-
公开(公告)号：CN108416353A
公开(公告)日：2018-08-17
申请号：CN201810144001.1
申请日：2018-02-03
Applicant: 华中农业大学
CPC classification number: G06K9/342 , G06K9/6256
Abstract: 本发明公开了一种基于深度全卷积神经网络的大田稻穗快速分割方法。该方法设计了基于深度全卷积神经网络的大田稻穗分割网络。待分割的大田图像首先被划分为若干张适合深度全卷积神经网络输入大小的子图，由深度全卷积神经网络对各子图进行像素级语义分割后，再拼接各子图得到与输入图像大小相同的分割结果。该方法能克服不同品种及生育期的水稻稻穗颜色、形状、大小、姿态、纹理的巨大差异、稻穗边缘严重不规则、穗叶颜色混叠及田间不均匀且变化的光照、遮挡、刮风因素的影响，实现对不同品种及生育期大田稻穗的快速准确分割。相比现有技术而言，具备精度高、适用性强、处理速度快的技术优势。
-
公开(公告)号：CN109799824A
公开(公告)日：2019-05-24
申请号：CN201910096546.4
申请日：2019-01-23
Applicant: 华中农业大学
Abstract: 本发明涉及一种基于轮式小车的田间作物图像采集装置，该装置由可升降轮式底盘、可移动暗室、GPS导航系统、小车控制系统、作物图像采集系统、太阳能供电系统、计算机等7个功能模块组成。轮式底盘最大负载为150Kg；升降杆可满足不同高度的作物对信息采集时的需要，原地转弯轴可使小车原地转弯；小车所携带的移动暗室消除了光照和周围植物对作物采集时的干扰；GPS导航系统实现了小车的自动化；太阳能电池板供电解决了小车用电需求；控制系统包含轮式小车田间信息自动采集软件，还分别连接数码相机和PLC，完成二者的通讯；计算机可以自动保存小车采集的作物图像，方便日后查看和使用。使用本发明来进行田间作物图像的采集，可以大大节省人力。
-
公开(公告)号：CN107941802A
公开(公告)日：2018-04-20
申请号：CN201711097041.7
申请日：2017-10-31
Applicant: 华中农业大学
IPC: G01N21/84
Abstract: 本发明公开了一种基于机器视觉的盆栽水稻卷叶程度定量化测量方法。该方法通过拍摄水稻RGB图像，利用图像处理技术提取水稻整株水平上的三个卷叶相关图像特征，包括周长面积比、植株占空比和凸壳比，作为水稻的数字化卷叶值，该方法能克服目前人工检测手段主观性强、仅能对水稻卷叶进行分级记分的缺点，实现对水稻卷叶程度的自动、连续、定量化测量，并可方便的推广应用于其他作物的卷叶程度测量工作。相比现有技术而言，具备能在整株水平无损、定量化测量卷叶程度、操作简单的技术优势。
-
公开(公告)号：CN108416353B
公开(公告)日：2022-12-02
申请号：CN201810144001.1
申请日：2018-02-03
Applicant: 华中农业大学
IPC: G06V20/70 , G06V10/26 , G06V10/82 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于深度全卷积神经网络的大田稻穗快速分割方法。该方法设计了基于深度全卷积神经网络的大田稻穗分割网络。待分割的大田图像首先被划分为若干张适合深度全卷积神经网络输入大小的子图，由深度全卷积神经网络对各子图进行像素级语义分割后，再拼接各子图得到与输入图像大小相同的分割结果。该方法能克服不同品种及生育期的水稻稻穗颜色、形状、大小、姿态、纹理的巨大差异、稻穗边缘严重不规则、穗叶颜色混叠及田间不均匀且变化的光照、遮挡、刮风因素的影响，实现对不同品种及生育期大田稻穗的快速准确分割。相比现有技术而言，具备精度高、适用性强、处理速度快的技术优势。
-
公开(公告)号：CN107894418B
公开(公告)日：2019-12-17
申请号：CN201711096975.9
申请日：2017-10-31
Applicant: 华中农业大学
IPC: G01N21/84
Abstract: 本发明公开了一种基于机器视觉的大田水稻卷叶程度定量化测量方法。该方法通过拍摄水稻RGB图像，利用图像处理技术提取水稻群体的周长面积比和植株占空比，作为水稻群体的数字化卷叶值，能克服目前人工检测手段主观性强、仅能对水稻卷叶进行分级记分的缺点，实现对水稻卷叶程度的连续、定量化测量，并可方便的推广应用于其他作物的卷叶程度测量工作。相比现有技术而言，具备能定量化测量卷叶程度、无损、操作简单的技术优势。
-
Patent Agency Ranking
公开(公告)号：CN109254583A
公开(公告)日：2019-01-22
