-
公开(公告)号：CN119693636A
公开(公告)日：2025-03-25
申请号：CN202411481211.1
申请日：2024-10-23
Applicant: 华南农业大学
IPC: G06V10/26 , G06V10/766 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/098
Abstract: 本发明公开了一种基于深度学习的根毛分割方法、系统及设备，方法包括：识别图像中的根毛主干信息；将若干个独立的子区域patch进行图像预处理；将patch输入到CAE模块中，学习根毛的外观特征；将CAE模块处理后的图像输入根毛实例分割模型中对根毛进行检测分割；利用预设的深度估计模块预测根毛的深度，通过分析图像中的深度信息，生成精确的深度图，使得在进行图像分割时，准确区分和处理前后重叠的根毛；保留边界框内存在设定范围内检测分割结果；记录根毛分割结果和根毛在该区域的密度。本发明利用深度估计的方法提取重叠根毛的深度，将获得到的深度信息作为特征加入MP‑Former的编码器中，让模型在分割时充分学习到根毛的特征，提高对重叠根毛分割的准确性。
-
公开(公告)号：CN118865226A
公开(公告)日：2024-10-29
申请号：CN202410785667.0
申请日：2024-06-18
Applicant: 温氏食品集团股份有限公司 , 华南农业大学
Abstract: 本发明公开了一种基于深度学习算法的人车猪闯入监控方法、系统及设备，包括：利用获取的报警图像构建摄像头数据库；利用改进的CenterNet目标检测模型对报警图像进行人、车辆、猪只的检测，得到已标识的图像；改进的CenterNet目标检测模型检测出人、车辆、猪只后将对应的图片发送到业务端的判别模块中；判别结果会储存到对应的摄像头数据库中；基于持续学习的原始样本重播方法和梯度情景记忆方法，对新场景报警图像进行模型训练，从而减轻遗忘。本发明在使用检测模型时，在保证单帧图像目标检测的准确性与实时性的同时，加入了特征金字塔结构、中心池化结构和级联角点池化结构，增强了模型对特征的能力，提高了闯入特定镜头场景行为判别的稳定性。
-
公开(公告)号：CN118823824A
公开(公告)日：2024-10-22
申请号：CN202410773697.X
申请日：2024-06-17
Applicant: 华南农业大学 , 温氏食品集团股份有限公司
IPC: G06V40/10 , G06V20/40 , G06V20/52 , G06V10/20 , G06V10/25 , G06V10/82 , G06T7/246 , G06T7/254 , G06T7/73
Abstract: 本发明公开了一种基于深度学习的猪场老鼠检测方法、系统、设备及介质，方法包括：对待检测区域的视频进行抽帧处理；对图像帧集合进行图像预处理；将预处理后的当前帧输入老鼠检测模型中，学习老鼠的外观；所述老鼠检测模型使用改进的RT‑DETR检测模型得到；将帧差法得到的二值化图像中值为255的像素作为运动像素，保留相应的检测结果；记录老鼠检测结果，利用每帧检测后记录的老鼠数量进行加权求和得到老鼠出现时长，以计算待检测区域的老鼠活跃指标。本发明通过添加帧差先验分支，将帧差法得到的二值化图加入RT‑DETR算法的解码部分，并在保留检测结果时设置双阈值，让模型在检测中更聚焦于运动区域，从而提高对体积小、运动快的老鼠的检测成功率。
-
公开(公告)号：CN117541784A
公开(公告)日：2024-02-09
申请号：CN202311279962.0
申请日：2023-10-07
Applicant: 华南农业大学
IPC: G06V10/26 , G06V10/42 , G06V10/774 , G06V10/82 , G06V10/764 , G06V20/40
Abstract: 本发明公开了一种基于高斯注意力和自适应聚焦的单目标跟踪方法及装置，方法包括：对数据集进行裁剪操作并生成训练集；提取训练集的搜索图像特征和模板图像特征；构建并利用训练集训练高斯Transformer，具体地，从搜索图像特征中建立稀疏注意力，获取搜索图像中最相关的区域，然后利用高斯注意力增强模板图像特征，获得模板图像中核心的特征信息，最后利用自适应聚焦模块进行特征的目标聚焦；最终，利用双头预测器实现单目标跟踪。本发明利用高斯注意力解决了自注意力捕捉图像中元素位置关系的问题，同时在自适应聚焦模块中引入前一帧中目标的形状和位置信息，增加目标与相似物体的对比度，使目标特征更加突出，以实现鲁棒且精准的目标跟踪。
-
Patent Agency Ranking
公开(公告)号：CN116645535A
公开(公告)日：2023-08-25
申请号：CN202310470637.6
申请日：2023-04-27
Applicant: 华南农业大学
IPC: G06V10/762 , G06V10/26 , G06V10/426 , G06V10/44 , G06V10/46 , G06V10/75 , G06V10/74 , G06V10/82 , G06V10/80
