-
公开(公告)号：CN114973002B
公开(公告)日：2025-05-02
申请号：CN202210705045.3
申请日：2022-06-21
Applicant: 安徽大学
IPC: G06V20/10 , G06V20/17 , G06V10/774 , G06V10/82 , G06V10/40 , G06V10/25 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于改进的YOLOv5的麦穗检测方法，其特征在于：包括：获取麦穗图像并对麦穗图像进行标注，获得麦穗图像数据集，将麦穗图像数据集划分为训练集和测试集；构建YOLOv5网络模型；对YOLOv5网络模型进行改进，得到改进的YOLOv5网络模型；将训练集输入改进的YOLOv5网络模型中，对改进的YOLOv5网络模型进行训练；对改进的YOLOv5网络模型进行评价和测试。本发明使用四尺度特征检测，增加浅层检测尺度，来提高小目标的识别精度；本发明引入CA注意力机制，提升算法的特征提取能力；本发明引入CIOU_Loss作为算法损失函数的Bounding Box Regression Loss，提升检验框检测的准确率。
-
公开(公告)号：CN119397945A
公开(公告)日：2025-02-07
申请号：CN202411443505.5
申请日：2024-10-16
Applicant: 安徽大学
IPC: G06F30/28 , G06F30/20 , G06F113/08 , G06F119/14
Abstract: 本发明涉及一种用于大田环境高通量植物表型平台的多元数据动态融合校正方法，与现有技术相比解决了难以实现多环境数据融合修正的缺陷。本发明包括以下步骤：环境数据与作物表型数据的获取；进行风速风向校正；进行光照校正；进行温度校正；数据的融合校正。本发明通过实时算法对多源数据进行校正和融合，从而实现高精度的表型数据多层次的动态融合校正。
-
公开(公告)号：CN119295952A
公开(公告)日：2025-01-10
申请号：CN202411812834.2
申请日：2024-12-10
Applicant: 安徽大学
Abstract: 本发明涉及一种空间对齐和因果交互的高光谱激光雷达协同分类方法，与现有技术相比，解决了现有的方法在进行高光谱激光雷达协同分类过程中，由于未考虑多模态图像由于拍摄过程、成像机制等引起的空间错位及模态差异，从而导致了分类精度和鲁棒性不足的问题。本发明包括以下步骤：获取多模态遥感影像数据集、构建空间对齐和因果交互的高光谱激光雷达协同分类模型、空间对齐和因果交互的高光谱激光雷达协同分类模型训练、图像分类结果获取。本发明通过预测空间偏移量实现多模态图像精确对齐，并且运用因果交互机制区分模态的因果与非因果因素，有效剔除模态特性干扰，确保高光谱激光雷达协同分类结果的精准度与鲁棒性。
-
公开(公告)号：CN119295756A
公开(公告)日：2025-01-10
申请号：CN202411812830.4
申请日：2024-12-10
Applicant: 安徽大学
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06V20/10 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明涉及一种抗非对齐的SAR‑光学影像耦合对比融合建筑物分割方法。本发明包括以下步骤：构建建筑物遥感影像分割多模态数据集；构建抗非对齐的SAR‑光学影像耦合对比融合建筑物分割模型；训练抗非对齐的SAR‑光学影像耦合对比融合建筑物分割模型；抗非对齐的SAR‑光学影像耦合对比融合建筑物分割模型结果获取。与现有技术相比，解决了现有方法在处理多模态图像对弱对齐问题时，注重严格的模态对齐从而忽略了模态间的差距。本发明通过偏移引导自适应特征对齐模块捕获最佳的对齐位置，从而实现模态间的自适应对齐。进一步通过多模态图像融合的耦合对比学习框架提取模态间的互补特征，从而减少融合结果的冗余信息，保证分割结果的精度和鲁棒性。
-
公开(公告)号：CN118797093A
公开(公告)日：2024-10-18
申请号：CN202411027264.6
申请日：2024-07-30
Applicant: 安徽大学
