-
公开(公告)号：CN118840558A
公开(公告)日：2024-10-25
申请号：CN202411012200.9
申请日：2024-07-26
Applicant: 云南农业大学
IPC: G06V10/26 , G06V20/17 , G06V20/10 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/11
Abstract: 本发明公开了一种基于无人机遥感影像的农田生长异常区域分割方法，应用广域多光谱系统拍摄，使用人工神经网络为主体，网络结构包括：特征提取阶段、多层特征融合阶段、基于注意力机制的解码阶段以及自适应训练阶段；本发明中，提供一种农田监测系统及监测农田的方法，可以在精度和实时性之间取得有效平衡，充分利用无人机遥感图像中的特征，以提高规模化的农业生产中的农田监测效率；通过无人机在农田上方定期巡航，获取农田遥感图像，通过针对农田异常区域分割任务中，实时语义分割算法准确度不足，提出一种基于注意力和多尺度特征融合的实时语义分割方法，相比于传统的农田监测方法，本发明基于全新的无人机遥感平台。
-
公开(公告)号：CN119418330B
公开(公告)日：2025-05-06
申请号：CN202411448900.2
申请日：2024-10-17
Applicant: 云南农业大学
IPC: G06V20/68 , G06V10/44 , G06V10/42 , G06V10/58 , G06V10/54 , G06V10/56 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/0475 , G06N3/094 , G06N3/088
Abstract: 本发明涉及质量评估技术领域，公开了一种无监督特征学习的轻量级牛肉质量评估方法，该方法包括：获取牛肉的原始高光谱数据作为真实数据，并基于生成对抗网络模型，生成高质量样本数据；对高质量样本数据预处理，将预处理后的样本数据映射、重建并融合，并提取不同层次的光谱和空间特征，与其他辅助数据的特征值进行融合或拼接；将融合样本特征映射并融合，生成与真实数据相似的具体微小扰动的样本数据，并与真实数据交替输入到Transformer模型中，更新Transformer模型的参数；基于更新参数后的Transformer模型对牛肉质量进行评估；本发明提高了牛肉质量评估的准确性、客观性、快速性、无损性和全面性。
-
公开(公告)号：CN118780895A
公开(公告)日：2024-10-15
申请号：CN202410904904.0
申请日：2024-07-08
Applicant: 云南农业大学
IPC: G06Q30/0601 , G06Q50/02 , G06F16/9535 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了基于LLaVA大模型跨模态特征融合的农产品推荐方法，本发明涉及计算机推荐算法技术领域，解决了固定化权重平均可能会导致对不同模态信息的重要性进行过度简化，无法充分反映出数据的多样性和复杂性的技术问题，本发明通过利用大模型技术进行数据增强：数据稀疏是推荐系统中一个普遍存在的问题，而大模型技术可以通过生成数据以及填充缺失信息的方式来增强数据，利用多模态融合技术，将生成式信息与原始信息进行融合，确保融合后的表示能够准确地捕捉到农产品的各种特征，从而提高推荐的效果和质量，为了更准确地对齐不同模态的特征信息，可以采用自适应权重学习方法。
-
公开(公告)号：CN118710355A
公开(公告)日：2024-09-27
申请号：CN202410713240.X
申请日：2024-06-04
Applicant: 云南农业大学
IPC: G06Q30/0601 , G06N3/0464 , G06F18/213 , G06F18/25 , G06F18/24
Abstract: 本发明公开了一种基于多源关联关系图融合的农产品推荐方法与系统，本发明涉及计算机推荐算法技术领域，包括：获取用户农产品交互评分数据农产品数据集，其中农产品数据集包含每件产品的产品信息，以及对应的图像信息通过构建农产品关联关系同构图以及携带高阶连通信息的用户关系网络的农产品推荐模型，以精确地实现个性化农产品推荐。基于农产品关联关系同构图，捕获农产品之间的关系以更好地对农产品建模；基于携带高阶连通信息的用户关系网络，通过稀疏图聚合模块、注意力机制、图卷积神经网络获取精确的用户特征表示。本发明利用个性化推荐方法，缓解现有农产品推荐模型中存在的冷启动以及数据稀疏问题，从而快速适应用户与市场的变化。
-
公开(公告)号：CN118674288A
公开(公告)日：2024-09-20
申请号：CN202410804772.4
申请日：2024-06-20
Applicant: 云南农业大学
IPC: G06Q10/0637 , G06Q50/02
Abstract: 本发明公开了一种基于GIS的苹果种植适宜性区域划分方法及系统，本发明涉及苹果种植技术领域，解决了随机在特别大的相关区域内选定苹果规划区的精度并不达标的问题，本发明通过基于需求的面积种植区，在同类区内进行区域移动，确认若干个不同的评定区域，其评定区域的面积符合要求，并对每个不同的评定区域进行坡度分析，从若干个不同的评定区域内选定坡度表现情况最好的区域，将此类区域作为种植区，采用此种方式所选定的种植区，不仅在相关数据上能达到更好的表现情况，还可在具体种植过程中能更加便于苹果种植，使所划分的苹果种植区能达到更好的区域规划效果。
