方法，包括：下载Sentinel‑2卫星影像数据，进行预处理，得到影像集；采集和标记地面数据，得到地面数据点集；通过分类规则提取耕地，得到耕地影像集；对提取到的物候特征和光谱特征进行筛选，得到关键特征影像集；建立多作物分类模型，并对多作物分类模型进行精度评估；将目标区域的物候和光谱特征影像输入多作物分类模型，多作物分类模型输出作物分类结果，根据作物分类结果绘制作物分布地图。本发明利用卫星遥感影像和地面点数据，通过分析NDVI近似积分构建分类规则提取耕地，避免其他地物干扰作物分类；最终实现多作物分类，有效解决了传统作物分类技术在应对多种作物时存在的准确性低和效率低的问题。
-
公开(公告)号：CN111832507B
公开(公告)日：2024-04-09
申请号：CN202010702759.X
申请日：2020-07-20
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/774 , G01N21/25
Abstract: 本发明涉及基于麦穗顶部光谱信息的小麦赤霉病遥感识别方法，与现有技术相比解决了尚无基于麦穗顶部进行赤霉病监测的缺陷。本发明包括以下步骤：非成像近地高光谱数据的获取；数据的预处理；敏感特征集的获取；SVM模型的构建；SVM模型的优化；小麦赤霉病遥感识别结果的获得。本发明基于遥感设备垂直角度利用小麦顶部信息对赤霉病进行识别，并通过对特征进行筛选和组合，以及对模型进行优化，实现了单穗尺度上的小麦赤霉病的垂直研究，为实际大区域尺度赤霉病识别提供了更加精准的技术方案。
-
公开(公告)号：CN117649364A
公开(公告)日：2024-03-05
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：CN117576467A
公开(公告)日：2024-02-20
申请号：CN202311560242.1
申请日：2023-11-22
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/20 , G06V10/82 , G06V10/44 , G06V10/56 , G06V10/77 , G06N3/0464 , G06N3/047 , G06N3/0455 , G06V10/80 , G06N3/08 , G06N3/045
Abstract: 本发明涉及一种融合频率域和空间域信息的农作物病害图像识别方法，与现有技术相比解决了难以在复杂环境下实现农作物病害检测的缺陷。本发明包括以下步骤：农作物病害图像的获取及预处理；双分支病害图像识别模型的构建；双分支病害图像识别模型的训练；待识别农作物病害图像的获取；农作物病害图像识别结果的获得。本发明结合图像频率域信息与空间域信息提出了双分支的深度神经网络用于农作物病害识别，频率分支接受频域信息作为输入用于提取丰富的农作物病害频率分量特征，可变形注意力Transformer分支擅长于表征全局特征并且有选择的关注农作物病害局部区域特征，融合方法MSAF更好的融合农作物病害频率特征和空间特征。
-
公开(公告)号：CN117218537B
公开(公告)日：2024-02-13
申请号：CN202311178242.5
申请日：2023-09-13
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/764 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于Transformer和非局部神经网络双分支架构的高光谱图像分类方法，包括：输入高光谱图像H；对输入的高光谱图像H进行双分支处理：将多个立方块Hsp作为空间子网络的输入，取H的光谱信息Hspe作为光谱子网络的输入；得到一维空间特征；得到一维光谱特征；构建多层感知器模块将提取的一维空间特征和一维光谱特征进行融合，得到分类结果。本发明通过对高光谱图像作为研究对象，用双分支策略以在充分保持计算效率的同时减少计算量和节约成本；本发明所提出的空间注意力机制探索中心像素和周围像素的相似性，提高了中心像素识别的准确性，增强了空间提取能力。
-
-
-
-
-
-
-
-
-
Search Results
242
records
(took 0.029 seconds)
