-
公开(公告)号：CN119649190A
公开(公告)日：2025-03-18
申请号：CN202411775977.0
申请日：2024-12-05
Applicant: 华北水利水电大学
IPC: G06V10/82 , G06V10/774 , G06V10/20 , G06V20/60 , G06N3/0464 , G06N3/045 , G06T7/00
Abstract: 本申请属于作物上病虫害识别技术领域，具体涉及一种作物上病虫害识别方法，包括：步骤一、收集病虫害图片；步骤二、对病虫害图片进行预处理；步骤三、利用病虫害图片，对卷积神经网络与胶囊网络组成的多通道网络模型，进行训练，得到病虫害识别模型；步骤四、采集作物图片，以病虫害识别模型，进行病虫害识别。通过收集病虫害图片，对病虫害图片进行预处理后，用于对卷积神经网络与胶囊网络组成的多通道网络模型进行训练，得到病虫害识别模型，进而能够用于对作物图片，进行病虫害识别，得到作物上是否存在病虫害，能够在大范围内及时发现识别出作物上的病虫害，对病虫害进行治理，避免对作物生长造成严重影响。
-
公开(公告)号：CN119723381A
公开(公告)日：2025-03-28
申请号：CN202411775976.6
申请日：2024-12-05
Applicant: 华北水利水电大学
IPC: G06V20/17 , G06T5/70 , G06T5/73 , G06T7/11 , G06T7/13 , G06V10/774 , G06V10/82 , G06V10/764
Abstract: 本申请属于作物上病虫害识别技术领域，具体涉及一种作物上病虫害实时识别系统，包括图像采集器、监控器；图像采集器用以实时采集病虫害图片；监控器具有控制模块、病虫害图片收集存储模块、病虫害图片预处理模块、病虫害识别模型构建模块、病虫害实时识别模块；病虫害图片收集存储模块用以收集、存储病虫害图片；病虫害图片预处理模块用以对病虫害图片进行预处理；病虫害识别模型构建模块用以利用病虫害图片，对卷积神经网络与胶囊网络组成的多通道网络模型，进行训练，得到病虫害识别模型；病虫害实时识别模块，用以以病虫害识别模型，对实时采集的作物图片进行病虫害识别。
-
公开(公告)号：CN119516370A
公开(公告)日：2025-02-25
申请号：CN202411566530.2
申请日：2024-11-05
Applicant: 华北水利水电大学
Abstract: 本申请属于土壤含水率监测技术领域，具体涉及一种基于作物图像多特征融合的土壤含水率监测方法，包括：步骤一、采集作物各个生长阶段的图像；步骤二、自作物各个生长阶段的图像中，提取作物图像的多特征，包括颜色特征、形态特征、纹理特征；步骤三、对作物各个生长阶段作物图像的多特征进行融合，得到作物图像的融合多特征；步骤四、检测作物各个生长阶段不同深度的土壤含水率；步骤五、利用神经网络构建作物各个生长阶段不同深度的土壤含水率计算模型；步骤六、采集作物的图像，提取作物图像的多特征，进行融合，得到作物图像的融合多特征，利用对应生长阶段相应深度的土壤含水率计算模型，得到土壤含水率。
-
公开(公告)号：CN119444474A
公开(公告)日：2025-02-14
申请号：CN202411566522.8
申请日：2024-11-05
Applicant: 华北水利水电大学
Abstract: 本申请属于作物生长监控集成装置领域，具体涉及一种作物生长监控集成系统，设计以土壤水热盐传感器、土壤氮元素传感器、气象监测设备、地面红外相机、无人机搭载的成像光谱仪实时采集作物种植区域相关信息，集中在综合监控器进行存储、显示，能够高效的在大范围内全面的获取浇水、施肥以及虫害治理等决策需要的数据信息，支持及时的做出浇水、施肥以及虫害治理等合理的决策，对作物进行救助，避免发生严重影响作物生长的情形。
-
公开(公告)号：CN119762961A
公开(公告)日：2025-04-04
申请号：CN202411606114.0
申请日：2024-11-12
Applicant: 华北水利水电大学
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/24 , G06V10/776 , G06V10/40 , G06V10/80 , G06V10/22 , G06T7/62 , G06V10/764 , G06V10/25
Abstract: 本申请属于作物种植区域杂草实时识别系统技术领域，具体涉及一种作物种植区域杂草实时识别系统，包括图像采集器、监控器；图像采集器用以实时采集作物种植区域图片；监控器具有杂草图形收集存储模块、杂草图形数据增强处理模块、杂草图形识别模型构建模块、作物种植区域图片识别模块；杂草图形收集存储模块用以收集存储杂草图片；杂草图形数据增强处理模块用以对杂草图片进行数据增强处理；杂草图形识别模型构建模块用以利用杂草图片，对YOLO v5算法进行训练，得到杂草识别模型；作物种植区域图片识别模块用以利用杂草识别模型，对作物种植区域图片，进行杂草识别。
-
Patent Agency Ranking
公开(公告)号：CN110458335A
公开(公告)日：2019-11-15
