-
公开(公告)号:CN111461053B
公开(公告)日:2023-05-23
申请号:CN202010286460.0
申请日:2020-04-13
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/774
Abstract: 本发明特别涉及一种基于迁移学习的多个生育期小麦倒伏区域识别系统,包括图像采集模块、预处理模块以及识别模块;图像采集模块的无人机上搭载有相机用于拍摄待识别麦田图像并输出至预处理模块,预处理模块对图像进行拼接和剪裁并输出至识别模块,通过识别模块中存储的训练好的DeepLabv3+模型的识别得到标记后麦田图像。这里由无人机搭载相机拍摄图片,可以有效适合多种环境情况,并且非常便携,随拍随走;同时,通过预处理模块和识别模块,可以集中对拍摄到的图片进行处理和识别,自动标记待识别麦田的倒伏区域,由于识别模块中的模型是预先训练好的,这里直接将图片导入模型中进行识别即可,故处理速度快,降低识别模块的成本。
-
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:CN115063678A
公开(公告)日:2022-09-16
申请号:CN202210673426.8
申请日:2022-06-15
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/25 , G06V10/40 , G06V10/764 , G06V10/82
Abstract: 本发明涉及一种基于国产GF‑6WFV数据的大豆种植区提取方法,包括:获取待提取区域的GF‑6WFV数据,并对数据进行预处理;采用决策树分层逐级提取策略剔除预处理后的GF‑6WFV数据中的非农作物像元,得到农田植被总体分布数据;生成候选遥感特征集合;得到优选特征集合,再进行分类器的筛选,得到最佳分类器;将优选特征集合和最佳分类器结合,获得最优提取模型,并对最优提取模型的表现进行评价,考查最优提取模型对于大豆种植区的制图效果。本发明利用决策树分层逐级提取策略,显著降低水体、建成区、裸土、树木等其他地物类型对大豆提取结果造成的干扰,有助于获取更为准确和可靠的结果;同时降低数据占用的存储空间和运算量,从而提高执行效率。
-
公开(公告)号:CN115050020A
公开(公告)日:2022-09-13
申请号:CN202210468407.1
申请日:2022-04-29
Applicant: 安徽大学
Abstract: 本申请公开了一种基于改进Mask R‑CNN草莓叶面积的智能视觉检测方法,包括以下步骤:获取带有参照物的草莓叶片照片数据;对照片数据进行预处理,得到输入图像数据;使用改进型Mask R‑CNN网络框架对输入图像数据进行特征提取,得的特征图像数据,改进型Mask R‑CNN网络框架中利用Swintransformer作为主干网络;将特征图像数据输入识别模型中,识别模型由改进型Mask R‑CNN网络框架进行模型训练得到;利用识别模型统计草莓叶片和参照物的像素;根据草莓叶片和参照物的像素面积比计算出草莓叶片的面积。本申请解决了现有技术中叶片面积测量方式比较繁琐、费时费工、对植株破坏性较大等技术问题,实现了采用改进Mask R‑CNN算法在对物体进行实例分割时具有叶片测量精度高,响应速度快的效果。
-
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。
-
公开(公告)号:CN110736750B
公开(公告)日:2022-03-04
申请号:CN201911033059.X
申请日:2019-10-28
Applicant: 安徽大学
IPC: G01N21/88
