-
公开(公告)号：CN117110217B
公开(公告)日：2024-01-12
申请号：CN202311374660.1
申请日：2023-10-23
Applicant: 安徽农业大学
Abstract: 本发明公开了一种立体化水质监测方法及系统，属于水质监测技术领域。本发明通过水体离散特征提取模块自适应捕获中小面积离散分布水体信息，通过水体空间分布感知模块以空间分布角度充分感知大面积连续型水体语义，并构建水体特征聚合模块将二者分别获得的关键语义信息建立依赖关系，由此对水质图像进行区域分割得到不同的区域信息，再通过每个区域信息的光谱植被指数和水质目标要素数据建立光谱植被指数的反演组合，利用光谱植被指数的反演组合构建水质目标要素反演模型，进而通过水质目标要素反演模型对水质进行大面积实时连续监测，能够及时发现并针对性地应对突发的水质问题，有效反映水质空间分布状况，具有较强的实用性和广泛适用性。(56)对比文件WO 2023000159 A1,2023.01.26赵晨曦等.改进Ｕ－Ｎｅｔ网络的遥感图像水质分割算法《.遥感信息》.2023,第137-143页.River water quality estimation basedon convolutional neural network.《Proceedings, APSIPA Annual Summit andConference 2018》.2018,第1305-1308页.Cuixiao Liang等.ColorWater: A DiverseDataset and Benchmark for Semantic WaterSurface Understanding《.2022 26thInternational Conference on PatternRecognition》.2022,第3743-3749页.陈文骏等.葡萄多模态目标检测和语义分割数据集《.中国科学数据》.2023,第1-16页.何红术等.基于改进U-Net网络的高分遥感影像水体提取.地球信息科学学报.2020,(10),第94-106页.
-
公开(公告)号：CN115731514A
公开(公告)日：2023-03-03
申请号：CN202211453468.7
申请日：2022-11-21
Applicant: 安徽农业大学
IPC: G06V20/52 , G05B19/418 , G06V10/94 , G06F3/0481 , G06F3/0488 , G06F16/25 , G06F16/28 , G06N5/022
Abstract: 本发明公开一种用于温室环境分布式测控的数字孪生系统，是由物理实体、服务器和虚拟孪生体三部分组成，物理实体由多个作物生产监控模块组成，作物生产监控模块包括环境传感器、环境调控设备等组成，实现温室作物空间环境立体化监测与控制；虚拟孪生体即数字孪生面板，由作物生长形态图片、作物光合速率等界面组成；服务器包括数据库、业务逻辑模块和知识库，实现物理实体和虚拟孪生体之间全要素数字资源实时映射和数据驱动。本发明充分利用物理实体端监测的数据，通过服务器的数据存储、分析及传输，在虚拟孪生完成映射，根据映射结果产生反馈实现对物理实体环境调控设备的控制，从而能利用数字孪生的方法科学有效的实现设施作物的增产增收。
-
公开(公告)号：CN115376125A
公开(公告)日：2022-11-22
申请号：CN202211173171.5
申请日：2022-09-26
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于多模态数据融合的目标检测方法以及基于目标检测模型的在体果实采摘方法，属于智能检测技术领域。一方面目标检测模型的训练方法中，利用深度相机获取自然环境下在体果实的多模态视觉数据，引入坐标注意力机制增强特征提取网络对目标物的感知能力，结合深度可分离卷积模块减少模型参数量和推理时间；另一方面将目标检测模型应用到机械臂对果实的识别中，提出基于果实位置信息和遮挡状态分类的视觉伺服检测机制，该机制利用机械臂在果实采摘过程中具有运动特性的优势，通过机械臂运动带动相机视角变化，不断更新相机视野内所检测到的果实目标，实现对果实的动态检测，克服因光照和果实遮挡造成的漏检，提高果实的检出率。
-
公开(公告)号：CN113361596B
公开(公告)日：2022-10-04
申请号：CN202110623634.2
申请日：2021-06-04
Applicant: 安徽农业大学
Abstract: 本发明公开了一种传感器数据增广方法、系统及存储介质，属于传感器数据处理技术领域。该方法对无漂移的数据采用随机裁剪的方法实现无漂移数据样本的增广，选取多个符合传感器漂移特性的函数模型作为趋势项构建含趋势项的非平稳随机游走过程用以模拟传感器数据漂移过程，通过设置传感器发生漂移概率阈值和依据数据特征确定最大漂移范围实现漂移量仿真，采用向增广后的无漂移数据样本中加入漂移量的方式实现含漂移数据样本的增广。本发明通过融合感知场内各邻近传感器数据统筹考虑了传感器漂移数据的时间和空间特征，保证了漂移量仿真的正确性和增广数据特征的多样性，克服了传感器漂移校准模型中因训练样本不足造成的模型泛化能力弱的问题。
-
公开(公告)号：CN114386534A
公开(公告)日：2022-04-22
申请号：CN202210111331.7
申请日：2022-01-29
