-
公开(公告)号：CN117232523A
公开(公告)日：2023-12-15
申请号：CN202311185631.0
申请日：2023-09-13
Applicant: 华南农业大学
IPC: G01C21/20 , G01S17/88 , G06V20/56 , G06V20/64 , G06V10/25 , G06V10/30 , G06V10/36 , G06V10/762 , G06Q50/02 , G06V10/82 , G06V10/96
Abstract: 本申请涉及果园机器人导航线规划方法、装置、设备及介质，方法包括：获取果园周围目标物体相对应的点云数据，基于高斯滤波算法以及直通滤波算法对目标物体的点云数据进行滤波处理，确定果树的点云数据；将果树的点云数据投影至二维平面，基于聚类算法对果树的二维点云数据进行聚类，确定果树的点云数据聚类簇，将各个点云数据聚类簇的平均值作为各个果树的坐标；基于树列划分算法对各个果树的坐标进行划分，确定果树树列中各个果树的坐标；基于最小二乘法对果树树列中各个果树相对应的坐标进行拟合处理，确定果树树列相对应的拟合线，根据所述激光雷达两侧果树树列相对应的拟合线确定导航线。本申请能够大大提高果园机器人的导航线规划精度。
-
公开(公告)号：CN114689038A
公开(公告)日：2022-07-01
申请号：CN202210378912.7
申请日：2022-04-12
Applicant: 华南农业大学
IPC: G01C21/00 , G01C21/20 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/82 , B25J11/00 , B25J9/16
Abstract: 本发明公开了一种基于机器视觉的果实检测定位与果园地图构建方法，该方法利用采用搭载有RGBD相机的移动机器人实现水果果实目标检测、计数以及采摘定位，同时将视觉里程计信息以及激光雷达的点云信息数据进行融合，采用非线性优化方法实现用于果园环境中的SLAM建图与定位；之后基于多线程编程方法将两个线程融合，从而实现应用于实际果园环境中的移动机器人实时果实检测定位与全局建图与自定位，并基于构建完成的果园语义地图实现移动机器人在果园中的全局路径规划功能。依靠该方法能够实现智能化果园巡航、智能化果园产量预估以及采摘机器人果园环境感知等应用领域，能够较好地助力传统果园种植产业向自动化、智能化方向转型升级。
-
公开(公告)号：CN114463741A
公开(公告)日：2022-05-10
申请号：CN202210108805.2
申请日：2022-01-28
Applicant: 华南农业大学
IPC: G06V20/68 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明针对现有技术的局限性，提出了一种基于深度学习的荔枝病虫害识别方法。该方法运用了深度学习训练的结果，能够自动识别多种荔枝病虫害，解决传统人工识别病虫害方法效率低下、识别效果不佳等问题；方案中使用的荔枝病虫害识别模型在轻量型卷积神经网络ShuffleNetV2的基础上引入了注意力机制SimAM、使用了激活函数Hardswish，并在全连接层中采用了Dropout正则化方法；该荔枝病虫害识别模型不仅能够有效提取重要特征，抑制非重要特征的干扰，提高网络分类识别性能，而且不额外增加网络模型参数数量，降低了模型的存储和计算开销。
-
公开(公告)号：CN119516195A
公开(公告)日：2025-02-25
申请号：CN202411650990.3
申请日：2024-11-19
Applicant: 华南农业大学
IPC: G06V10/26 , G06V10/74 , G06V10/764 , G06V10/82 , G06V20/17 , G06V20/10 , G06T17/00 , G06T15/00 , G06N3/04 , G06N3/08
Abstract: 本发明涉及农业信息化技术领域，具体为基于神经辐射场的果园三维重建与果树语义分割方法，包括以下步骤：利用无人机对果园进行多视角拍摄，获取用于三维重建的原始图像数据集；对所述原始图像数据集进行预处理，包括相机位姿估计与去畸变、图像下采样、单目深度估计及语义标注，生成适用于神经辐射场网络训练的RGB图像、深度图和语义图的图像数据。本发明在处理大规模户外环境，尤其是复杂光照条件和地形多变的情况下，通过优化的无人机多视角重建、改进的NeRF算法以及引入的语义场，使得本发明在面对大规模果园场景时，能够克服传统方法的局限性，实现更加快速、精细和准确的三维重建。
-
公开(公告)号：CN114463738B
公开(公告)日：2024-11-22
申请号：CN202111585183.4
申请日：2021-12-22
Applicant: 华南农业大学
IPC: G06V20/68 , G06V20/52 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明针对现有技术的局限性，提出了一种基于深度学习的常见农作物多类别虫害识别方法，其对深度学习模型DenseNet卷积神经网络进行了改进，通过集成学习结合了选择性内核单元、表征批规范化模块以及自适应激活函数ACON，使该卷积神经网络能够根据网络的输入，自适应调整感受野的大小，捕捉不同尺寸的目标；减少输入信息的噪声，增强输入信息的特征，让特征服从稳定的分布；还增强了网络的综合表现；使得DenseNet卷积神经网络能够有效处理多农作物品种、多虫害类型的数据集，提高了训练后所得虫害识别模型对农作物虫害的识别率，在实际应用过程中能很好的满足真实环境的要求。
