-
公开(公告)号：CN111507967A
公开(公告)日：2020-08-07
申请号：CN202010306354.4
申请日：2020-04-17
Applicant: 华南农业大学
Abstract: 本发明公开了一种自然果园场景下的芒果高精度检测方法，包括：建立自然场景下的芒果数据库；构建基于Mask Scoring R-CNN的初步网络结构；在ROI Align层后增加一个并行训练的BoxIOU分支，为RPN输出的候选框预测IOU得分；测试阶段BoxIOU分支预测的IOU得分与相应的分类置信度进行耦合，再将耦合后的分值替代原本的分类置信度作为后处理阶段的非极大抑制的排列依据；利用训练后的BoxIOU MangoNet进行芒果果实的检测和分割。该方法为果实目标筛选出定位更准确的检测框，简单有效，能够解决自然果园场景下受复杂环境干扰的检测分割难题。
-
公开(公告)号：CN109711389A
公开(公告)日：2019-05-03
申请号：CN201910041539.4
申请日：2019-01-16
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于Faster R-CNN和HMM的哺乳母猪姿态转换识别方法，步骤为：1.深度图像质量增强；2.用改进Faster R-CNN识别母猪姿态，以每帧概率最大的姿态作为姿态序列；并将概率最大的前5个检测框作为候选区域；3.用长度为5的中值滤波修正姿态序列分类错误；用视频段姿态转换次数检测疑似转换片段；在疑似转换片段中，用维特比算法根据候选区域构建母猪定位管道；4.在定位管道中，用最大类间方差法分割各帧母猪，计算母猪身体各部分高度，形成高度序列；5.将高度序列输入HMM模型，将疑似转换片段分为姿态转换与未转换片段；对单一姿态片段和姿态转换片段分类，获得识别结果。本发明能在光线变化及夜间场景下，自动母猪姿态转换识别，为高危行为识别打下基础。
-
公开(公告)号：CN109711325A
公开(公告)日：2019-05-03
申请号：CN201811587011.9
申请日：2018-12-25
Applicant: 华南农业大学
Abstract: 本发明公开了一种芒果采摘点识别方法，包括以下步骤：采集芒果的图像，建立自然场景下的芒果采摘图像库；建立基于Mask R-CNN网络的芒果果实分割模型；计算每个果实的长轴、短轴以及质心；利用自底向上层次聚类法判断是否成簇；若芒果果实成簇，则识别成簇果实母枝并在母枝上定位采摘点；若芒果为单果，则分割和识别该果实的果梗，在果梗上确定采摘点。本发明利用基于Mask R-CNN网络的芒果果实分割模型进行果实实例分割，解决自然果园场景下光线变化、遮挡、重叠导致的检测分割难题，具有分割精准、适用场景多的优点。
-
公开(公告)号：CN107844797A
公开(公告)日：2018-03-27
申请号：CN201710890676.6
申请日：2017-09-27
Applicant: 华南农业大学
CPC classification number: G06K9/6256 , G06K9/40 , G06K9/60 , G06N3/04
Abstract: 本发明公开了一种深度图像的哺乳母猪姿态自动识别方法，包括以下步骤：采集原始深度图像数据并进行预处理，并人工标注构成母猪姿态识别数据集；设计并训练基于改进HOG特征的母猪混合可变形部件模型；构造母猪姿态识别深度卷积神经网络，利用标注框和标注的姿态类别训练集信息，并结合随机Dropout方法对该网络进行训练；将测试集输入到母猪混合可变形部件模型，获得母猪的目标区域；将目标区域结果输入到母猪姿态识别深度卷积神经网络中，对母猪姿态进行识别。本发明提供的一种基于深度图像的母猪姿态自动识别方法，克服了RGB图像容易受到外界光照、阴影等因素变化的影响，解决了夜间母猪姿态识别难的问题，可满足全天候母猪姿态监测的实际应用需求。
-
公开(公告)号：CN105224942A
公开(公告)日：2016-01-06
申请号：CN201510402298.3
申请日：2015-07-09
Applicant: 华南农业大学
Abstract: 本发明涉及一种RGB-D图像分类方法及系统。所述方法包括：S1.利用卷积神经网络（CNN）分别对源RGB图像和Depth图像进行处理提取低层次特征；S2.通过递归神经网络（RNN）对图像低层次特征进行反馈学习，提取图像中层特征；S3.采用块内约束字典学习方法，对图像中层特征进行特征组稀疏表示，获取RGB-D图像的高层特征表示；S4.将RGB-D图像的高层特征输入线性SVM完成RGB-D图像的分类识别。本发明能实现图像自动提取特征，学习的RGB-D图像特征表示能有效区分噪声数据与高相似度图像分类，提高RGB-D图像分类精确率，采用线性SVM，提高图像分类速度。
