-
公开(公告)号：CN103105909B
公开(公告)日：2016-04-27
申请号：CN201110359336.3
申请日：2011-11-14
IPC: G06F1/18
CPC classification number: G06F1/185
Abstract: 一种服务器，其包括：主板，侧板，扩展卡模组，及连杆。该侧板设置有母连接器。该扩展卡模组包括定位件与公连接器。该公连接器位于扩展卡模组靠近侧板的一端。该定位件位于扩展卡模组远离侧板的一端，且具有定位轴。该连杆包括主体部、卡合部以及固定部。该卡合部和固定部连接于主体部的相对两端，该主体部枢接在该主板上，以使连杆可相对于主板旋转。该卡合部用于与该定位件相配合，且开设有与该定位轴相对应的开口槽。当转动连杆以使卡合部靠近侧板时，该卡合部卡合于该定位件从而带动扩展卡模组靠近侧板以使该公连接器与该母连接器对接；当转动连杆以使卡合部远离侧板时，该卡合部带动扩展卡模组远离侧板以使该公连接器与该母连接器断开。
-
公开(公告)号：CN119540791A
公开(公告)日：2025-02-28
申请号：CN202411728465.9
申请日：2024-11-28
Applicant: 河南农业大学
IPC: G06V20/13 , G06V10/26 , G06V10/30 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及遥感影像处理技术领域，公开了一种复杂场景下遥感地物分类提取网络与制图方法，包括以下步骤：S1：获取高分辨率卫星遥感影像数据，对影像进行预处理，生成多场景地物数据集；S2：构建包括编码器和解码器的两层U型网络，用于多尺度特征提取和地物边界分割；S3：将预处理后的遥感影像输入两层U型网络，进行地物分类和分割；S4：对分割结果进行拼接处理，并生成地物类型空间分布图；S5：对生成的分布图进行噪声消除和后处理操作。通过特征选择模块(FSM)对多尺度特征进行选择性提取，能够增强网络对小目标地物的关注，通过选择那些包含重要细节的特征，显著提高了对小尺度地物的分割精度。
-
公开(公告)号：CN118736376A
公开(公告)日：2024-10-01
申请号：CN202410781055.4
申请日：2024-06-18
Applicant: 河南农业大学
IPC: G06V10/82 , G06N3/0464 , G06V10/774 , G06V20/10 , G06V10/80
Abstract: 本申请涉及农作物病害检测技术领域，提供了一种基于改进YOLOv8s的小麦小穗赤霉病检测方法及系统。该方法中，对YOLOv8s网络结构中的特征提取模块、特征融合模块以及损失函数进行改进，得到改进的OCE‑YOLOv8s模型，对获取的不同光照条件下的小麦小穗赤霉病图像进行预处理，得到训练数据集，对改进的OCE‑YOLOv8s模型进行训练，提高模型对目标区域特征的提取，实现低层特征与高层语义信息的融合，使模型能够提取到更丰富的特征信息；由改进的OCE‑YOLOv8s模型对小麦小穗赤霉病变进行检测，提高模型识别精度，实现对小麦小穗赤霉病的快速、准确识别，为小麦赤霉病小穗检测计数和赤霉病害监测提供支撑。
-
公开(公告)号：CN114694023B
公开(公告)日：2024-08-06
申请号：CN202210271389.8
申请日：2022-03-18
Applicant: 河南农业大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/58
Abstract: 本发明涉及一种光谱指数数据重构的棉花蚜害严重度分级方法，包括：步骤一，获取棉花蚜害的棉花冠层光谱数据并进行样本划分；步骤二，对冠层光谱数据进行初始光谱指数计算；步骤三，对初始光谱指数进行数据重构；步骤四，选取最优波段组合并计算相邻病害级间阈值，步骤五，对棉花蚜害严重度级别进行判定；本发明用距离表征棉蚜病害严重程度级别差异，将全波段下复杂的光谱指数优选问题转化为与健康样本的距离排序问题，容易解读和判断，而且光谱指数的优选及病害严重度分级不受参数影响，对棉花蚜害严重度分级检测精度高。该方法可为病虫害检测的探究提供技术参考，对精准定量施药有重要的指示意义。
-
公开(公告)号：CN118379338A
公开(公告)日：2024-07-23
申请号：CN202410348975.7
申请日：2024-03-26
Applicant: 河南农业大学
Abstract: 本发明植物表型信息获取技术领域，公开了一种高通量大田农作物群体平均叶倾角估算方法，步骤A：根据对被测目标的测量数据，拟合出平均叶倾角#imgabs0#与叶面积指数LAI、冠层覆盖度CC之间的转化公式；步骤B：通过无人机搭载高清数码相机和多光谱相机分别获取大田实验区内农作物群体的高清数码影像和多光谱影像；步骤C：基于高清数码影像提取每个待测单元的农作物群体的冠层覆盖度CC；步骤D：通过步骤C中的多光谱影像计算得到每个待测单元农作物群体的归一化植被指数NDVI；步骤E：根据冠层覆盖度CC、叶面积指数LAI，计算出每个待测单元农作物群体的平均叶倾角#imgabs1#无人机成像数据能够有效估算玉米的群体平均叶倾角，有助于提高其光能利用率和生产潜力。