申请号：CN201910666927.1
申请日：2019-07-23
Applicant: 华北水利水电大学
Abstract: 本发明公开了一种基于动态干旱预测的适应性节水灌溉方法,以土壤含水率为指标建立灌区动态干旱等级评价方法，基于水量平衡构建土壤墒情实时预测模型，基于短期天气预报，判断未来预报时段内干旱等级；根据预判的干旱等级进一步确定作物灌水阈值；构建作物实时灌溉预报模型，对预报期内灌水量逐日预报。本发明基于作物水分亏缺补偿效应理论，充分考虑未来时段旱情状况创新性的提出了作物适应性灌溉阈值，及适应性节水灌溉预报方法，新方法改进了作物生育期内取单一灌溉阈值的不足，搭建了作物灌水与旱情的有机联系，有效的提高了田间水分利用效率，降低了作物旱灾风险，对保障国家粮食安全，发展高效节水农业具有重要意义。
-
公开(公告)号：CN110428158A
公开(公告)日：2019-11-08
申请号：CN201910665479.3
申请日：2019-07-23
Applicant: 华北水利水电大学
Abstract: 本发明涉及一种文化遗产评价指标体系构建方法，该方法充分考虑了水文化遗产的社会价值和经济价值造成的影响,从遗产的资源、价值、保护利用、管理和特殊类指标五个宏观维度出发,构建了第一层级评价体系,再分别从第一层级指标体系构建微观指标作为第二层级指标体系,最后根据第二层级指标确定评价等级,最终建立了全面反映水文化遗产保护系统综合性能的综合评价指标体系,为保证水文化遗产保护的优化原则的合理性和科学性提供评价标准,对对水文化遗产的科学保护、合理开发、永续利用和可持续发展等都有着重要的现实指导意义。
-
公开(公告)号：CN119810652A
公开(公告)日：2025-04-11
申请号：CN202411868022.X
申请日：2024-12-18
Applicant: 华北水利水电大学
IPC: G06V20/10 , G06V20/70 , G06V20/17 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/26 , G06N3/0464 , G06N3/045
Abstract: 提供一种基于作物卷曲程度的干旱等级判别方法，通过采集作物不同生长阶段遭受不同干旱等级的图像，进行预处理后，作为输入对Mask R‑CNN模型进行训练，得到基于叶片卷圈度的作物不同生长阶段干旱等级判别模型，进而可通过实时采集作物图像，进行预处理，利用基于叶片卷圈度的作物不同生长阶段干旱等级判别模型，进行干旱等级判别，得出作物的干旱等级，能够在大范围内及时、准确的判别作物干旱等级的变化，防止错失救助时机，避免发生严重影响作物生长的情形。
-
公开(公告)号：CN119810651A
公开(公告)日：2025-04-11
申请号：CN202411868017.9
申请日：2024-12-18
Applicant: 华北水利水电大学
IPC: G06V20/10 , G06V20/70 , G06V20/17 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/26 , G06N3/0464 , G06N3/045
Abstract: 本申请属于作物干旱等级判别技术领域，具体涉及一种作物干旱等级的实时判别系统，通过采集作物不同生长阶段遭受不同干旱等级的图像，进行预处理后，作为输入对Mask R‑CNN模型进行训练，得到基于叶片卷圈度的作物不同生长阶段干旱等级判别模型，进而可通过实时采集作物图像，进行预处理，利用基于叶片卷圈度的作物不同生长阶段干旱等级判别模型，进行干旱等级判别，得作物的干旱等级，能够在大范围内及时、准确的判别作物干旱等级的变化，防止错失救助时机，避免发生严重影响作物生长的情形。
-
公开(公告)号：CN119516380A
公开(公告)日：2025-02-25
申请号：CN202411606115.5
申请日：2024-11-12
Applicant: 华北水利水电大学
IPC: G06V20/10 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/776 , G06V10/764 , G06V10/24 , G06V10/40 , G06V10/80 , G06V10/22 , G06T7/62
Abstract: 本申请属于作物种植区域杂草识别方法技术领域，具体涉及一种作物种植区域杂草识别方法，包括：步骤一、收集杂草图片；步骤二、对杂草图片进行数据增强处理；步骤三、利用杂草图片，对YOLO v5算法进行训练，得到杂草识别模型；步骤四、采集作物种植区域图片，利用杂草识别模型，进行杂草识别。通过收集杂草图片，对杂草图片进行数据增强处理后，对YOLO v5算法进行训练，得到杂草识别模型，进而能够以杂草识别模型，对作物种植区域图片，进行杂草识别，得到作物种植区域是否长出杂草，能够在大范围内及时发现识别出作物种植区域长出的杂草，对作物种植区域长出的杂草进行清除，避免对作物生长造成严重影响。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.035 seconds)
