-
公开(公告)号：CN111738138B
公开(公告)日：2024-02-02
申请号：CN202010564475.9
申请日：2020-06-19
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/762 , G06V10/764 , G06V10/774
Abstract: 本发明涉及一种耦合气象特征区域尺度的小麦条绣病严重度遥感监测方法，与现有技术相比解决了小麦条锈病遥感监测精度差的缺陷。本发明包括以下步骤：遥感训练数据的获取；遥感训练数据的特征筛选；气象数据的特征筛选；小麦条绣病遥感监测模型的构建；小麦条绣病遥感监测模型的训练；待分析遥感数据的获取和特征提取；小麦条绣病严重度遥感监测结果的获得。本发明实现了区域尺度上小麦条锈病严重度的精确监测。
-
公开(公告)号：CN117333365A
公开(公告)日：2024-01-02
申请号：CN202311270123.2
申请日：2023-09-28
Applicant: 安徽大学
IPC: G06T3/40 , G06T7/10 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及一种基于混合Transformer超分辨率网络的图像超分辨率方法，包括：首先获取图像对作为训练样本，图像对由图像ILR和图像IHR组成；搭建混合Transformer超分辨率网络模型；利用训练样本对混合Transformer超分辨率网络模型进行训练，得到训练后的混合Transformer超分辨率网络模型；将待处理图像作为LR图像导入到训练后的混合Transformer超分辨率网络模型中，混合Transformer超分辨率网络模型输出的结果即为HR图像。本发明通过构建混合Transformer超分辨率网络模型，在参数和性能做出合适权衡；增强了网络的局部信息的提取能力，并且提高网络全局建模的效率，得到更加优秀的超分辨率图像，通过对图像中的全局结构信息局部纹理信息作有针对性的处理，实现了在多种超分辨率任务下的优异表现。
-
公开(公告)号：CN117315459A
公开(公告)日：2023-12-29
申请号：CN202311177199.0
申请日：2023-09-12
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种轻量型卷积神经网络的水稻叶片病害识别方法，与现有技术相比解决了水稻叶片病害识别模型识别效率低的缺陷。本发明包括以下步骤：训练样本的获取；构建水稻叶片病害识别模型；水稻叶片病害识别模型的训练；待识别水稻叶片的获取；水稻叶片病害识别结果的获得。本发明能够实现复杂背景下的水稻病害识别，通过模型的轻量化设计使得其可以加载在移动设备上，方便在野外自然场景中自动水稻叶部病害种类，解决了复杂环境、参数多、CNN模型过大等问题。
-
公开(公告)号：CN117132853A
公开(公告)日：2023-11-28
申请号：CN202310631473.0
申请日：2023-05-31
Applicant: 安徽大学
IPC: G06V10/80 , G01N21/25 , G06V20/10 , G06V10/771 , G06F17/18
Abstract: 本发明涉及一种基于CARS‑Ridge算法融合新型指数的小麦赤霉病识别方法，包括：获得小麦赤霉病冠层高光谱数据；通过CARS、PCA和SPA三种算法对获取的小麦赤霉病冠层高光谱数据进行降维；通过RF、PLSR和Ridge三种算法进行建模，得到9个小麦赤霉病识别模型；通过对9个小麦赤霉病识别模型的结果进行十折交叉验证，确定最优模型；构建两个新型指数；将新型指数与最优模型进行融合，得到最优小麦赤霉病识别模型。本发明通过数据降维并结合新型指数构建评价了高光谱数据在小麦赤霉病识别中的应用潜力，提出了CARS‑Ridge算法和新型指数的开发，确定了最准确的小麦赤霉病识别模型，即最优小麦赤霉病识别模型；大大提高了现有病害反演的精度，克服了小麦赤霉病识别不准确的缺陷。
-
公开(公告)号：CN111767863B
公开(公告)日：2023-10-31
申请号：CN202010616580.2
申请日：2020-07-01
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/764 , G06V10/44 , G06V10/774
Abstract: 本发明涉及一种基于近地高光谱技术冬小麦赤霉病识别方法，与现有技术相比解决了从直立角度识别冬小麦赤霉病严重程度精度低的缺陷。本发明包括以下步骤：高光谱数据的获取；赤霉病病情严重度的计算；原始光谱波段特征的筛选；最优小波特征的筛选；冬小麦麦穗赤霉病识别模型的构建；冬小麦麦穗赤霉病识别模型的训练；冬小麦麦穗赤霉病识别结果的获得。本发明不仅实现了直立角度下对冬小麦赤霉病严重度进行识别，还大大提高了冬小麦赤霉病严重度识别的精度。
-
Patent Agency Ranking
公开(公告)号：CN116843960A
公开(公告)日：2023-10-03
申请号：CN202310761956.2
申请日：2023-06-27
Applicant: 安徽大学