-
Patent Agency Ranking
公开(公告)号：CN118262215A
公开(公告)日：2024-06-28
申请号：CN202410368870.8
申请日：2024-03-28
Applicant: 中国烟草总公司郑州烟草研究院 , 河南农业大学
IPC: G06V10/82 , G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/048 , G01N21/84
Abstract: 本发明公开了一种基于改进MobileNetV3‑Large的烤烟烟叶田间成熟度智能判别方法，应用于智能终端，通过拍照功能采集待判别田间成熟度的烤烟烟叶图像,采用搭载的改进MobileNetV3‑Large判别模型对烤烟烟叶图像进行烤烟烟叶田间成熟度判别处理；其中，所述改进MobileNetV3‑Large判别模型以MobileNetV3‑Large为基础模型，在基础模型中引入动态卷积模块、多层感知机、跳跃连接支路、SimAM模块。本发明能够增强图像深层特征提取和通道及位置信息感知，从而使得烤烟烟叶田间成熟度识别结果不受限于产区和部位，烤烟烟叶田间成熟的判别准确率及速度较高。
-
公开(公告)号：CN118262214A
公开(公告)日：2024-06-28
申请号：CN202410368869.5
申请日：2024-03-28
Applicant: 中国烟草总公司郑州烟草研究院 , 河南农业大学
IPC: G06V10/82 , G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/048 , G01N21/84
Abstract: 本发明公开了一种基于改进MobileNetV3‑Small的烤烟烟叶田间成熟度智能判别方法，应用于智能终端，通过拍照功能采集待判别田间成熟度的烤烟烟叶图像,采用搭载的改进MobileNetV3‑Small判别模型对烤烟烟叶图像进行烤烟烟叶田间成熟度判别处理；其中，所述改进MobileNetV3‑Small判别模型以MobileNetV3‑Small为基础模型，在基础模型中引入CBAM模块、多层感知机、跳跃连接支路以及门控线性单元，实现图像特征重用、提升感知拟合能力以及实现了分流管理信息、加速网络收敛，烤烟烟叶田间成熟的判别速度及准确率较高。
-
公开(公告)号：CN114694023A
公开(公告)日：2022-07-01
申请号：CN202210271389.8
申请日：2022-03-18
Applicant: 河南农业大学
IPC: G06V20/10 , G06K9/62 , G06V10/774 , G06V10/764 , G06V10/58
Abstract: 本发明涉及一种光谱指数数据重构的棉花蚜害严重度分级方法，包括：步骤一，获取棉花蚜害的棉花冠层光谱数据并进行样本划分；步骤二，对冠层光谱数据进行初始光谱指数计算；步骤三，对初始光谱指数进行数据重构；步骤四，选取最优波段组合并计算相邻病害级间阈值，步骤五，对棉花蚜害严重度级别进行判定；本发明用距离表征棉蚜病害严重程度级别差异，将全波段下复杂的光谱指数优选问题转化为与健康样本的距离排序问题，容易解读和判断，而且光谱指数的优选及病害严重度分级不受参数影响，对棉花蚜害严重度分级检测精度高。该方法可为病虫害检测的探究提供技术参考，对精准定量施药有重要的指示意义。
-
公开(公告)号：CN107145876B
公开(公告)日：2020-04-10
申请号：CN201710374148.5
申请日：2017-05-24
Applicant: 河南农业大学
Abstract: 本发明公开了一种基于变化向量分析的小麦全蚀病遥感监测方法，利用小麦长势特征、小麦物候知识和小麦全蚀病的先验知识，基于Landsat 7 TM影像和Landsat 8 OLI影像对小麦全蚀病的数据收集情况，利用小麦不同长势在光谱上的反应机制，提取小麦种植区域，分析不同时相的植被指数分布信息，判断各个植被指数与小麦全蚀病严重程度的相关性，运用变化向量分析法，以植被指数向量的空间夹角构建变化向量构建小麦全蚀病病害的监测模型，将复杂的变化类型的判断问题转化成角度分类的问题，用角度变化向量构建的变化向量来表征变化类型，物理意义明确，而且更加容易解读，对小麦全长势信息以及全蚀病病情检测精确性高。
-
公开(公告)号：CN109447945A
公开(公告)日：2019-03-08
申请号：CN201811108380.5
申请日：2018-09-21
Applicant: 河南农业大学
Abstract: 一种基于机器视觉和图形处理的小麦基本苗快速计数方法，以解决现有的小麦基本苗计数计数效率低的技术问题。包括以下步骤：基本苗图像的获取、图像复原增强、目标计数，在目标计数中，采用连通区域面积对比法对经所述步骤S8处理后的图像处理计数，以获取小麦基本苗数量，这样能够读取并识别小麦苗的遮挡粘连，小麦基本苗数量等于各个连通区域中统计出的小麦苗株数量。通过采用机器视觉和图形处理方法，计数效率高，适宜于大范围的统计小麦种植量或发芽量。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.031 seconds)