-
Patent Agency Ranking
公开(公告)号：CN115760163A
公开(公告)日：2023-03-07
申请号：CN202211503814.8
申请日：2022-11-28
Applicant: 云南农业大学
IPC: G06Q30/018 , G06Q30/06
Abstract: 本发明提供的基于区块链的产品供应链溯源方法及装置，从认证平台获取产品的标识信息；所述标识信息为所述产品的唯一标识；基于所述标识信息，从区块链调用对应的供应流程信息。本发明提供的技术方案，通过从区块链获取溯源信息，降低数据被篡改几率，保证数据安全性；进一步地，通过从认证平台获取经过认证的标识信息，保证标识信息的真实可靠，从而进一步保证获取的溯源信息的真实可靠。
-
公开(公告)号：CN103531003A
公开(公告)日：2014-01-22
申请号：CN201310439437.0
申请日：2013-09-25
Abstract: 本发明公开了一种多网络融合的FPGA数据采集服务器，核心控制模块、WIFI无线通信模块、3G无线通信模块、Zigbee无线通信模块和通用功能模块几部分。本发明以FPGA为硬件平台，采用嵌入式Linux和嵌入式WEB技术，实现zigbee协议与3G、Wifi、RJ45等网络协议数据的转换和无缝连接。
-
公开(公告)号：CN119988850A
公开(公告)日：2025-05-13
申请号：CN202510459382.2
申请日：2025-04-14
Applicant: 云南农业大学
IPC: G06F18/15 , G16Y10/05 , G06N3/042 , G06N3/08 , G06F18/21 , G06F18/23 , G06F18/24 , G06F18/2433 , G06F18/25
Abstract: 本发明公开了用于农业物联网的数据缺失值的智能检测填补方法，涉及缺失值填充技术领域，获取降维后的缺失模式特征，挖掘关键动态因素与缺失模式之间的关联规则后，将当前的缺失模式分为不同类别；检测获取多源农业数据的缺失类后，评价不同的缺失值间的关联性，若关联性超过预期，对于高度关联的缺失值组，使用多输出神经网络同时预测多个相关缺失值，采用协同填补策略；对填补数据做一致性检查，若一致性超过预期，将填补后的数据与原始数据无缝融合，将填补后的数据实时传输到各个数据接收端；通过关联性驱动的填补策略，同时填补多个具有关联的缺失值，实现整体性的填补，提升了填补过程的准确性和一致性。
-
公开(公告)号：CN119888200A
公开(公告)日：2025-04-25
申请号：CN202510296121.3
申请日：2025-03-13
Applicant: 云南农业大学
IPC: G06V10/25 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/092 , G06N3/094 , G06T5/60 , G06T5/73 , G06T5/77 , G06V10/80 , G06V10/82
Abstract: 本发明公开了基于改进RT‑DETR的农业害虫小目标检测系统及方法，涉及害虫目标检测技术领域，由传感器网络采集检测场景数据，评估图像数据存在的运动模糊风险，若存在风险，识别图像数据中的模糊区域，并依据模糊程度采取相应的去模糊处理策略，生成去模糊优化图像；设定去模糊算法的控制参数后，对初步去模糊图像执行深度优化，若深度优化效果未达预期，迭代优化去控制参数后，重新执行深度优化过程；通过注意力机制强化害虫所在区域的特征表达，将经过注意力机制强化的多分辨率特征图进行特征融合，优化生成的融合特征向量作为RTDETR模型的输入。显著提升RTDETR模型对害虫小目标的检测准确性，确保特征提取的高效性。
-
公开(公告)号：CN118710952A
公开(公告)日：2024-09-27
申请号：CN202410713241.4
申请日：2024-06-04
Applicant: 云南农业大学
IPC: G06V10/764 , G06V10/26 , G06V20/70 , G06V10/80 , G06V10/44 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了跨层次特征融合的葡萄叶片病害程度分级预测方法及系统，本发明涉及病害程度预测技术领域，解决了模型泛化能力差，且对数据源的要求很高，型依然不能满足准确地预测葡萄叶片病害严重程度要求的技术问题，本发明通过将葡萄叶片病害图像输入到DINOV2视觉大模型中得到由浅到深四份形状相同的基础特征，通过设计一种独特的跨层次特征融合方式对上述得到的基础特征进行融合，得到跨层次融合特征，提出一种新的多尺度特征提取模块，更好的提取到图像的多尺度、深层次信息，综合利用不同尺度的空间特征，将大模型技术应用葡萄叶片病害程度分级预测领域，极大地提高了模型的精度，增强了模型的泛化能力，实现了准确预测葡萄叶片病害程度的要求。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.023 seconds)
