-
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：CN115565012A
公开(公告)日：2023-01-03
申请号：CN202211285868.1
申请日：2022-10-20
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/10 , G06V20/52 , G06N3/04 , G06N3/08 , G06Q50/02 , G06Q50/26
Abstract: 本发明涉及一种基于自旋式Unet++网络的小麦条锈病夏孢子监测方法，包括：获取夏孢子显微图像；构建样本数据集；将样本数据集分为训练集、测试集和验证集；对Unet++网络模型进行改进，得到改进后的Unet++网络模型；将样本数据集中的图像输入至改进后的Unet++网络模型中，进行自旋式训练，得到夏孢子计数网络模型，并输出带检测框的样本数据集中的图像；训练夏孢子计数网络模型；将待检测的夏孢子显微图像输入到训练后的夏孢子计数网络模型，输出带检测框和计数的图像。本发明中夏孢子计数网络模型的计数准确率高，达到了99.03％；分割率较高，达到了86.45％；检测速率较高，达到了14张/秒，占用内存较小，仅为46.8MB。
-
公开(公告)号：CN112516478B
公开(公告)日：2022-12-27
申请号：CN202011372840.2
申请日：2020-11-30
Applicant: 安徽大学
Abstract: 本发明涉及一种智能口罩，包括口罩本体，所述口罩本体的前端设有呼吸窗口，口罩本体两侧均设有挂耳，所述呼吸窗口内设有口罩滤芯，口罩滤芯自上而下依次由电极基体层、芯材层、隔膜层、芯材层和电极基体层组成；所述口罩本体上还设置智能控制装置。本发明还公开了一种智能口罩的智能控制方法。本发明中口罩滤芯的芯材采用石墨烯气凝胶作电极，该芯材具有多孔结构，其可对空气中的灰尘细小颗粒以及病菌进行过滤；本发明通过对口罩滤芯加电压后，口罩滤芯具备静电吸附作用，可对病菌产生吸附性，同时，本发明采用大孔隙滤芯，在长时间使用时，能够保证呼吸畅通，通过智能控制装置可实现充电电压与呼吸速度的匹配，具有很好的过滤性及吸附性。
-
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。
-
Patent Agency Ranking
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：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。
-
公开(公告)号：CN113705526B
公开(公告)日：2022-03-04
申请号：CN202111041936.5
申请日：2021-09-07
Applicant: 安徽大学
Abstract: 本发明涉及一种高光谱遥感影像分类方法，与现有技术相比克服了有限样本量下高光谱遥感影像特征提取不充分及分类精度不理想的问题。本发明包括以下步骤：高光谱遥感影像的获取和预处理；生成对抗网络的构建和训练；扩充训练样本的获得；构建多尺度残差注意力网络；多尺度残差注意力网络的训练；待分类高光谱遥感影像的获取；高光谱遥感影像分类结果的获得。本发明在训练样本不足的情况下，也能得到较理想的高光谱遥感影像分类结果。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
344
records
(took 0.047 seconds)