-
Patent Agency Ranking
公开(公告)号：CN103745110A
公开(公告)日：2014-04-23
申请号：CN201410018976.1
申请日：2014-01-15
Applicant: 华南农业大学
IPC: G06F19/00
Abstract: 本发明公开了一种纯电动公交车营运续驶里程估算方法，包括下述步骤：S1、建立基于站点相邻路段的线路能耗模型；S2、通过模糊时间序列分析算法对纯电动公交车能耗状况进行建模；S3、推算出该站点相邻路段的整体能耗情况；S4、通过加权二值模糊集模型对站点相邻路段能耗或其影响因素值进行预测；S5、在得到加权能耗预测值后，用剩余能耗值减去加权能耗预测值，得到预测剩余能耗值；S6、预测剩余能耗值未能满足最低能耗要求值所对应的首个站点相邻路段可续驶里程即半程续驶里程进行运算。本发明充分考虑影响影响纯电动公交车能耗的各类因素，将各类因素进行量化计算，跳出目前以电池剩余能量为核心的预测算法，提出了综合考虑各种因素的数学模型。
-
公开(公告)号：CN102495919B
公开(公告)日：2013-12-25
申请号：CN201110367896.3
申请日：2011-11-18
Applicant: 华南农业大学
IPC: G06F17/50
Abstract: 本发明公开一种生态系统碳交换影响因素提取方法及系统，本发明提取方法包括以下步骤：1）从碳通量数据观测站中获取碳通量样本的属性数据；2）输入由步骤1）获得的碳通量样本的属性数据，通过提出的混合蛙跳的模糊粗糙集约简算法或基于重要度的快速模糊粗糙集约简算法，选取最佳组合，找出与碳通量关系最密切的环境因子集；3）将步骤2）获得的环境因子集中的各个环境因子分别运用神经网络进行建模仿真，得出碳通量环境因子提取率。本发明提供的提取系统包括数据导入模块、因素提取模块、输入模块、评价模块。本发明能够有效缩小研究生态环境中与碳通量相关因子的范围，提高研究效率和发现环境因子间的内在规律。
-
公开(公告)号：CN103287359A
公开(公告)日：2013-09-11
申请号：CN201310148151.7
申请日：2013-04-25
Applicant: 华南农业大学
Abstract: 本发明公开了一种纯电动汽车能耗检测方法，通过目前纯电动汽车所能采集的行车记录数据，以能耗相关数据的采集为出发，实现SOC、电流、电压、电池组温度等能耗相关数据的采集，结合传统行车记录仪采集的速度、里程、方向等基本位置信息，同时采集交通主管部门实时发布的路面拥堵、天气等数据，建立纯电动汽车能耗检测数据库以及纯电动汽车能耗检测分析数学模型。本发明以纯电动汽车车载终端为应用载体，设计了终端能耗检测和平台能耗检测结果的对比输出方法，通过对比车载终端能耗初步检测结果、能耗监测平台结果等不同模型的结果，以多次比较中数值最优结果作为能耗检测结果输出。
-
公开(公告)号：CN103164710A
公开(公告)日：2013-06-19
申请号：CN201310053703.6
申请日：2013-02-19
Applicant: 华南农业大学
Abstract: 本发明公开一种基于压缩感知的选择集成人脸识别方法，包括以下步骤：1）本方法首先根据不同的特征提取方法和不同稀疏系数求解方法建立多个压缩感知人脸分类器；2）通过选择算法选择多个由步骤1）中所产生的分类器组成集成分类器；3）利用人脸识别器快速判别待识别图像是否为有效人脸图像；4）将步骤3）中已识别为有效的人脸图像根据集成分类器进行集成人脸识别。本发明提出的选择集成人脸识别方法能够集成人脸识别，提高系统稳定性和泛化能力。本发明在ORL和YALE人脸库上的试验，验证了本发明所提出的方法的可行性和有效性。
-
公开(公告)号：CN102495919A
公开(公告)日：2012-06-13
申请号：CN201110367896.3
申请日：2011-11-18
Applicant: 华南农业大学
IPC: G06F17/50
Abstract: 本发明公开一种生态系统碳交换影响因素提取方法及系统，本发明提取方法包括以下步骤：1）从碳通量数据观测站中获取碳通量样本的属性数据；2）输入由步骤1）获得的碳通量样本的属性数据，通过提出的混合蛙跳的模糊粗糙集约简算法或基于重要度的快速模糊粗糙集约简算法，选取最佳组合，找出与碳通量关系最密切的环境因子集；3）将步骤2）获得的环境因子集中的各个环境因子分别运用神经网络进行建模仿真，得出碳通量环境因子提取率。本发明提供的提取系统包括数据导入模块、因素提取模块、输入模块、评价模块。本发明能够有效缩小研究生态环境中与碳通量相关因子的范围，提高研究效率和发现环境因子间的内在规律。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.026 seconds)
