公开(公告)号：CN118366027A

公开(公告)日：2024-07-19

申请号：CN202410422046.6

申请日：2024-04-09

Applicant: 华南农业大学

Inventor： 齐龙 ,  余江 ,  马锐军 ,  甄文斌 ,  杨金鹏 ,  沈志烨 ,  蔡迎虎 ,  陈苹 ,  梁灵敏 ,  陈豪 ,  陈芷莹 ,  张有柳 ,  杨沄瑾

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/09 ,  A01D46/30

Abstract: 本申请涉及一种茶青分级采摘方法、装置、设备及介质，所述方法包括：获取茶园中的待采摘茶叶图像；基于预训练的茶青目标检测模型对所述待采摘茶叶图像进行目标检测，确定所述待采摘茶叶图像中的茶青目标检测框；基于预训练的茶青采摘点检测模型对所述茶青目标检测框进行关键点检测，确定所述待采摘茶叶图像中茶青的类别以及其相对应茶青坐标信息，所述茶青类别包括单芽茶青、一芽一叶茶青以及一芽两叶茶青的一项或任意多项；采摘机器人根据所述茶青类别以及其相对应茶青坐标信息确定所述单芽茶青、一芽一叶茶青以及一芽两叶茶青相对应的采摘点，以完成茶青的分级采摘。本申请能够提升所采摘的茶青的完整度，并提高了茶青采摘点定位的精度和效率。

公开(公告)号：CN118887289A

公开(公告)日：2024-11-01

申请号：CN202410973345.9

申请日：2024-07-19

Applicant: 华南农业大学

Inventor： 齐龙 ,  余江 ,  马锐军 ,  甄文斌 ,  杨金鹏 ,  沈志烨 ,  蔡迎虎 ,  陈苹 ,  谭敏琪 ,  陈豪 ,  陈芷莹 ,  张有柳

IPC: G06T7/73 ,  G06T7/50 ,  G06T1/00 ,  G06V10/26 ,  G06V10/25 ,  G06V10/40 ,  G06V10/764 ,  G06V10/82 ,  G06V20/56 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08 ,  A01D46/30

Abstract: 本申请涉及多级别英红九号茶青的采摘点定位方法、装置、设备及介质，方法包括：获得待采摘英红九号茶青相对应的目标区域的检测框信息以及掩码信息，将待采摘英红九号茶青相对应的目标区域的检测框信息输入至预训练的英红九号茶青采摘点定位模型，在改进的RegNet主干网络进行特征提取，在上采样模块中生成热力图以指示单芽、一芽一叶和一芽两叶在英红九号茶树图像中的采摘点坐标；基于所述掩码信息获取每一个掩码像素点的深度信息，并通过取其平均值获得该茶青的平均深度信息，基于所述采摘点坐标以及所述平均深度信息指引采摘机器人进行茶青的分等级采摘。本申请能够实现对英红九号茶青的分级别采摘。

公开(公告)号：CN118587596A

公开(公告)日：2024-09-03

申请号：CN202410782157.8

申请日：2024-06-17

Applicant: 华南农业大学

Inventor： 崔金荣 ,  张有柳 ,  李雨霆 ,  何志鹏 ,  谢娅姿

IPC: G06V20/10 ,  G06V10/82 ,  G06V10/764 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种融合CNN和Transformer双重网络的稻田杂草识别方法，包括：S1）：首先使用相机以俯拍或斜拍的方式获取稻田杂草图像，构建杂草图像数据集；S2）：构建融合CNN和Transformer双重网络模型；S3）：将S1）中构建的杂草图像数据集输入到构建的融合CNN和Transformer双重网络模型中进行训练，得到训练好的网络模型权重文件；S4）：将待识别杂草图像输入到训练好的网络模型权重文件中，输出待识别杂草种类。本发明通过CNN网络主要提取局部特征，Transformer网络主要提取全局特征，极大丰富了网络的表征能力，实现双重网络对稻田杂草进行识别，提高杂草识别的精准性。

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

Inventor： 齐龙 ,  陈芷莹 ,  马锐军 ,  叶京棋 ,  杨雨灵 ,  蓝蕴婷 ,  洪丹 ,  代亨珍 ,  陈豪 ,  张有柳 ,  余江 ,  陈俊晓 ,  冯健 ,  张家兴 ,  何继瀚 ,  安尔泰

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：CN118570519A

公开(公告)日：2024-08-30

申请号：CN202410476454.X

申请日：2024-04-19

Applicant: 华南农业大学

Inventor： 齐龙 ,  陈豪 ,  马锐军 ,  何才杰 ,  张有柳 ,  张耀轩 ,  冯博峰 ,  潘甫彬

IPC: G06V10/764 ,  G06V10/26 ,  G06V10/25 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06V20/10

Abstract: 本申请涉及一种稻田禾本科杂草分类去除方法、装置、设备及介质，方法包括：采用预训练的稻田杂草检测模型对待检测水稻秧苗图像进行实例分割，确定待检测水稻秧苗图像中稻田禾本科杂草相对应的目标区域图像；将目标区域图像中的高分辨率细粒度特征图与粗略分割特征相融合确定融合后的特征，对融合后的特征执行逐点预测，确定稻田禾本科杂草相对应的对象掩码；根据对象掩码确定各个稻田禾本科杂草相对应的位置和类别，农药喷洒无人机基于稻田禾本科杂草相对应的类别确定稻田禾本科杂草相对应的农药处方，并喷洒至稻田禾本科杂草相对应的位置，以完成稻田禾本科杂草的分类去除。本申请解决了相似同科杂草识别困难的问题，为后续靶向除草奠定基础。

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

Inventor： 齐龙 ,  陈豪 ,  马锐军 ,  杨雨灵 ,  叶京棋 ,  洪丹 ,  邝俊杰 ,  代亨珍 ,  陈芷莹 ,  张家兴 ,  张有柳 ,  余江

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。