Applicant: 安徽农业大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于变分自编码器和对抗生成网络的图像增广模型训练方法及图像分类方法，该方法将可见类训练图像的视觉特征和语义特征分别输入视觉模态和语义模态变分自编码器中对应生成第一伪视觉特征和伪语义特征，并将其输入生成器网络中生成第二伪视觉特征，再利用判别器网络判别真实特征和生成的特征，利用可见类训练图像数据集对变分自编码器对抗生成网络模型进行训练。对于零样本图像分类，在可见类上训练完成的模型生成未见类训练图像的伪视觉特征并结合类别标签训练分类器对未见类图像进行分类；能够有效融合图像的视觉信息和语义信息，生成更接近于真实数据分布且高质量的可见类和未见类图像，提高零样本图像分类准确率。
-
Patent Agency Ranking
公开(公告)号：CN113361596A
公开(公告)日：2021-09-07
申请号：CN202110623634.2
申请日：2021-06-04
Applicant: 安徽农业大学
Abstract: 本发明公开了一种传感器数据增广方法、系统及存储介质，属于传感器数据处理技术领域。该方法对无漂移的数据采用随机裁剪的方法实现无漂移数据样本的增广，选取多个符合传感器漂移特性的函数模型作为趋势项构建含趋势项的非平稳随机游走过程用以模拟传感器数据漂移过程，通过设置传感器发生漂移概率阈值和依据数据特征确定最大漂移范围实现漂移量仿真，采用向增广后的无漂移数据样本中加入漂移量的方式实现含漂移数据样本的增广。本发明通过融合感知场内各邻近传感器数据统筹考虑了传感器漂移数据的时间和空间特征，保证了漂移量仿真的正确性和增广数据特征的多样性，克服了传感器漂移校准模型中因训练样本不足造成的模型泛化能力弱的问题。
-
公开(公告)号：CN112131982A
公开(公告)日：2020-12-25
申请号：CN202010949092.3
申请日：2020-09-10
Applicant: 安徽农业大学
Abstract: 本发明提供一种基于卷积神经网络的茶树嫩芽识别方法，包括下列步骤：步骤1、使用图像采集设备进行目标茶树图像的连续采集；步骤2、对采集的茶树图像进行预处理得到待处理茶树图像；步骤3、构建用于嫩芽识别的卷积神经网络，使用不同场景条件下的训练输入图像对神经网络进行训练，建立茶树嫩芽识别模型；步骤4、利用所述茶树嫩芽识别模型识别待处理茶树图像中的嫩芽及其所在位置，并显示识别结果。其中，所用的卷积神经网络结构使用了多个池化窗口来提高对目标大小变化的适应能力。本发明的方法可以有效实现复杂场景下茶树嫩芽的准确识别，增强了对环境变化的适应能力，大大提高了嫩芽识别的准确性和可靠性。
-
公开(公告)号：CN110261913B
公开(公告)日：2020-10-16
申请号：CN201910628520.X
申请日：2019-07-12
Abstract: 本发明提供了一种毛竹冬笋探测装置，将围绕封闭环顺序排布的多个探测电极插入探测区域的土壤内，利用探测器分别对每相邻的两个探测电极施加恒定交流电流，采集每相邻的两个探测电极之间的相邻电压，由此获得多组每相邻的两个探测电极之间的相邻电压，然后再利用探测器基于多组相邻电压，判断探测区域内是否有毛竹冬笋。本发明利用多次测量获取多组相邻电压，然后通过多组相邻电压叠加的方式判断探测区域内是否有毛竹冬笋，可以抵消测量噪声，防止由于其中某一次相邻电压的测量的误差较大，从而导致判断失误和挖掘失败的可能性，大大提高了毛竹冬笋探测的准确性，并且该装置结构简单，携带方便，具有广泛的生产适用性。
-
公开(公告)号：CN110261913A
公开(公告)日：2019-09-20
申请号：CN201910628520.X
申请日：2019-07-12
Abstract: 本发明提供了一种毛竹冬笋探测装置，将围绕封闭环顺序排布的多个探测电极插入探测区域的土壤内，利用探测器分别对每相邻的两个探测电极施加恒定交流电流，采集每相邻的两个探测电极之间的相邻电压，由此获得多组每相邻的两个探测电极之间的相邻电压，然后再利用探测器基于多组相邻电压，判断探测区域内是否有毛竹冬笋。本发明利用多次测量获取多组相邻电压，然后通过多组相邻电压叠加的方式判断探测区域内是否有毛竹冬笋，可以抵消测量噪声，防止由于其中某一次相邻电压的测量的误差较大，从而导致判断失误和挖掘失败的可能性，大大提高了毛竹冬笋探测的准确性，并且该装置结构简单，携带方便，具有广泛的生产适用性。
-
公开(公告)号：CN105740211B
公开(公告)日：2018-06-05
申请号：CN201610269063.6
申请日：2016-04-26
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于蜂巢视频—温度采集系统的信息融合分析方法，是按如下步骤进行：1对蜂巢视频—温度采集系统获取的视频信号进行截取，获得蜂群图像序列；2获得时间及位置与上述蜂群图像对应的蜂房温度矩阵序列；3使用聚类分割算法对单帧蜂群图像进行分割，得到带有蜂群形态的初步位置分布图；4对初步位置分布图作分块处理和邻域像素赋值处理，得到与温度矩阵中所有温度值位置上一一对应的图像矩阵；5计算每一帧图像矩阵与温度矩阵之间的相关系数和互信息量；从而建立相关系数及互信息量时间序列曲线。本发明将图像和温度信息进行融合处理和分析，有利于提高对蜂巢温度调节过程的解析效果，适用于蜂学研究和养蜂业管理。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.028 seconds)