IPC: G06F16/583 , G06V10/80 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种全局‑局部信息交互注意的遥感图像文本检索方法，包括：1、通过基于Faster R‑CNN模型的特征提取网络得到遥感图像的区域级特征表示；2、通过基于BERT模型的特征提取网络得到具有上下文信息的文本词级特征表示；3、构建基于注意力机制的全局‑局部注意力模块，得到包含全局‑局部信息的遥感图像特征；4、通过特征聚合网络得到遥感图像以及文本的整体特征；5、通过双向的三元组排序损失函数约束正样本与负样本之间的特征距离，以此训练得到最优检索模型。本发明通过获取全局‑局部信息交互注意的遥感图像特征和包含上下文信息的文本特征，从而大大提高了遥感图像文本检索的准确率。
-
Patent Agency Ranking
公开(公告)号：CN110596185B
公开(公告)日：2024-09-24
申请号：CN201911003921.2
申请日：2019-10-22
Applicant: 安徽大学
Abstract: 本发明涉及一种热电纤维材料塞贝克值测试装置，与现有技术相比解决了无法针对热电纤维材料进行Seebeck测试的缺陷。本发明中测试纤维样品的左端安装在左陶瓷片上、右端安装在右陶瓷片上，所述的左陶瓷片为加热陶瓷片，左电压探针台的探针抵在测试纤维样品的左端，右电压探针台的探针抵在测试纤维样品的右端。本发明能够适用于热电纤维材料的塞贝克值测试。
-
公开(公告)号：CN109752320B
公开(公告)日：2024-09-10
申请号：CN201910160429.X
申请日：2019-03-04
Applicant: 安徽大学
IPC: G01N21/17
Abstract: 本发明公开了一种多波段快速无损检测草莓新鲜度装置，暗箱底部开口，光源和光探测器位于暗箱内；传送带位于暗箱下方，传送带上设有沿传送方向依次设置的多个样品架，升降机构位于暗箱下方，升降机构用于将位于所述开口下方的样品架上升，使所述样品架从所述开口伸入暗箱内。通过上述优化设计的多波段快速无损检测草莓新鲜度装置，通过传送带将待检测样品依次送入暗箱内检测，在暗箱内通过升降机构和光探测器配合实现不同形状尺寸的草莓样品的多位置多角度检测，从而无间断、大批量的检测草莓新鲜度，且检测速度快，大大提高检测精度。
-
公开(公告)号：CN118443665A
公开(公告)日：2024-08-06
申请号：CN202410530052.3
申请日：2024-04-29
Applicant: 安徽大学
IPC: G01N21/84 , G01N21/01 , G01N1/24 , G01D21/02 , G01W1/02 , G01W1/14 , C12M1/34 , C12M1/26 , C12M1/36 , C12M1/00
Abstract: 本发明公开了一种气传真菌孢子与气象因子一体化智能监测装置与方法，涉及智能农机装备和生物科学领域，包括：显微图像采集机构、孢子捕捉风道机构、载物台和载玻片片仓机构，本发明在田间野外环境下可实现空中孢子捕捉和显微图像采集，利用本发明所述的监测装置和方法，解决了无法对农田中孢子浓度进行自动、实时、大尺度监测，导致难以把握大尺度农田真菌孢子的实时和动态变化情况的问题，可采集放大100～1000倍的孢子显微图像，工作流程顺畅且操作简便，具有更广阔的的应用前景。
-
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：CN117911830A
公开(公告)日：2024-04-19
申请号：CN202410321562.X
申请日：2024-03-20
Applicant: 安徽大学
IPC: G06V10/80 , G06V10/774 , G06V10/54 , G06V10/82 , G06V20/10 , G06N3/0455 , G06N3/09 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种光谱保真的全局交互高光谱多光谱跨模态融合方法，与现有技术相比解决了忽略相对较远领域波段的互补内容而导致的重建光谱扭曲和空间畸变、普通卷积对跨模态特征提取不充分，以及传统Transformer的窗口注意力限制了对长距离依赖进行建模的能力的问题。本发明包括以下步骤：获取合成不同分辨率高光谱和多光谱数据集、构建光谱保真的全局交互高光谱多光谱跨模态融合模型、跨模态融合模型的训练、待融合真实高光谱和多光谱遥感影像获取、高光谱和多光谱遥感影像融合结果获取。本发明基于高光谱图像丰富的光谱信息和多光谱图像丰富的空间信息，提出多模态融合网络重建高分辨率高光谱融合影像，实现高光谱数据与多光谱数据高质量融合。
-
-
-
-
-
-
-
-
-
Search Results
295
records
(took 0.026 seconds)
