-
公开(公告)号：CN118410956A
公开(公告)日：2024-07-30
申请号：CN202310858309.3
申请日：2023-07-13
Applicant: 内蒙古农业大学
IPC: G06Q10/0631 , G06F17/18 , G06F16/2458 , G06F16/2457 , G06Q50/20
Abstract: 本发明提出一种基于遗忘曲线理论的课堂知识点教学活动调度方法，包括：构建基于艾宾浩斯记忆遗忘曲线理论的复习黄金周期框架；复习黄金周期框架包括：知识点和知识点对应的第一复习黄金周期、第二复习黄金周期；对复习黄金周期框架中的第二复习黄金周期，构建初始影响因子调度模型；对初始影响因子调度模型进行优化，获取影响因子调度模型；将知识点个数和对应的讲解时长，输入影响因子调度模型，获取知识点教学活动的调度序列。本发明既减轻了教师编排教学活动序列的负担，得到的教学活动序列又符合艾宾浩斯遗忘曲线规律和复习黄金周期规律，让学生在有限的课堂教学时间内，更加科学、合理的学习知识，强化记忆，达到了事半功倍的效果。
-
公开(公告)号：CN116883726B
公开(公告)日：2024-06-14
申请号：CN202310749812.5
申请日：2023-06-25
Applicant: 内蒙古农业大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明属于信息技术服务技术领域，公开了一种基于多分支与改进的Dense2Net的高光谱图像分类方法、系统及终端，包括数据集生成，获取高光谱图像数据集，将数据集随机划分为训练集、验证集和测试集；构建TBTA‑D2Net网络模型；利用训练集训练TBTA‑D2Net网络模型，更新多次迭代的参数；利用验证集监测模型的性能并选择出最优模型；利用最优模型对测试样本进行测试，实现对高光谱数据每个像素点的分类。本发明的Dense2Net bottleneck模块加强了DenseNet的特征传播和特征重用，并结合了Res2Net模块的多尺度特征提取优势。除此之外，本发明还采用了一种新的深度模型优化器Adan。Adan结合了自适应优化器，Nesterov冲量，以及解耦的权重衰减策略的优点，可以有效提升网络模型的训练速度。
-
公开(公告)号：CN116580241B
公开(公告)日：2024-05-14
申请号：CN202310578054.5
申请日：2023-05-22
Applicant: 内蒙古农业大学
IPC: G06V10/764 , G06N3/0455 , G06V10/26 , G06V10/82 , G06V10/80
Abstract: 本发明属于图像处理技术领域，公开了一种基于双分支多尺度语义分割网络的图像处理方法，包括：利用CNN模块为主编码器，Swin Transformer为辅助编码器，并通过跳跃连接进行编码器与解码器之间的特征融合，构建并行的双编码器结构；基于并行的双编码器结构结合多尺度融合模块、特征增强模块和通道增强模块组建双分支多尺度语义分割网络，利用所述双分支多尺度语义分割网络进行图像处理。本发明通过增强网络的全局上下文交互，并弥补CNN在全局建模能力的不足，设计了多尺度融合模块加强了不同尺度特征信息，另外设计了特征增强模块和通道增强模块加强网络的特征提取能力。
-
公开(公告)号：CN117765397A
公开(公告)日：2024-03-26
申请号：CN202311833814.9
申请日：2023-12-28
Applicant: 内蒙古农业大学
IPC: G06V20/10 , G06V10/58 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于上采样和多分支的高光谱图像分类方法和系统，属于信息技术服务技术领域。方法包括：S1、采集高光谱遥感图像数据，并对高光谱图像数据的每个像素点获取邻域块；邻域块大小为9×9×b，b表示光谱带的数量；S2、对邻域块进行特征提取，得到特征图；构建StemNet模型，基于StemNet模型对特征图进行去冗余处理，得到去冗余特征图；S3、构建特征提取网络，并基于StemNet模型的输入参数对特征提取网络进行模型选择，基于选择的模型对去冗余特征图进行特征提取并融合，得到融合特征；S4、基于融合特征完成高光谱图像分类。本发明应用于机载遥感智能处理领域，能够提升高光谱遥感图像分类性能。
-
公开(公告)号：CN114758170B
公开(公告)日：2023-04-18
申请号：CN202210344115.7
申请日：2022-04-02
Applicant: 内蒙古农业大学
IPC: G06V10/764 , G06V20/10 , G06V10/58 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明属于光谱图像分类技术领域，公开了一种结合D3D的三分支三注意力机制高光谱图像分类方法，构建结合可变形3D卷积的三分支三注意力机制网络D3DTBTA‑Net，提取高光谱图像的光谱信息和空间信息；所述D3DTBTA‑Net分为光谱分支、空间X分支和空间Y分支，分别提取出光谱特征图、空间X特征图和空间Y特征图后，将三个分支上提取出的特征图融合进行分类。本发明能够根据训练好的深度学习模型，自动进行分类，无需输入任何参数和耗费大量的时间成本和人力成本去标注数据；通过可变形3D卷积和三分支三注意力机制能够提取出更具判别力的特征，从而提高分类精度，在训练样本数量有限的情况下仍然能保持好的分类性能。
-
