-
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：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。
-
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：CN116597308A
公开(公告)日：2023-08-15
申请号：CN202310549038.3
申请日：2023-05-16
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/80 , G06V10/774 , G06V10/82 , G06V10/30 , G06V10/54 , G06V10/58 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于改进型Transformer网络的小麦样本图像参考超分方法，包括：获取小麦样本的LR‑HSI图、HR‑HSI图和HR‑RGB图，组成图像对；对获取的图像对进行预处理，得到训练样本，将训练样本划分为训练集和测试集；搭建改进型Transformer网络，利用训练样本训练改进型Transformer网络；将待处理的小麦样本的LR‑HSI图和HR‑RGB图导入训练好的改进型Transformer网络，输出参考超分HR‑HSI图像。本发明通过双分支特征提取模块对训练样本有针对性的处理，通过多水平特征融合模块对训练样本多样特征细节的补充，使得改进型Transformer网络在小麦样本图像参考超分中拥有更加锐利的边缘与更精细的细节。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN114898361A
公开(公告)日：2022-08-12
申请号：CN202210514370.1
申请日：2022-05-11
Applicant: 安徽大学
IPC: G06V20/68 , G06V20/10 , G06V20/17 , G06V20/40 , G06V10/82 , G06V10/774 , G06T7/73 , G06T7/277 , G06T7/20 , G06T3/40 , G06N3/00
Abstract: 本发明特别涉及一种桃园果实状态识别与计数方法，包括如下步骤：S100、采用基于自适应粒子群的航迹规划方法对无人机在桃园内的行进路线进行规划；S200、分别获取桃园内每一棵桃树树冠上部分和下部分的360°全景录像；S300、将两个录像文件分别做抽帧处理后再拼接成一个视频；S400、对视频逐帧识别，获取每一帧中桃子的状态和对应数量；S500、对被识别的目标进行追踪，获得整棵桃树桃子的状态和对应数量。本发明将无人机平台与机器视觉有机结合，充分利用两者的优势：无人机的机动性、适应性，机器视觉的准确性、高速性，可以实现对全果园的全自动化、智能化监测。
-
公开(公告)号：CN114460080A
公开(公告)日：2022-05-10
申请号：CN202210121310.3
申请日：2022-02-09
Applicant: 安徽大学
Abstract: 本发明涉及农作物监控系统技术领域，且公开了一种水稻病虫智能监控系统，包括云服务器，所述云服务器包括视频监控终端、数据信息中心模块和数据采集终端，所述视频监控终端、数据信息中心模块和数据采集终端均通过信息传输网络与云服务器相连接；所述云服务器用于用服务器搭建应用背景及搭建区域网络，作为内容输出和对外宣传；所述视频监控终端用于对数据采集终端的设备信息进行定点的可视化管理；所述数据信息中心用于对农作物病虫害的大数据的储存、分析以及诊断信息的适配；所述数据采集终端用于水稻病虫画面进行实时检测获得采集的画面及数据信息。本发明具备实时监测诊断处理，使得整体监控信息更全面的有益效果。
-
公开(公告)号：CN112924211B
公开(公告)日：2022-04-29
申请号：CN202110095082.2
申请日：2021-01-25
Applicant: 安徽大学 , 中国科学院空天信息创新研究院
IPC: G01N1/04
Abstract: 本发明公开了一种用于小麦白粉病鉴定的病菌收集装置，包括工作箱、电机、第一夹紧块、第二夹紧块、驱动组件、气缸和收集组件，第一夹紧块设置在工作箱的内部且其底部设有环形挡板，其侧壁上倾斜设有多个呈条形的第一通口，每个第一通口内均设有第一夹紧组件，第二夹紧块设置在第一夹紧块的正下方且其侧壁上设有多个第二通口，每个第二通口内均设有第二夹紧组件，驱动组件设置在工作箱的内部用于带动第一夹紧块和第二夹紧块同步转动，气缸倾斜固定在工作箱的侧壁上且其活塞杆上垂直固定有平行夹爪，每个夹爪上均设有清扫组件。本发明可以同时将小麦叶片两面的病菌收集进行收集，收集效率高，而且能批量对多个小麦叶片上的病菌进行收集。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.022 seconds)