Abstract: 本发明特别涉及一种基于多角度田间高清成像的小麦赤霉病检测方法,包括如下步骤:(A)将疏松架放置在田间待检测区域,让麦穗从疏松架的网格孔中穿过;(B)启动拍摄单元,采集M张多个角度的麦穗图像;(C)对M张麦穗图像进行处理,识别图像中的麦穗以及该麦穗对应的网格,得到每张麦穗图像中每株麦穗的麦穗区域和染病区域,以此计算出麦穗的病害严重度;(D)计算第n个麦穗病害严重度均值。通过多角度拍摄,可以避免某个角度下麦穗因遮挡而导致的结果不准确现象,为了匹配多角度图片中相同的麦穗,这里通过疏松架对麦穗进行分割,保证后续麦穗匹配的准确度和处理速度,同时还能让麦穗更整齐,拍摄的图片处理效果更佳。
-
公开(公告)号:CN113598081A
公开(公告)日:2021-11-05
申请号:CN202110952774.4
申请日:2021-08-19
Applicant: 安徽大学 , 安徽农道智能科技有限公司
IPC: A01K29/00
Abstract: 本发明特别涉及一种肉牛健康自动监测系统,包括采集通道和处理模块,所述的采集通道仅供单头牛进入,且设置有摄像头用于拍摄牛脸照片或视频,设置有压力和温度传感器用于采集牛的体重和体温;处理模块接收牛脸照片或视频后对单头牛进行识别并将传感器获取的数据与识别的牛的身份信息相关联,进而对牛的体重和体温数据进行分析与处理得到牛的健康状况并输出。其中,采集通道每次只能一头牛进入采集其相关数据,确保牛场中所有牛的数据都是独立的;此外,本发明通过拍摄牛场中每头牛的脸来对其身份进行识别,无需在耳朵上安装耳标,避免了背景技术中述及的诸多不足。
-
公开(公告)号:CN113176214A
公开(公告)日:2021-07-27
申请号:CN202110423984.4
申请日:2021-04-20
Applicant: 安徽大学
Abstract: 本发明涉及一种非成像光谱应用连续小波分析的麦穗赤霉病监测方法,与现有技术相比解决了麦穗尺度上小麦赤霉病监测精度差的缺陷。本发明包括以下步骤:麦穗非成像高光谱数据的获取;敏感特征的筛选;最优敏感特征子集的筛选;赤霉病监测模型的建立;赤霉病监测模型的训练;待分析麦穗非成像高光谱数据的获取;麦穗赤霉病监测结果的获得。本发明利用连续小波分析从麦穗非成像高光谱数据中提取小波特征,然后采用递归特征消除法筛选出最优小波特征子集结合PSO‑SVM算法构建小麦赤霉病监测模型,实现了麦穗尺度上快速、准确、有效地监测小麦赤霉病发生严重程度。
-
公开(公告)号:CN112883999A
公开(公告)日:2021-06-01
申请号:CN202110041210.5
申请日:2021-01-13
Applicant: 安徽大学
Abstract: 本发明公开了一种用于奶牛运动异常检测计步器系统及其方法,包括硬件模块和软件算法,所述硬件模块包括水银开关计步传感器、无线通信模块、电源、网关接收器和服务器,且水银开关计步传感器、无线通信模块、电源、网关接收器和服务器组成计步器检测算法,所述水银开关计步传感器和无线通信模块与电源进行电性连接,所述网关接收器与无线通信模块进行无线连接,所述软件算法包括定位算法和异常检测算法,具体涉及畜牧计步器技术领域。本发明通过设置通过设置计步器检测算法,计步器检测算法当中的水银开关比三维加速度传感器功耗更低,而CC同时集成了CPU和无线射频,既能处理数据又能通过无线通信发送数据,计步器整体设计较传统方法更为低功耗。
-
公开(公告)号:CN110008905B
公开(公告)日:2021-02-12
申请号:CN201910278469.4
申请日:2019-04-09
Applicant: 安徽大学
Abstract: 本发明涉及基于遥感影像红边波段的区域尺度小麦条锈病监测方法,与现有技术相比解决了对小麦条锈病利用遥感监测精度差的缺陷。本发明包括以下步骤:遥感影像的获取及预处理;初选特征因子的筛选;构建小麦条锈病严重度监测模型;小麦条锈病严重度监测模型的训练;区域尺度小麦条锈病严重度的判定。本发明利用Sentine‑2遥感影像反演得到与病害相关的宽波段植被指数特征及红边植被指数特征,再通过ReliefF和K‑means算法筛选与病害相关性较大且冗余性较小的宽波段植被指数特征集和加入红边植被指数的特征集,分别与BPNN算法建立小麦条锈病严重度监测模型,以实现区域尺度上小麦条锈病严重度的监测。
-
-
-
-
-
-
-
-
-