IPC: G06V10/764 , G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于Sentinel‑2时间序列和ReliefF的面向对象果园分类方法，包括：获取研究区的Sentinel‑2数据，并进行预处理，得到Setinel‑2时间序列数据；得到易分作物分类结果，得到易混作物感兴趣区；生成易混作物的分类特征集合；筛选得到最佳特征集合和最佳分类器；进行SNIC图像分割，并结合最佳特征集合和最佳分类器进行易混果园分类，得到易混作物分类结果；对易混作物分类结果进行评价。本发明通过对复杂种植情况的果园作为研究对象，给其它易混作物的遥感多分类提供了参考信息；利用多层分类方法，能够显著降低一些简单区分的作物类型对难区分的作物分类结果造成的干扰，便于分类，能够获取更为准确和可靠的分类结果。
-
公开(公告)号：CN116168287A
公开(公告)日：2023-05-26
申请号：CN202211472750.X
申请日：2022-11-17
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/40 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明特别涉及一种基于高光谱成像的番茄植株干旱胁迫检测方法，包括如下步骤：采集待识别番茄叶片的高光谱图像，根据高光谱图像提取叶片的反射光谱数据；利用遗传算法筛选特征波长，根据特征波长对应的反射率图像间的相关性确定最佳的反射率图像集；利用卷积神经网络提取最佳反射率图像集深层次的图像特征；融合叶片的光谱和图像特征后输入至训练好的植株干旱胁迫识别模型中进行识别得到待识别番茄的干旱胁迫等级。采用光谱和图像结合的方式来选择反射率图像，降低数据冗余度，实现了信息的最大利用；通过卷积神经网络实现图像特征的自动提取，简单有效，避免复杂的数学计算；融合光谱和图像特征提升模型识别效果，提供互补信息，避免信息损失。
-
公开(公告)号：CN111462223B
公开(公告)日：2023-05-26
申请号：CN202010321528.4
申请日：2020-04-22
Applicant: 安徽大学
IPC: G06T7/62 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06V10/764
Abstract: 本发明特别涉及一种基于Sentinel‑2影像的江淮地区大豆和玉米种植面积识别方法，包括如下步骤：A、获取Sentinel‑2卫星拍摄的待测区域卫星图像并进行预处理；B、采用JM距离计算土地覆盖类型之间的可分离性，选择最佳分类时相的图像；C、通过分类算法对目标区图像中的像素点进行分类；D、根据被分类为大豆/玉米的像素点数量计算得到大豆/玉米的种植面积。本发明利用具有较高时空分辨率的Sentinel‑2影像数据，结合相关分类算法，可以很好地实现江淮地区大豆和玉米的识别。采用这些步骤，可以在大豆和玉米收获之前，以相对快速和低成本的方式，在种植结构破碎的主产区对大豆和玉米进行识别并制图，获得相对可靠的大豆和玉米的空间分布结果，从而为种植结构复杂和气候多变地区的大豆和玉米种植面积提取提供技术支持。
-
公开(公告)号：CN115937682A
公开(公告)日：2023-04-07
申请号：CN202211633607.4
申请日：2022-12-19
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/047 , G06N3/0475 , G06N3/0895
Abstract: 本发明涉及一种标注样本缺失下的植物叶部病害视觉识别方法，包括：获取原始的植物叶部病害数据集，进行数据标注；进行数据增强处理；基于生成对抗网络GAN和分类器，构建双策略半监督学习模型GANC‑DGAN；利用增强后的植物叶部病害数据集对双策略半监督学习模型GANC‑DGAN进行训练，使用训练好的双策略半监督学习模型GANC‑DGAN进行植物叶部病害识别。本发明的实际应用价值高，通过构建双策略半监督学习模型GANC‑DGAN，针对标注图像缺少、训练样本少的问题，提高了识别效率，为农作物病害识别提供了理论指导与技术支撑，对农业作物病害监测具有重大的现实意义。
-
公开(公告)号：CN107064126B
公开(公告)日：2023-04-07
申请号：CN201710237466.7
申请日：2017-04-12
Applicant: 安徽大学
Abstract: 本发明涉及农残检测技术领域，特别涉及一种有机磷农药残留快速检测装置，包括电源变送模块、激光器、光纤分路器、准直器、光电接收管、信号调理模块以及主控模块；所述的电源变送模块为其他模块供电，激光器产生的激光经过光纤分路器变成多路光源后接入准直器中，经准直器准直后的光线被光电接收管所接收，准直器和光电接收管之间的光学通道上布置有比色皿，信号调理模块将光电接收管接收到的光源信号进行光电转换、滤波放大处理后输出至主控模块，主控模块经计算后得到样品抑制率。采用激光器作为光源更为稳定可靠，光纤分路器将激光分为多束保证光线一致性，这样后续处理所得到数据更准确。
-
-
-
-
-
-
-
-
-
Search Results
242
records
(took 0.021 seconds)
