-
公开(公告)号：CN114463701A
公开(公告)日：2022-05-10
申请号：CN202210387398.3
申请日：2022-04-14
Applicant: 华南农业大学
IPC: G06V20/52 , G06V40/20 , G06V10/44 , G06V10/774 , G06V10/82 , G06T7/00 , G06T7/60 , G06N3/04 , G06K9/62 , G16H50/30 , A01K29/00 , A01K45/00 , G01D21/02 , G10L25/45 , G10L25/66 , G10L21/0232
Abstract: 本发明公开了一种基于多源大数据动物养殖数据挖掘的监测预警系统，属于动物养殖检测预警系统设计技术领域，包括动物体征传感器、动物声音传感器、环境传感器、轨道机器人、算法训练模块、动物健康数据产生模块、动物健康数字矩阵模块和动物健康分析模块；本方案提供一种多源动物养殖数据采集、处理及动物健康分析预警的系统，通过构建动物数字矩阵信息，并对养殖动物状态进行分析和预警，解决了通过多源大数据的方式挖掘动物养殖数据，并对非健康养殖动物健康预警的问题，本系统对于动物养殖具有通用性。
-
公开(公告)号：CN114037552B
公开(公告)日：2022-05-06
申请号：CN202210011141.8
申请日：2022-01-06
Applicant: 华南农业大学
IPC: G06Q50/02 , G06V40/10 , G06V10/764 , G06V10/26 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/11 , G06T7/62 , A01K67/02 , A01D45/00 , G01G17/08 , G01J5/00
Abstract: 本发明涉及肉鸭养殖技术领域，公开了一种肉鸭生理生长信息巡检方法，通过实时采集的彩色图像、红外热成像图像等数据，利用计算机视觉技术，可实时分析肉鸭的多种生理行为、肉鸭的体温、体重等，融合其它肉鸭生理参数，对肉鸭当前的生理状态进行异常预警和生长状况评分，是集合肉鸭生理生长参数采集、计算机通信、数据处理与管理、分析与决策、网络传输的一体化设计，实现整个肉鸭监测流程数据采集以及分析的实时化、自动化、连续化、高效化，有利于管理人员实时掌握肉鸭的生长状况。且本发明还公开一种用于采集上述数据的巡检机器人，巡检机器人搭载了RGB摄像机、红外热成像摄像机、双目立体摄像机、RFID接收器、鸭脚环基站、环境传感模块。
-
公开(公告)号：CN114258877A
公开(公告)日：2022-04-01
申请号：CN202210190861.5
申请日：2022-03-01
Applicant: 华南农业大学
Abstract: 本发明涉及人工智能技术领域，提出一种基于群体运动量统计特征的家禽健康评估方法及系统，其中包括以下步骤：从家禽所佩戴的带三轴传感器的脚环获取家禽数据，并对获取的数据进行预处理，得到家禽运动量数据；对家禽运动量数据进行异常数据检测和修正，得到经过修正的家禽运动量数据；根据经过修正的家禽运动量数据，对同一个体以及群体在不同时间段的家禽运动量数据进行统计及数据分布，并根据家禽运动量数据的统计及数据分布结果对家禽进行个体评分及群体评分；结合家禽运动量数据、个体评分结果和群体评分结果对家禽健康状态进行评估，得到家禽健康评估结果。本发明能够有效提高家禽健康检测精度、准确率，同时能够直观地反映家禽健康状况。
-
公开(公告)号：CN113989353A
公开(公告)日：2022-01-28
申请号：CN202111112240.7
申请日：2021-09-18
Applicant: 华南农业大学
Abstract: 本发明涉及动物检测技术领域，公开了一种猪只背膘厚度测定方法，其获取猪只臀部的RGB‑D视频，通过预先训练的Mask R‑CNN模型从RGB‑D视频中的各帧图像中确定关键帧，并获得具有猪只目标的分割图像，Mask R‑CNN模型的特征提取网络采用轻量级网络MobilenetV3，其使用深度可分离卷积和逆残差结构，并引入轻量级attention模块；然后再根据猪只的生理部位和臀部宽度，将具有猪只目标的分割图像切割获得猪只臀部关键区域图像；接着将猪只臀部关键区域图像做四通道输入至训练好的深度学习模型网路中进行膘厚预测，该深度学习模型网络使用resenet50骨干网络结合FPN结构，使本发明的背膘厚度值预测更加准确。另外，本发明还提供一种实现上述方法的系统。
-
公开(公告)号：CN113033670A
公开(公告)日：2021-06-25
申请号：CN202110333793.9
申请日：2021-03-29
Applicant: 华南农业大学
Abstract: 本发明为克服对于地块破碎的水稻种植面积估算精度较低的缺陷，提出一种基于Sentinel‑2A/B数据的水稻种植面积提取方法，包括以下步骤：获取目标区域的Sentinel‑2A/B数据并对其进行拼接、裁剪操作，得到完整的遥感图像后对其进行预处理；建立特征工程，提取遥感图像的光谱特征、指数特征、纹理特征后进行叠加；通过不同的监督分类方法进行目标作物分类；对目标作物分类结果进行精度评估，选择分类精度最高的目标作物分类结果，根据不同遥感图像样本的光谱范围差异提取水稻的阈值，构建面向对象的决策树分类规则集，提取得到水稻区域，进一步通过计算水稻像素点占遥感图像的比重，计算得到水稻种植面积。
