-
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：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：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。
-
Patent Agency Ranking
公开(公告)号：CN118470422B
公开(公告)日：2025-04-01
申请号：CN202410654325.5
申请日：2024-05-24
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/77 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于CNN和ViT的柑橘黄龙病害识别方法，包括：柑橘黄龙病害图像样本的获取并进行预处理；组成数据集，将数据集划分为训练集、验证集和测试集；构建柑橘黄龙病害图像识别模型；对训练集进行预处理，将预处理后的训练集输入柑橘黄龙病害识别模型中进行训练；获取待检测的柑橘黄龙病害图像并进行预处理，输入训练后的柑橘黄龙病害识别模型，得到柑橘黄龙病害识别结果。本发明通过将CNN分支模型连接ViT分支模型，实现对柑橘黄龙图像病害的准确识别；使用三个级联的残差模块，相较于传统ResNet参数量大大减少，结合轻量化注意力模块使得在参数量大幅下降的同时，提高了模型精度，有效地减轻了背景干扰，提升了病虫害的识别性能。
-
公开(公告)号：CN119168176A
公开(公告)日：2024-12-20
申请号：CN202411679803.4
申请日：2024-11-22
Applicant: 安徽大学
IPC: G06Q10/04 , G06Q50/06 , G06F18/23213 , G06F18/22 , G06F18/211 , G06N3/042 , G06N3/0495 , G06N3/084 , G01N33/18
Abstract: 本发明涉及一种基于时空特征融合的多站点水质预测方法，与现有技术相比解决了水质预测精准度低的缺陷。本发明包括以下步骤：多站点水质基础数据的获取及预处理；对水域水质数据进行特征筛选；构建#imgabs0#模型；#imgabs1#模型的训练；水质预测结果的获得。本发明从因果、空间、语义三个角度对多站点水质指标数据进行建模，对于复杂的水域场景，考虑到更多相关因素；基于神经常微分方程，对水质传播过程提供一种更具可解释性的建模方案，并相较于传统的神经常微分建模，使用多跳传播的方式，提升信息的利用率与传播率。
-
公开(公告)号：CN118396546A
公开(公告)日：2024-07-26
申请号：CN202410481748.1
申请日：2024-04-22
Applicant: 安徽大学
IPC: G06Q10/10 , G06Q10/0631 , G06Q10/0637 , G06Q50/26 , H04L67/1095
Abstract: 本发明涉及城市文明创建测评问题的管理、整改和跟踪的系统和方法领域，本发明公开了一种文明创建测评整改系统，包括前端界面、后端管理系统、移动端小程序以及数据库，前端界面提供多种列表内容展示和筛选导出功能，用户可以方便地查看和筛选相关信息，通过该界面，用户可以浏览测评计划、问题和整改任务等内容，并进行导出操作；本发明通过引入指标体系、评分标准和自动化数据处理等技术，本发明的文明创建测评整改系统能够实现快速、客观、全面的文明测评，并通过整改系统和管理系统实现对问题的及时跟进和记录，同时，移动应用程序的结合使得用户可以方便地随时随地进行测评填报和整改进展查看，提高了工作的灵活性和效率。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
340
records
(took 0.023 seconds)