-
Patent Agency Ranking
公开(公告)号：CN114708538B
公开(公告)日：2024-07-26
申请号：CN202210379365.4
申请日：2022-04-12
Applicant: 华南农业大学
IPC: G06V20/40 , G06V20/17 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/084 , G06N3/096 , G06N3/045 , G06T7/73
Abstract: 本发明公开了一种基于无人机的红火蚁蚁巢检测定位方法，包括：构建红火蚁蚁巢数据集；搭建特征提取网络，所述特征提取网络采用改进后的SSD网络；将特征提取网络连接特征强化网络，构建SSD‑特征强化网络；利用红火蚁蚁巢数据集，对SSD‑特征强化网络架构采用迁移学习的方法进行训练，得到训练好的红火蚁蚁巢检测模型；将整个红火蚁蚁巢检测模型移植到无人机内部，无人机在预设的飞行高度飞行时获取实时视频流，截取视频流中每帧图像，利用红火蚁蚁巢检测模型对每帧图像进行红火蚁蚁巢检测，输出红火蚁蚁巢位置信息和分布图。本方法能高效、准确地检测出红火蚁蚁巢，提高野外勘探效率，实现蚁巢检测的智能化。
-
公开(公告)号：CN117854710A
公开(公告)日：2024-04-09
申请号：CN202410053293.3
申请日：2024-01-15
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于深度学习的糖尿病视网膜病变分级辅助诊断方法，包括以下步骤：S1、数据获取：采集彩色眼底图像数据集样本；S2、数据处理：对图像数据采用降采样和数据增强方法对图像数据集样本进行调整；S3、模型搭建：进行模型搭建，利用软阈值改进SE注意力机制构成特征选择和增强模块，并在网络中部引入极化自注意力机制。本发明通过在模型搭建中应用软阈值增强网络模型对病灶特征的提取能力，同时在网络中部引入极化自注意力模块来提高网络对于细粒度病灶特征的提取能力，并在模型训练中，采用伪标签的半监督学习方法，提高模型的泛化能力，为医生的诊断决策提供理论依据，并在医学图像处理等领域具有广泛的应用前景。
-
公开(公告)号：CN113159060B
公开(公告)日：2023-04-28
申请号：CN202110199295.X
申请日：2021-02-23
Applicant: 华南农业大学
IPC: G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种农作物虫害检测方法及系统，该方法包括：S1，采集并处理待检测农作物虫害图像；S2，对待检测农作物虫害图像进行特征提取，提取到虫害的特征参数，根据虫害的特征参数获得分类特征；S3，将分类特征输入已训练好的深度学习检测模型，深度学习检测模型识别出虫害的类别；S4，判断虫害的类别是否满足预设报警类别；若是，则执行步骤S5；S5，发出警报，并输出虫害的名称和对应的防治措施。本发明可准确对农作物虫害进行识别检测，并给出相应的虫害防治措施，有效控制虫害对农作物的破坏，从而提高农产品的产量。
-
公开(公告)号：CN112507770A
公开(公告)日：2021-03-16
申请号：CN202010811336.1
申请日：2020-08-13
Applicant: 华南农业大学
Abstract: 本发明提供了一种水稻病虫害识别方法和系统，该方法包括：S1，采集稻田中的待识别水稻病虫害图像；S2，调用已训练好的深度学习识别模型对待识别水稻病虫害图像进行识别，并输出识别结果；S3，根据识别结果判断待识别水稻是否存在病虫害，若是，则发出报警提示，并输出病虫害的名称和对应的防治措施。本发明可准确对水稻病虫害进行识别，并给出相应的病虫害防治措施，有效控制水稻病虫害对水稻产量和质量的影响，减少农产品的经济损失。
-
公开(公告)号：CN119540766A
公开(公告)日：2025-02-28
申请号：CN202411651010.1
申请日：2024-11-19
Applicant: 华南农业大学
IPC: G06V20/10 , G06V20/68 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06V10/766 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及自动化农业技术领域，具体为一种基于改进YOLOv8的采摘机器人荔枝图像检测方法，在荔枝果园中采集荔枝图像数据，构建包含荔枝果实和采摘点标注信息的果园荔枝数据集；训练通过iSE架构、GELAN模块和RFAHead检测头模块对YOLOv8‑pose模型改进形成的YOLOv8‑iGR模型，实现荔枝果实和采摘点的同步识别。本发明通过提出iSE架构，结合GELEN和RFAHead检测头模块，对YOLOv8‑pose模型进行改进形成YOLOv8‑iGR模型，实现了荔枝果实与采摘点的同步识别，显著提升了荔枝果实与采摘点的同步检测精度和效率，从而解决了多步操作检测速度慢、难以应对复杂多变环境的问题。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.029 seconds)
