-
公开(公告)号：CN102231151A
公开(公告)日：2011-11-02
申请号：CN201110129266.2
申请日：2011-05-19
Applicant: 安徽农业大学
IPC: G06F17/30
Abstract: 本发明涉及一种根据农业领域知识的变化，通过优化本体学习规则的农业领域本体自适应学习建模方法。发明在已有研究成果的基础上，针对农业领域的本体学习的自适应问题，提出一种农业领域本体自适应学习建模方法，主要包括1、农业领域概念自适应提取，2、农业领域概念间关系自适应提取，3、基于多Agent的农业领域本体自适应学习模型集成等。本发明可以有效的提高农业领域本体自动构建的效率，提升所构建的农业领域本体质量，对大规模构建农业领域本体，进一步建立农业语义网络与知识网格，实现农业领域知识的充分共享和协同服务，具有一定的理论研究价值和实际意义。
-
公开(公告)号：CN115269864B
公开(公告)日：2025-05-09
申请号：CN202210746863.8
申请日：2022-06-28
Applicant: 安徽农业大学
IPC: G06N5/022 , G06F16/36 , G06F40/295 , G06Q10/0631 , G06Q10/0639 , G06Q30/0207 , G06Q50/02 , G06Q40/03 , H04L67/1097
Abstract: 本发明公开了一种基于区块链的农业众包知识图谱的构建方法及系统，本发明在农业知识图谱的构建中引入了众包和区块链技术，将农业知识图谱构建环节任务交给众包完成，将区块链技术引入众包农业知识图谱的构建流程中，提出融合区块链智能合约的众包农业知识图谱构建策略，并将众包构建知识图谱的过程上链，实现数据的不可篡改、可追溯、可信任；基于众包构建的农业知识图谱数据，采取联合抽取法和多种补全方式，提高了对众包数据三元组信息的抽取效率和知识图谱完整性；建立众包工人信用评价体系，有效提高了众包完成质量和专业领域人员长期参与积极性；本发明有效解决了农业知识图谱构建中数据易泄露、可信度低、构建效率低、质量难评估等问题。
-
公开(公告)号：CN117456279B
公开(公告)日：2025-04-22
申请号：CN202311623115.1
申请日：2023-11-30
Applicant: 安徽农业大学
IPC: G06V10/764 , G06V20/00 , G06N5/022 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种融合知识图谱与图像识别的垃圾分类方法，包括：1、构建知识图谱，捕捉垃圾实体与种类之间的关系2、利用Ac自动机树，提取问题中的垃圾实体名；3、利用TransR模型提取垃圾实体的文本向量；4、设定疑问词列表，提取问题中的疑问词，根据疑问词是否在疑问词列表中和问题中是否有垃圾实体名来对问题进行分类；5、针对不同类型的问题，返回不同的答案模板；6、构建图像识别模型，获取垃圾图片的向量；7、将垃圾实体的文本向量和图片向量，结合注意力机制将相互对应的向量进行拼接，得到垃圾实体的融合向量后，最终返回垃圾的类别。本发明融合了知识图谱和图像识别，能更稳定、更便捷、更高效的实现垃圾分类。
-
公开(公告)号：CN117371466B
公开(公告)日：2025-04-11
申请号：CN202311333242.8
申请日：2023-10-16
Applicant: 安徽农业大学
IPC: G06K7/10 , G06K17/00 , G06Q10/087
Abstract: 本发明涉及射频识别技术领域，公开了一种基于无人机的产品包装智能识别与定位系统，包括智能识别与定位软件模块和远程监控模块；其中：所述智能识别与定位软件模块用于无人机巡航采集超高频标签信息和上位机对采集的数据进行分析判断，最终通过RSSI和相位混合的相对定位算法实现产品包装的定位；其包括导航实时处理单元、射频标签信息获取单元、产品包装智能识别与定位单元。本发明可在货物上贴附RFID标签，然后利用RFID读写器对货物进行识别和追踪，从而实现对货物的全程实时监控和管理。本发明利用无人机搭载RFID阅读器可初步实现智能仓储管理，例如仓库内货物的快速定位、货物的库存盘点、货物运输的安全性等。
-
公开(公告)号：CN114861069B
公开(公告)日：2024-12-06
申请号：CN202210633790.1
申请日：2022-06-07
Applicant: 安徽农业大学
IPC: G06F16/9535 , G06F16/36 , G06F40/30 , G06Q50/20
Abstract: 本发明公开了一种基于知识图谱的网络学习资源分析及个性化推荐方法，属于学习资源分析推荐方法技术领域，具体包括以下步骤：S1、构建网络学习资源知识图谱；S2、网络学习资源分析；S3、学习者画像分析；S4、网络学习资源个性化推荐；本发明融合了学科知识、学习资源、学习策略的个性化教育知识图谱模型及其构建技术，基于知识图谱的学习资源概念链接、分析与评价技术以及知识图谱与学习目标的学习者知识体系评估模型和学习路径智能规划，实现了以学习者个性化兴趣和需求驱动为中心的精准知识推送和个性化学习资源与学习策略推荐。
