-
公开(公告)号：CN119005375A
公开(公告)日：2024-11-22
申请号：CN202410624888.X
申请日：2024-05-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种水稻纹枯病双过程联动预测方法，该方法如下：一、建立病株率动态预测模型，并预测基于病株率的多状态耦合量H。二、构建基于Logistic回归的严重度预测基础模型，在基础模型的基础上融入温度和湿度的影响，得到严重度预测更新模型。三、构建双过程联动模型，将反映病株率升高的“水平扩展”过程与反映严重度加重的“垂直扩展”过程进行耦合。四、利用双过程联动模型，获得目标区域生育期内的水稻纹枯病预测结果。本发明在采用不同模型分别对病株率和严重度进行预测的基础上，充分考虑了水稻纹枯病的流行特点，实现了病株率和严重度指标预测过程的动态耦合，有效提高了全生育周期内的水稻纹枯病严重度预测准确性。
-
公开(公告)号：CN118349954A
公开(公告)日：2024-07-16
申请号：CN202410342718.2
申请日：2024-03-25
Applicant: 杭州电子科技大学
IPC: G06F18/27 , G01N21/25 , G01N21/17 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络和高光谱特征的叶绿素含量估算方法，属于农业监测技术领域，其具体步骤如下：S1.基于实测数据结合高斯过程回归算法进行数据模拟，得到模拟数据集，S2.构建高光谱植被指数特征并进行优化，S3.基于卷积神经网络和迁移学习方法的叶片叶绿素含量估算模型构建，S4.基于构建模型的叶片叶绿素估算结果评估情况。本发明在实测叶片高光谱及叶绿素含量数据较少情况下，结合高光谱特征筛选及卷积神经网络对作物叶片叶绿素含量进行了精确评价，对于基于叶片叶绿素含量变化特征的作物生长状况监测及分析具有重要意义。
-
公开(公告)号：CN114235720B
公开(公告)日：2024-06-11
申请号：CN202111539133.2
申请日：2021-12-15
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种杨梅果实糖酸度便携式无损检测装置。该检测装置包括外壳，以及安装在外壳上的特定波段光源、光照强度传感器和控制模块。外壳上设置有遮光壁7。特定波段光源和光照强度传感器均安装在遮光壁7的内侧。特定波段光源包括第一LED灯和第二LED灯。所述第一LED灯和第二LED灯的发光位置分别设置有570nm和610nm的滤光片。本发明使用32nm带宽的滤光片与光照强度传感器相配合，实现了低成本的杨梅糖度、酸度的无损检测。此外，本发明在降低成本的情况下达到了与利用4nm光谱分辨率光谱图像求得值相近的检测精度。
-
公开(公告)号：CN113252624B
公开(公告)日：2024-06-11
申请号：CN202110441517.4
申请日：2021-04-23
Applicant: 杭州电子科技大学
IPC: G01N21/64
Abstract: 本发明公开了一种基于荧光光谱的苹果黄酮含量无损检测方法，该方法通过使用特定波段波长的激发荧光照射苹果表皮，使用光谱仪采集反射的荧光光谱，然后通过传统的化学方法测定相应区域的黄酮含量，利用主成分分析法分析采集到的荧光光谱与黄酮含量直接的关系，建立一个用于预测苹果黄酮含量的预测模型，根据该预测模型分析待测苹果的荧光光谱得到其黄酮含量，实现苹果黄酮含量的无损检测方法。与传统的化学检测相比，不需要配置试剂与复杂的操作，只需要通过LED进行荧光激发，就可以实现黄酮含量的检测。
-
公开(公告)号：CN117496273A
公开(公告)日：2024-02-02
申请号：CN202311754608.9
申请日：2023-12-20
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种级联深度学习分类模型的稻飞虱检测方法，具体步骤包括：稻飞虱图像获取以及创建稻飞虱检测数据集和稻飞虱分类数据集；用稻飞虱检测数据集训练检测模型；根据稻飞虱目标尺寸较小的特点构建了一个基于深度学习的分类模型用于对检测模型输出的稻飞虱目标进行快速分类；构建级联深度学习分类模型的稻飞虱检测模型；将待检测图片输入级联深度学习分类模型的稻飞虱检测模型得到稻飞虱的检测框及其类别。本发明针对稻飞虱目标尺寸较小容易检测错误的问题，设计了小型分类模型对稻飞虱目标进行快速准确分类，通过分离检测模型的定位和分类模块，提高了对三种稻飞虱的检测精度。
-
Patent Agency Ranking
公开(公告)号：CN117456350A
公开(公告)日：2024-01-26
申请号：CN202311165338.8
申请日：2023-09-11
