-
公开(公告)号：CN116977960A
公开(公告)日：2023-10-31
申请号：CN202310809922.6
申请日：2023-07-04
Applicant: 华南农业大学
IPC: G06V20/56 , G06V10/762 , G06V10/764 , G06V10/30 , G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于实例分割的水稻秧苗行检测方法，包括以下步骤：首先获取水稻秧苗田间图像；接着使用深度卷积神经网络模型对水稻秧苗行进行语义分割和图像嵌入；随后使用图像嵌入的结果将语义分割后的目标区域的像素进行聚类，得到实例分割图；最后对实例分割图中的每条水稻秧苗行的像素进行线性回归，得到区分开的水稻秧苗行线。本发明的水稻秧苗行检测方法基于一整条水稻秧苗行，从摄像头视野的全局出发，避免缺苗部分造成的影响，同时也减少了局部噪声如杂草、离群水稻等对水稻秧苗行拟合的影响，使得最终得到的水稻秧苗行的检测精度更高，算法的鲁棒性更强。
-
公开(公告)号：CN117274793A
公开(公告)日：2023-12-22
申请号：CN202311044553.2
申请日：2023-08-18
Applicant: 华南农业大学
IPC: G06V20/10 , G06V20/70 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06N3/096 , G06N3/084 , G06N3/0985
Abstract: 本申请涉及一种稻田杂草检测方法、装置、设备及介质，所述方法包括：基于卷积神经网络提取图像特征，并采用Transformer编码器学习全局和上下文相关的特征表示，通过半监督学习的方式使用带标签数据和生成的伪标签数据进行训练，提高模型的性能。同时，Transformer模型能够捕捉图像中的长程依赖关系，从而更好地分割出水稻和杂草。通过引入半监督学习分割算法与并行CNN‑Transformer架构,对稻田杂草进行图像分类和语义分割，可利用少量标记数据解决未标记数据的全局学习能力与类级特征。本申请能够解决人工标注工作量大、Transformer算法在小样本杂草数据集上表现不佳,计算量大的问题，具有鲁棒性强、准确率高、效率高的优点。
-
公开(公告)号：CN219947301U
公开(公告)日：2023-11-03
申请号：CN202321089893.2
申请日：2023-05-09
Applicant: 华南农业大学
IPC: B29C64/321 , B33Y40/00
Abstract: 本实用新型公开了一种防断料的3D打印机供料机构，包括外框，所述外框的内部活动连接有移动架，所述移动架的底端活动连接有打印头，所述外框的一侧设有走线组件，所述走线组件包括固定连接于所述外框一侧的侧板，所述侧板的顶端固定连接支板，所述支板的内部活动连接有第一导辊，所述支板的两侧对称固定连接有夹板，两组所述夹板之间转动连接有第二导辊，本实用新型涉及3D打印机技术领域；该防断料的3D打印机供料机构，通过第一导辊与第二导辊对条状的原料进行夹持，同时传递辊对条状原料进行限位，防止打印头在移动时，条状原料散乱相互缠绕，进而避免打印头在移动时，条状原料受到拉扯断裂，导致打印机出现中断的现象。
-
-
-
Search Results
4
records
(took 0.017 seconds)