申请号：CN201811060112.0
申请日：2018-09-08
Applicant: 华中农业大学
IPC: G05D1/02 , B62D55/065 , H02J7/35
CPC classification number: G05D1/021 , B62D55/065 , G05D1/0231 , G05D1/0246 , G05D1/0263 , H02J7/35
Abstract: 本发明涉及一种履带式小车田间信息自动采集装置与方法，该装置包含有履带式底盘、挂载支架、自动循迹单元、作物图像采集单元、太阳能供电、计算机系统等6个功能模块组成。利用磁导引传感技术引导小车沿农作物行自动行走，利用可见光相机全自动采集农作物的图片，利用太阳能电池板24小时为小车提供电能，利用图像处理技术提取农作物的表型信息的无损测量装置和方法，同时该履带式小车采用装有4个功率80W直流电机底盘，使小车负载可达100Kg履带式结构也克服了田间地理环境凹凸不平的问题。在作物遗传改良方面的研究中采用本发明，可以方便快捷无干预无损伤地采集农作物的生长图像。
-
公开(公告)号：CN107894418A
公开(公告)日：2018-04-10
申请号：CN201711096975.9
申请日：2017-10-31
Applicant: 华中农业大学
IPC: G01N21/84
Abstract: 本发明公开了一种基于机器视觉的大田水稻卷叶程度定量化测量方法。该方法通过拍摄水稻RGB图像，利用图像处理技术提取水稻群体的周长面积比和植株占空比，作为水稻群体的数字化卷叶值，能克服目前人工检测手段主观性强、仅能对水稻卷叶进行分级记分的缺点，实现对水稻卷叶程度的连续、定量化测量，并可方便的推广应用于其他作物的卷叶程度测量工作。相比现有技术而言，具备能定量化测量卷叶程度、无损、操作简单的技术优势。
-
公开(公告)号：CN107941802B
公开(公告)日：2020-05-08
申请号：CN201711097041.7
申请日：2017-10-31
Applicant: 华中农业大学
IPC: G01N21/84
Abstract: 本发明公开了一种基于机器视觉的盆栽水稻卷叶程度定量化测量方法。该方法通过拍摄水稻RGB图像，利用图像处理技术提取水稻整株水平上的三个卷叶相关图像特征，包括周长面积比、植株占空比和凸壳比，作为水稻的数字化卷叶值，该方法能克服目前人工检测手段主观性强、仅能对水稻卷叶进行分级记分的缺点，实现对水稻卷叶程度的自动、连续、定量化测量，并可方便的推广应用于其他作物的卷叶程度测量工作。相比现有技术而言，具备能在整株水平无损、定量化测量卷叶程度、操作简单的技术优势。
-
公开(公告)号：CN110853044A
公开(公告)日：2020-02-28
申请号：CN201910374602.6
申请日：2019-04-25
Applicant: 华中农业大学
Abstract: 本发明公开了一种基于条件欧式聚类的盆栽玉米点云快速分割方法。该方法编写了基于条件欧式聚类的盆栽玉米点云快速分割方法的算法。首先多盆盆栽玉米顶视图经过运动恢复结构(SFM)三维重建生成三维点云数据，然后进行相关点云预处理，将多盆盆栽玉米植株点云过分割成若干部分后，根据盆栽玉米植株点云之间的距离差异，用Point Cloud Library(PCL)设置条件距离阈值将单株玉米快速聚类分割出来。该方法能够在三维空间下，自动快速的聚类分割出目标植株，为后续研究提取相关目标植株性状做好了前提准备，相比传统点云分割技术而言，具备分割效果好、适用性强的技术优势。
-
公开(公告)号：CN109859099A
公开(公告)日：2019-06-07
申请号：CN201910094708.0
申请日：2019-01-22
Applicant: 华中农业大学
Abstract: 本发明公开了一种基于SFM点云深度的盆栽玉米杂草快速去除方法。该方法编写了基于SFM点云深度的盆栽玉米杂草快速去除方法的算法。待分割的混有杂草盆栽玉米图像首先经过运动恢复结构(SFM)三维重建生成三维点云数据，然后进行相关点云预处理，根据盆栽玉米植株和杂草三维点云深度方向的差异，用Point Cloud Library(PCL)设置深度阈值将杂草去除，最后将去除杂草后的三维点云数据进行投影，得到二维去除杂草后的玉米植株图片。该方法能克服目标植株与其它背景因颜色差别不大或者有连通的传统图像处理方法不好分割或者分割效果不好的缺点。可推广运用于所有具有深度差异的前景与背景的分割，相比传统图像处理技术而言，具备分割效果好、适用性强的技术优势。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.015 seconds)
