公开(公告)号：CN114359644A

公开(公告)日：2022-04-15

申请号：CN202111583032.5

申请日：2021-12-22

Applicant: 华南农业大学

Inventor： 陈梓明 ,  田绪红 ,  古万荣 ,  毛宜军 ,  卢泽伦 ,  何亦琛 ,  柯海萍 ,  何浩明

IPC: G06V10/771 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进VGG‑16网络的农作物病虫害识别方法，包括：S1、获取农作物病虫害图像数据，并按照不同的农作物病虫害进行分类；S2、将农作物病虫害图像数据中的图像输入到改进VGG‑16网络进行参数训练；S3、参数训练完成后，得到一个能够对图像中的农作物病虫害进行识别的最优网络，最终通过该最优网络即可对任意输入的图像中的农作物病虫害进行自动识别。本发明突破原有技术准确率较低、缺乏鲁棒性和自适应能力差等问题，鲁棒性更强，识别率更高，网络参数更少，自适应能力更强，识别速度更快，对图像中的农作物病虫害识别更加准确。

公开(公告)号：CN113888252B

公开(公告)日：2025-01-10

申请号：CN202111003703.6

申请日：2021-08-30

Applicant: 华南农业大学

Inventor： 卢泽伦 ,  古万荣 ,  毛宜军 ,  梁早清 ,  陈梓明 ,  朱奕鑫 ,  何浩明 ,  熊懿 ,  郭美萍

IPC: G06Q30/0601

Abstract: 本发明公开了一种基于用户对食品安全等级评分值和食品相似度的推荐方法，包括步骤：1)获取用户对食品的评分数据；2)计算出每一条评分数据的评分权重。3)将评分数据和评分权重输入到机器学习模型中进行参数训练。4)参数训练完成后，得到一个食品相似度矩阵，最终通过用户的评分数据和食品相似度矩阵计算并生成用户的食品推荐列表，实现将食品推荐给用户。本发明在训练出一个机器学习模型的同时结合使用了基于邻域的协同过滤方法，从用户对食品的评分数据中学习出食品的相似度矩阵，考虑评分数据时间顺序的同时将稀疏性引入相似度矩阵，使其能够有效地生成推荐。

公开(公告)号：CN114359644B

公开(公告)日：2024-04-16

申请号：CN202111583032.5

申请日：2021-12-22

Applicant: 华南农业大学

Inventor： 陈梓明 ,  田绪红 ,  古万荣 ,  毛宜军 ,  卢泽伦 ,  何亦琛 ,  柯海萍 ,  何浩明

IPC: G06V10/771 ,  G06V20/10 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06V10/44

Abstract: 本发明公开了一种基于改进VGG‑16网络的农作物病虫害识别方法，包括：S1、获取农作物病虫害图像数据，并按照不同的农作物病虫害进行分类；S2、将农作物病虫害图像数据中的图像输入到改进VGG‑16网络进行参数训练；S3、参数训练完成后，得到一个能够对图像中的农作物病虫害进行识别的最优网络，最终通过该最优网络即可对任意输入的图像中的农作物病虫害进行自动识别。本发明突破原有技术准确率较低、缺乏鲁棒性和自适应能力差等问题，鲁棒性更强，识别率更高，网络参数更少，自适应能力更强，识别速度更快，对图像中的农作物病虫害识别更加准确。

公开(公告)号：CN113888252A

公开(公告)日：2022-01-04

申请号：CN202111003703.6

申请日：2021-08-30

Applicant: 华南农业大学

Inventor： 卢泽伦 ,  古万荣 ,  毛宜军 ,  梁早清 ,  陈梓明 ,  朱奕鑫 ,  何浩明 ,  熊懿 ,  郭美萍

IPC: G06Q30/06

Abstract: 本发明公开了一种基于用户对食品安全等级评分值和食品相似度的推荐方法，包括步骤：1)获取用户对食品的评分数据；2)计算出每一条评分数据的评分权重。3)将评分数据和评分权重输入到机器学习模型中进行参数训练。4)参数训练完成后，得到一个食品相似度矩阵，最终通过用户的评分数据和食品相似度矩阵计算并生成用户的食品推荐列表，实现将食品推荐给用户。本发明在训练出一个机器学习模型的同时结合使用了基于邻域的协同过滤方法，从用户对食品的评分数据中学习出食品的相似度矩阵，考虑评分数据时间顺序的同时将稀疏性引入相似度矩阵，使其能够有效地生成推荐。

公开(公告)号：CN115438876A

公开(公告)日：2022-12-06

申请号：CN202211238632.2

申请日：2022-10-11

Applicant: 华南农业大学

Inventor： 何浩明 ,  古万荣 ,  毛宜军 ,  柯海萍 ,  卢泽伦 ,  陈梓明 ,  何亦琛

IPC: G06Q10/04 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于特征选择与交互模型的点击率预测方法，包括以下步骤：1)构建特征选择与交互模型，所述特征选择与交互模型包括：稀疏输入层、嵌入层、SENET层、双线性交互层、组合层、多隐藏层和输出层；2)将特征向量输入到特征选择与交互模型中，特征选择与交互模型最终输出点击率预测得分；本发明的SENET层可以动态学习特征的重要性，提高了重要特征的权重，并抑制了不重要特征的权重；同时引入了三种类型的双线性交互层来学习特征交互，使特征间的交互更加充分，优化点击率预测。