Applicant: 杭州电子科技大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/44 , G06V10/80 , G06V10/94
Abstract: 本发明公开了适于边缘计算场景的水稻叶面型病害多模态融合检测方法；该方法如下：一、数据采集。二、对光谱数据进行提取。三、构建图像特征优选提取器，对图片数据进行提取。四、多模态特征融合。五、叶面型病害检测。本发明针对图像检测方面易误判的局限性，在图像基础上加入蕴含有植物生理性状的光谱信息作为补充；而针对光谱检测方面存在的成本高等问题，本发明选择使用能反应作物整体生长情况的少量有代表性的非成像光谱波段信息进行检测，能够较好反应作物病虫害发生情况。此外，本发明结合了神经网络模型优秀的特征提取能力和传统机器学习分类方法高鲁棒性的优势，并可实现在边缘计算硬件上的部署。
-
公开(公告)号：CN112098415B
公开(公告)日：2022-11-18
申请号：CN202010782563.6
申请日：2020-08-06
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种杨梅品质无损检测方法。现有的近红外光谱检测，X射线检测，激光诱导荧光检测等杨梅品质无损检测方法，普遍成本较高。本发明使用带有特定中心波段滤波片的工业相机拍摄杨梅图像，并根据图像和拍摄时的光照强度推导出杨梅的反射率，从而在杨梅无损检测中用工业相机替代了高光谱仪，从而大大降低了杨梅无损检测的成本。本发明建立了光照强度和白板图像灰度值之间的关系，从而为用工业相机获取杨梅反射率提供了基础。本发明提供了利用反射率无损检测杨梅糖分含量和酸度的检测方法，并利用双目系统，获取杨梅果实的尺寸大小，从而在多个维度上实现对杨梅品质的综合判断。
-
公开(公告)号：CN113537310A
公开(公告)日：2021-10-22
申请号：CN202110734522.4
申请日：2021-06-30
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于连续小波投影的光谱信息挖掘方法。具体包括对光谱数据集进行小波分解，将小波系数矩阵按照分解尺度展开，然后在二维平面依次拼接形成二维小波系数矩阵，基于投影运算进行特征组合，得到特征链矩阵，再对特征链矩阵进行敏感性分析，对敏感性矩阵的每一列元素求均值，将最大的均值对应列的小波系数作为特征组合，输入分类模型中选取最优的特征组合数及对应特征组合成员。本方法提出的以特征敏感性排序为选择依据，保证排列靠前的特征既有高敏感性又有强互补性，因此在前段能够得到数量少且组合优的特征。最终使用较少量的特征达到较高的模型精度，解决传统的光谱信息挖掘方法所选特征集难以做到敏感性与特征间互补性的统一。
-
公开(公告)号：CN110070004B
公开(公告)日：2021-07-20
申请号：CN201910261685.8
申请日：2019-04-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种应用于深度学习的近地高光谱数据扩展方法。本发明采用现有技术获取近地高光谱数据以及为了后续深度学习所需的其他匹配信息数据；对近地高光谱原始数据进行光谱模拟，具体可以采用光照扰动和添加噪声两种方法，从而扩展近地高光谱的数据量；最后通过对原始数据先增加一系列一定范围内的光谱扰动，再基于这些数据添加基于原始数据获取的噪声。本发明中创新性的采用光照扰动和噪声添加两步对近地原始高光谱数据进行了光谱模拟，实现了近地高光谱数据的扩充，有效的增加了光谱数据量，可以有效的提高近地高光谱数据在深度学习应用中的模型精度，从而为深度学习在近地高光谱中的应用提供理论基础。
-
公开(公告)号：CN111832642A
公开(公告)日：2020-10-27
申请号：CN202010643798.7
申请日：2020-07-07
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于VGG16在昆虫分类学上的图像识别方法，包括：S1、建立图像数据集；S2、对图像数据集的昆虫图像进行处理得到训练数据集；S3、利用VGG16模型对训练数据集进行训练；S4、从图像数据集中抽取部分图像作为参考图像和待识别图像，进行角点检测以对参考图像进行矫正；S5、将待识别图像以及矫正后的参考图像经过处理后输入训练后的VGG16模型，进行图像特征的提取；S6、将提取的图像特征进行可视化以得到特征图；S7、计算待识别图像与每类昆虫目级阶元下所有参考图像的特征图图像相似度SSIM并求取均值，将待识别图像分类至均值最大的一类，作为所属的目级阶元。本发明提高了昆虫分类的准确率和效率。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.028 seconds)