-
Patent Agency Ranking
公开(公告)号：CN112580671A
公开(公告)日：2021-03-30
申请号：CN202011637060.6
申请日：2020-12-31
Applicant: 华南农业大学
Abstract: 本发明提供的一种基于深度学习的稻穗多发育期自动检测方法，包括建立目标检测模型；在线连续采集监测区域图像数据，通过目标检测模型检测出每张图像中不同成熟度的各类稻穗数量；计算第i天中的各类平均稻穗数量；计算图像的各类稻穗密度；判断各类稻穗密度是否明显增加达到预设的阈值，若是，则判断稻穗已经进入相应的发育期；否则，重新计算另一天的各类平均稻穗数量。本发明提供一种基于深度学习的稻穗多发育期自动检测方法，通过建立目标检测模型实现对图像数据进行不同发育期图像自动特征提取，实现稻穗的目标检测，无需分割出稻穗区域，检测率高，实用性强，不受大风天气或复杂场景的影响，最终实现对稻穗多发育期的自动检测。
-
公开(公告)号：CN110659687A
公开(公告)日：2020-01-07
申请号：CN201910902901.2
申请日：2019-09-24
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于黄色诱捕板的黄曲条跳甲检测方法、介质和设备，包括获取训练样本和测试样本的黄色诱捕板图像，将黄色诱捕板图像依次进行前景图像提取、黄曲条跳甲候选区域图像的提取、颜色平滑处理、分割处理后得到目标图像以及对候选区域图像和目标图像进行特征提取；将经过这些处理的训练样本对支持向量机进行训练，得到黄曲条跳甲检测模型；再通过黄曲条跳甲检测模型对经过与训练样本相同处理的测试样本进行检测，最终得到黄曲条跳甲的数量。本发明方法可以实现对黄曲条跳甲的准确识别和计数，便于及时掌握黄曲条跳甲发生与危害的程度，为科学的田间管理提供了依据。
-
公开(公告)号：CN105809711B
公开(公告)日：2019-03-12
申请号：CN201610117576.5
申请日：2016-03-02
Applicant: 华南农业大学
IPC: G06T7/215
Abstract: 本发明公开了一种基于视频追踪的猪只运动大数据提取系统，包括分布式硬件部署及基于此分布式硬件部署的猪场本地的猪只运动大数据采集模块、猪场本地服务器的猪只运动状态和参量提取模块以及系统总服务器的猪只运动大数据提取模块；本发明结合了远程通讯技术、数据采集与处理技术、视觉处理技术，实现了可长期的，实时的，远程的实现猪场猪只的监控和运动大数据提取、分析，大大地降低了劳动强度，所提取的运动大数据信息能够反映出猪只活动状况，可以实现对猪只活动的现场动态监测。
-
公开(公告)号：CN108717523A
公开(公告)日：2018-10-30
申请号：CN201810383668.7
申请日：2018-04-26
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于机器视觉的母猪发情行为检测方法，首先通过母猪生活视频训练出爬跨行为判断模型；通过母猪生活视频获取到多只发情母猪的位移运动量信息、在公猪诱情情况下与公猪之间的接近程度，由爬跨行为判断模型判断出一定数量发情母猪的爬跨行为和爬跨行为的频次；将上述获取到的各只发情母猪的信息作为各训练样本对神经网络模型进行训练，得到母猪发情预警模型；当要检测母猪发情行为时，通过母猪视频获取到母猪的位移运动量信息、母猪爬跨行为频次以及公猪诱情情况下与公猪之间的接近程度，将上述信息输入到母猪发情预警模型中，判断出母猪是否发情，本发明能够快速且准确的检测出母猪的发情行为，减轻劳动强度的同时增加猪场收益。
-
公开(公告)号：CN117671655A
公开(公告)日：2024-03-08
申请号：CN202311580428.3
申请日：2023-11-23
Applicant: 华南农业大学
IPC: G06V20/60 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06V10/44 , G06V10/25 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/08 , G06N3/082
Abstract: 本发明提供一种基于多尺度特征增强与融合的林业害虫检测方法和系统，首先获取林业害虫数据集并进行预处理；建立基于多尺度特征增强与融合的林业害虫检测模型EFPDet，包括：引入注意力机制的多尺度特征提取网络、自底向上进行特征融合的特征融合网络，以及用于实现林业害虫分类和定位的检测头；设置损失函数并进行模型训练；最后获取待检测的林业害虫图像并输入训练好的林业害虫检测模型EFPDet中，获取所有害虫的分类结果和定位结果后进行NMS非极大值抑制，获取最终的检测结果，完成林业害虫检测；本发明针对小目标检测提出的高效林业害虫检测模型EFPDet具备轻量化程度高、对小目标检测更友好及整体检测精度高的特点。
-
-
-
-
-
-
-
-
-
Search Results
127
records
(took 0.023 seconds)
