-
Patent Agency Ranking
公开(公告)号：CN118447022A
公开(公告)日：2024-08-06
申请号：CN202410904854.6
申请日：2024-07-08
Applicant: 三亚中国农业科学院国家南繁研究院 , 中国农业科学院农业信息研究所
IPC: G06T7/00 , G06V20/10 , G06V20/70 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明提出了一种基于深度学习的作物病斑精准分割与危害程度评估模型，具体改进如下：设计了RFCBAMConv模块和C2f‑RFCBAMConv模块，分别取代BackBone网络中的Conv模块和C2f模块，进一步强调了作物病斑的细节特征，提升了模型分割的精度；设计了AWDownSample‑Lite模块，分别替换了Neck网络中C2f模块，该模块通过聚合了每个感受野内的特征信息，实现了病害特征的更有效提取；设计了GSegment分割头，用于替换YOLOv8‑Seg中由两个3×3卷积核组成的分割头，实现降低模型参数量和计算复杂度的同时，提升了模型对不同尺度病叶和病害的感知能力。
-
公开(公告)号：CN118447022B
公开(公告)日：2024-09-17
申请号：CN202410904854.6
申请日：2024-07-08
Applicant: 三亚中国农业科学院国家南繁研究院 , 中国农业科学院农业信息研究所
IPC: G06T7/00 , G06V20/10 , G06V20/70 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明提出了一种基于深度学习的作物病斑精准分割与危害程度评估系统，具体改进如下：设计了RFCBAMConv模块和C2f‑RFCBAMConv模块，分别取代BackBone网络中的Conv模块和C2f模块，进一步强调了作物病斑的细节特征，提升了系统分割的精度；设计了AWDownSample‑Lite模块，分别替换了Neck网络中C2f模块，该模块通过聚合了每个感受野内的特征信息，实现了病害特征的更有效提取；设计了GSegment分割头，用于替换YOLOv8‑Seg中由两个3×3卷积核组成的分割头，实现降低系统参数量和计算复杂度的同时，提升了系统对不同尺度病叶和病害的感知能力。
-
公开(公告)号：CN117351356B
公开(公告)日：2024-05-24
申请号：CN202311364873.6
申请日：2023-10-20
Applicant: 三亚中国农业科学院国家南繁研究院 , 中国农业科学院农业信息研究所
IPC: G06V20/10 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及田间作物病害检测领域，具体为一种无人机视角下田间作物及其近缘种病害检测方法；本发明通过引入通过动态地调整其空间感受野的方式，更好的实现无人机视角下小尺寸病害目标的检测，在特征金字塔中引入了GSConv的混合卷积模块，以减少模型计算量与参数量，更加适合将其搭载在无人机的硬件上运行，通过进一步的引入可旋转的标记方框，配合对标记方框内特征置信度的计算，在实现任意方向病害定位检测的同时，也减少了引入的背景信息过多所造成的干扰，以提高田间无人机视角下作物及其近缘种病害检测的准确性和鲁棒性；解决了现有技术中通过无人机检测田间复杂环境下作物上小目标及密集目标时的准确率较低的问题。
-
公开(公告)号：CN119863464A
公开(公告)日：2025-04-22
申请号：CN202510349120.0
申请日：2025-03-24
Applicant: 三亚中国农业科学院国家南繁研究院 , 中国农业科学院农业信息研究所
IPC: G06T7/00 , G06N20/00 , G06N3/0464 , G06N3/08 , G06T7/10
Abstract: 本申请实施例提供了一种水稻稻瘟病病害等级智能评估及抗病性初筛方法、系统和设备，该方法包括：S1：采集感染稻瘟病的野生稻叶片图像数据，通过改进YOLOv8‑Seg分割模型对所述图像数据进行实例分割，获取分割结果，改进措施包括：GhostHierarchicalNet主干网络、CAHSFPN颈部网络和LSDECS Head分割头；S2：依据所述分割结果，统计病叶及病害区域的像素数量及其占比，结合抗病性鉴定技术规程，获取病害等级评估结果；S3：基于多次重复的所述病害等级评估结果，筛选抗病性强野生稻材料。该方法可以有效提高作物病害评估的准确性和效率，为大规模的野生稻抗病性筛选提供支撑，从而促进抗稻瘟病育种工作的开展。
-
公开(公告)号：CN117351356A
公开(公告)日：2024-01-05
申请号：CN202311364873.6
申请日：2023-10-20
Applicant: 三亚中国农业科学院国家南繁研究院 , 中国农业科学院农业信息研究所
IPC: G06V20/10 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及田间作物病害检测领域，具体为一种无人机视角下田间作物及其近缘种病害检测方法；本发明通过引入通过动态地调整其空间感受野的方式，更好的实现无人机视角下小尺寸病害目标的检测，在特征金字塔中引入了GSConv的混合卷积模块，以减少模型计算量与参数量，更加适合将其搭载在无人机的硬件上运行，通过进一步的引入可旋转的标记方框，配合对标记方框内特征置信度的计算，在实现任意方向病害定位检测的同时，也减少了引入的背景信息过多所造成的干扰，以提高田间无人机视角下作物及其近缘种病害检测的准确性和鲁棒性；解决了现有技术中通过无人机检测田间复杂环境下作物上小目标及密集目标时的准确率较低的问题。
-
-
-
-
Search Results
5
records
(took 0.06 seconds)