Patent Agency Ranking
公开(公告)号：CN114758170A
公开(公告)日：2022-07-15
申请号：CN202210344115.7
申请日：2022-04-02
Applicant: 内蒙古农业大学
Abstract: 本发明属于光谱图像分类技术领域，公开了一种结合D3D的三分支三注意力机制高光谱图像分类方法，构建结合可变形3D卷积的三分支三注意力机制网络D3DTBTA‑Net，提取高光谱图像的光谱信息和空间信息；所述D3DTBTA‑Net分为光谱分支、空间X分支和空间Y分支，分别提取出光谱特征图、空间X特征图和空间Y特征图后，将三个分支上提取出的特征图融合进行分类。本发明能够根据训练好的深度学习模型，自动进行分类，无需输入任何参数和耗费大量的时间成本和人力成本去标注数据；通过可变形3D卷积和三分支三注意力机制能够提取出更具判别力的特征，从而提高分类精度，在训练样本数量有限的情况下仍然能保持好的分类性能。
-
公开(公告)号：CN112345332A
公开(公告)日：2021-02-09
申请号：CN202011305434.4
申请日：2020-11-20
Applicant: 内蒙古农业大学
Abstract: 本发明属于食品检测设备技术领域，具体涉及一种检测乳制品中蛋白质含量的装置，包括用于对样品中氮进行消解的消解仪和用于滴定的测定仪，所述消解仪上连接有样品处理仪，所述样品处理仪包括样品管，所述样品管上分别连通有总氮样管、非蛋白样处理装置，总氮样管、非蛋白样处理装置分别与所述消解仪中的消解管连通；所述非蛋白样处理装置包括上游非蛋白样管、安装头、暂存管、搅拌装置、驱动装置、过滤装置、下游非蛋白样管。本发明设置了样品处理仪，将乳制品中的总氮和非蛋白氮分别测定，然后换算出蛋白质含量，排除了非蛋白氮对蛋白质含量的影响，精确度高。
-
公开(公告)号：CN119295978A
公开(公告)日：2025-01-10
申请号：CN202411427826.6
申请日：2024-10-14
Applicant: 内蒙古农业大学
IPC: G06V20/17 , G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06V10/774 , G06V10/77 , G06V10/764 , G06V10/40 , G06V10/58 , G06V10/44
Abstract: 本发明涉及神经网络以及图像识别技术领域，特别是涉及一种基于三维自编码多尺度特征提取的牧草识别方法，包括：采集待识别区域的高光谱图像；将所述高光谱图像输入预设的牧草识别模型中，输出所述待识别区域的牧草覆盖类型，其中，所述牧草识别模型通过训练集训练获得，所述训练集包括包含若干牧草种类的低空无人机高光谱图像，所述牧草识别模型基于三维注意力自动编码机制和多尺度多层卷积网络构建。本发明提出三维注意力自动编码机制以及多尺度多层卷积网络，所构建以及训练的牧草识别模型3DAMCN能够为牧草的识别监测与高光谱图像的研究提供新方法。
-
公开(公告)号：CN107242045A
公开(公告)日：2017-10-13
申请号：CN201710426838.0
申请日：2017-06-08
Applicant: 内蒙古农业大学
IPC: A01G9/10 , C05G3/00 , C05G3/04 , C12N1/20 , C12N1/14 , C12R1/07 , C12R1/01 , C12R1/645 , C12R1/885
Abstract: 本发明提供了一种具促进植物生长功效的可降解育苗钵及其制备方法与应用。本发明首先提供了一种育苗钵组合物，其包括：混合生物基质：包括作物秸秆50‑80份、木屑5‑8份、畜禽粪便5‑10份、草炭2‑5份、风化煤2‑5份、土壤3‑6份；包括Azospirillum spp.、Azobacter spp.、Bacillus spp.、Paenibacillus spp.、Massilia spp.、Stenotrophomonas spp.、Lysobacterspp.的复合菌菌泥。本发明的育苗钵组合物制备的育苗钵可提高植物发芽率，供给幼苗生长时所需均衡营养，还可抗病原微生物，利于强苗和壮苗。
-
公开(公告)号：CN118918497A
公开(公告)日：2024-11-08
申请号：CN202410826561.0
申请日：2024-06-25
Applicant: 内蒙古农业大学
IPC: G06V20/17 , G06V20/10 , G06V10/25 , G06V10/44 , G06V10/771 , G06V10/82 , G06N3/0464
Abstract: 本发明属于高光谱遥感图像处理领域，公开了一种基于MBS‑TD3DAN的无人机高光谱遥感图像特征提取与识别方法及系统，该方法包括：构建无人机牧草高光谱遥感数据集；通过Multi Band Selector(MBS)预处理方法，对图像降维、去噪，提取特征波段；通过TransDense3D‑AttnNet(TD3DAN)模型标记数据权重，通过物体、空间、光谱三个维度提取数据特征，使用自注意力机制对数据进行转换、映射、过滤等操作，使用密集卷积层加强特征的传递，最终实现高精度识别。本发明在识别任务中展现出优异的性能，可以针对不同数据集进行灵活调整和优化，无论是在复杂背景下还是在多植物类型中，都能够高效识别，具有良好的扩展性。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.033 seconds)