-
Patent Agency Ranking
公开(公告)号：CN119005244A
公开(公告)日：2024-11-22
申请号：CN202411046770.X
申请日：2024-08-01
Applicant: 安徽农业大学 , 安徽喜乐佳生物科技有限公司
Abstract: 本发明公开了一种基于数据驱动的生猪饲料配方优化方法，包括：S1.基于生猪饲养数据构建目标函数；S2.对鲸鱼优化算法WOA进行优化，得到优化后的鲸鱼优化算法；S3.对Levy飞行策略进行优化，并将其引入优化后的鲸鱼优化算法，得到二次优化的鲸鱼优化算法AWOA；S4.基于二次优化的鲸鱼优化算法AWOA对所述目标函数进行参数优化，确定生猪饲料的最佳配方。本发明对WOA模型中的参数进行重新建模，并将其与适应度相联系；同时，还将对Levy飞行策略进行优化，并将其加入到算法的行为模式中，从而在提高搜索效率的同时，也能保证搜索的精度，实现了高效的饲料成分优化，显著提升了生猪生长速率及饲料成本效益。
-
公开(公告)号：CN114625136B
公开(公告)日：2024-11-22
申请号：CN202210238283.8
申请日：2022-03-10
Applicant: 安徽农业大学
IPC: G05D1/43 , G05D1/65 , G05D1/644 , G05D109/10
Abstract: 本发明提供了一种基于深度学习的机器人轨迹跟踪控制方法，属于机器人控制领域，包括：建立机器人的运动学模型、跟踪误差模型、动力学模型；建立基于长短时记忆神经网络LSTM和滑模控制SMC的控制器，所述控制器包括运动学控制器、基于SMC的动力学控制器和LSTM网络；基于所述机器人的运动学模型、跟踪误差模型、动力学模型，通过所述基于长短时记忆神经网络LSTM和滑模控制SMC的控制器对机器人跟踪轨迹进行控制。本发明提出的提出LSTM和SMC相结合的控制方法实现了LSTM网络对控制的补偿，提高收敛速度和控制的精度及稳定性；在不降低鲁棒性的情况下，LSTM和SMC相结合的方法可以有效抑制滑模控制的抖动现象。
-
公开(公告)号：CN118865996A
公开(公告)日：2024-10-29
申请号：CN202410890017.2
申请日：2024-07-04
Applicant: 安徽农业大学 , 安徽喜乐佳生物科技有限公司
IPC: G10L21/0308 , G06F18/21 , G06F18/214 , G10L25/30 , G10L25/51
Abstract: 本发明公开了一种基于盲源分离的家畜音频智能识别方法，涉及计算机技术领域。包括：采集封闭环境内的家畜音频信号，基于封闭环境内的家畜音频信号构建声谱图数据集，使用声谱图数据集训练用于识别不同家畜状态音频的改进ECA‑EfficientNetV2网络；采集群养环境内的家畜音频信号，使用欠定盲源分离方法将群养环境内的家畜音频信号中不同状态的家畜音频信号进行分离；将分离后不同状态的家畜音频信号输入到训练好的改进ECA‑EfficientNet V2网络中进行状态识别。
-
公开(公告)号：CN118570622A
公开(公告)日：2024-08-30
申请号：CN202411035294.1
申请日：2024-07-31
Applicant: 安徽农业大学
IPC: G06V20/00 , G06V10/52 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于高频信息增强的图像篡改检测方法及装置，方法包括：获取待检测图像并对所述待检测图像滤波，得到所述待检测图像的高频信息；对所述待检测图像和所述高频信息分别进行特征提取，得到所述待检测图像和所述高频信息的多尺度特征信息；将所述待检测图像和所述高频信息的多尺度特征信息进行特征融合；获取融合后的特征的篡改区域掩码，以实现图像篡改检测。利用本发明实施例，能够有效提升图像篡改检测性能。
-
公开(公告)号：CN117726040A
公开(公告)日：2024-03-19
申请号：CN202311830634.5
申请日：2023-12-27
Applicant: 安徽农业大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/067 , G06Q10/0832 , G06N3/006 , G06N3/045 , G06N3/092
Abstract: 本发明公开了一种基于DDQN算法的配送车辆动态调度优化方法，属于基于深度强化学习的生鲜配送车辆调度技术领域；本发明将生鲜配送动态车辆调度问题视为连续时间过程，基于SMDP(Semi‑Markov Decision Process)框架进行建模，并采用DDQN(Double Deep Q‑Learning)算法来训练双Agent，在处理“新订单事件”和“车辆事件”时做出调度分配。该方法显著降低了分配空间的组合复杂性，在考虑多个分配限制因素的同时，表现出更好的平均分配时间。通过提高系统资源利用率和调度效率，解决了生鲜配送延迟导致生鲜产品时效性下降的问题。
-
-
-
-
-
-
-
-
-
Search Results
151
records
(took 0.026 seconds)