Abstract: 本发明公开了一种基于超图学习的图案元素分组方法及装置，方法包括：对图案进行预处理操作，获取图案中元素的图像分割结果；提取图案元素的格式塔规则特征，包括相似性、邻近性、连续性和混合式特征；使用超图建模图案元素之间基于不同格式塔规则的相关性；设计自适应的超图融合方法，获得融合多种格式塔规则的超图；使用基于超图学习和用户引导的标签传播方法，来获得图案的分组结果。本发明提出格式塔分组规则在图案元素上的表示，同时根据不同分组规则，利用超图建模图案元素之间的连接关系，并使用超图进行统一表示，实现格式塔规则的融合，有效地解决格式塔规则冲突的问题，并实现根据用户的分组意图来对图案元素进行个性化分组。
-
公开(公告)号：CN119672053A
公开(公告)日：2025-03-21
申请号：CN202411586544.0
申请日：2024-11-08
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于区域增长算法的户型图凹凸角判定方法及装置，方法包括：利用霍夫直线检测对外轮廓掩码图做重建填充；计算重建掩码的最大内接矩形坐标，利用霍夫直线检测提取重建掩码的水平和垂直直线信息；以当前最大内接矩形作为初始主体区域和初始检测区域，从检测区域正上方开始以逆时针循环对检测区域周围到最近直线之间的判别块进行扫描，若判别块满足凸角的条件则记录该区域坐标并扩展检测区域，若判别块满足凹角的条件则记录判别块的补角坐标并扩展主体区域和检测区域，直至检测区域四周没有最近直线。本发明基于区域增长算法，从当前区域出发扫描四周寻找满足条件的判别块并扩展主体，可以准确且快速的提取户型图的凹凸角。
-
公开(公告)号：CN118870036A
公开(公告)日：2024-10-29
申请号：CN202410773695.0
申请日：2024-06-17
Applicant: 华南农业大学 , 温氏食品集团股份有限公司
IPC: H04N21/218 , H04N21/231 , H04N21/239 , H04N7/18 , G06V10/94 , G06V20/52 , G06F9/50
Abstract: 本发明公开了一种闯入目标检测的数据中心高吞吐部署方法及系统，方法包括：摄像头采集图像，将经过监控主机内置算法筛选的图像上传至云存储服务器；云存储服务器将该批图像与其对应的摄像头序列号进行存储，生成存储数据地址，将接收图像数据的描述信息发送至业务服务器；业务服务器设定好不同摄像头所需进行的不同类别的目标检测，生成请求信息后发送给算法服务器；算法服务器获取业务服务器的请求后，解析出目标检测类别与图像数据地址，再根据空闲计算资源创建目标检测算法实例，最终将运行结果整合后返回给业务服务器。本发明可以减少目标检测算法部署系统整体的计算复杂度，有效提高了目标检测算法部署在数据中心的吞吐量。
-
公开(公告)号：CN116645498A
公开(公告)日：2023-08-25
申请号：CN202310372669.2
申请日：2023-04-10
Applicant: 华南农业大学
IPC: G06V10/22 , G06V10/762 , G06V10/80 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于深度学习的柑橘类果实采摘定位方法、系统及设备，包括：利用目标检测模型对摄像头拍摄的场景进行果实检测；基于果实检测结果对拍摄场景进行近景、远景场景的判定；对远景场景的果实进行聚类算法，实现镜头由远景场景向近景场景的转换；利用先验法，获取果实与枝条的相对位置；对近景场景内与果实相连接的枝条通过改进的实例分割算法进行分割；根据果实检测结果、果实与枝条的相对位置和枝条分割结果，通过采摘点定位算法，得到果实采摘点的坐标，并控制机械臂完成果实的自动化采摘。本发明通过添加图像亮度、果叶长势先验改进SparseInst算法的IAM部分，让聚合实例特征的位置准确聚焦于目标枝条，提高分割算法的准确性与实时性。
-
公开(公告)号：CN116597195A
公开(公告)日：2023-08-15
申请号：CN202310372198.5
申请日：2023-04-10
Applicant: 华南农业大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种高准确率的果实产量估算方法、系统及设备，包括：S1、采集果实种植区域中的远景图像以及同一区域的近景图像，并将所述远景图像和近景图像进行图像数据扩充，以扩增图像数据的数量和多样性；S2、将所述远景图像和近景图像输入至预先设立的产量估算网络模型中，学习远景图像和近景图像的信息关联性，得到果实的产量估算值；所述产量估算模型是使用改进的YOLOv5检测模型；S3、将所述果实的产量估算值输入到预先设立的专家系统中进行修正，得到精确的产量估算结果。本发明通过从远近景产量估算结合的角度入手，考虑到局部产量和全局产量存在的联系，通过学习其中的关联性来提高了产量预估的准确性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
