-
公开(公告)号：CN118864763B
公开(公告)日：2025-05-09
申请号：CN202410876012.4
申请日：2024-07-02
Applicant: 华南农业大学
IPC: G06T17/20 , G06T15/04 , G06V20/64 , G06V10/44 , G06V10/764
Abstract: 本发明公开了一种基于三维网络数据库的植物叶片三维建模方法及系统，包括：利用改进的VMamba模型，从输入的二维图片中准确识别；基于上述分类信息，和构建的丰富叶片三维模型库，找出所需形变的网格模型；通过改进的LiteHRNet模型求出网格模型主叶脉关键点，同时使用SAM模型分割出轮廓特征，获得出网格模型轮廓特征关键点；对比主叶脉和轮廓特征，将网格模型进行形变，进而生成叶片三维网格模型。本发明通过精准提取叶片的主叶脉和轮廓特征，显著增强了单张图像在捕捉和表达植物几何属性方面的能力；不仅能够精准地进行三维建模，还有效解决了传统基于图像的三维重建技术中多视角图像带来的问题，显著提高用户体验。
-
公开(公告)号：CN118761037B
公开(公告)日：2025-01-14
申请号：CN202411245887.0
申请日：2024-09-06
Applicant: 华南农业大学
IPC: G06F18/25 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0455 , G06Q50/02 , G06T17/00
Abstract: 本发明公开了一种基于多源信息耦合的作物种子活力预测方法及系统，包括：利用光谱相机获取种子的光谱数据，提取种子的外观表型数据、生化参数、环境数据及实时动态3D表型数据，生成种子的多源数据；将多源数据划分为静态数据及动态数据，在种子活力预测模型中对输入数据进行嵌入编码，引入双通道注意力对所述静态数据向量及动态数据向量进行融合学习，获取融合向量；通过全连接层获取种子的发芽率及成苗率预测结果，综合分析获取种子活力。本发明将多源信息融合和双通道注意力机制的种子活力预测模型集成于种子活力预测系统，实现对种子活力的高效、精准预测，为农业生产提供科学依据。
-
公开(公告)号：CN119152014A
公开(公告)日：2024-12-17
申请号：CN202411188087.X
申请日：2024-08-28
Applicant: 华南农业大学
IPC: G06T7/62 , G06Q50/02 , G06T17/00 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本申请涉及一种大豆植株叶面积指数检测方法、装置、设备及介质，方法包括：根据大豆叶子区域中的像素点个数以及大豆叶子区域中每个像素点的面积确定大豆植株垂直投影面积；计算确定垂直于地面视角下的体密度图与掩码图像之间的乘积以确定大豆植株所有叶子的像素值，根据大豆植株所有叶子的像素值以及大豆叶子区域中每个像素点的面积确定无遮挡状态下所有叶子的垂直投影面积总和；基于无遮挡状态下所有叶子的垂直投影面积总和以及大豆植株垂直投影面积确定大豆植株的叶面积指数。本申请能够显著降低成本的同时，还能够大大提高叶面积指数的检测精度。
-
公开(公告)号：CN118967785A
公开(公告)日：2024-11-15
申请号：CN202411279367.1
申请日：2024-09-12
Applicant: 华南农业大学
IPC: G06T7/62 , G06T11/00 , G06T7/11 , G06N3/0464
Abstract: 本发明公开了一种基于大豆叶平铺化图像生成模型的叶子表型参数计算方法，本发明通过非接触式的方式对处于自然弯曲状态下的大豆叶进行拍摄，进一步对大豆叶自然状态图像进行平铺化处理，最后利用大豆叶平铺化图像计算大豆叶的叶型表型参数，与人工直接测算大豆叶长宽比的方法相比，本发明通过生成大豆叶平铺化图像的深度学习技术的介入可以大大提高大豆叶叶型长宽比的测算效率，同时降低损伤大豆植株的风险；本发明在SwimIR模型的基础上进行改进，不仅实现了对自然弯曲状态下的大豆叶图像的平铺化处理，并且在模型训练数据集中拍摄图像与扫描图像之间存在色彩风格差异的情况下使得模型也可以保持输出的大豆叶平铺图像与输入的拍摄图像色彩风格一致。
-
公开(公告)号：CN118761037A
公开(公告)日：2024-10-11
申请号：CN202411245887.0
申请日：2024-09-06
Applicant: 华南农业大学
IPC: G06F18/25 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0455 , G06Q50/02 , G06T17/00
Abstract: 本发明公开了一种基于多源信息耦合的作物种子活力预测方法及系统，包括：利用光谱相机获取种子的光谱数据，提取种子的外观表型数据、生化参数、环境数据及实时动态3D表型数据，生成种子的多源数据；将多源数据划分为静态数据及动态数据，在种子活力预测模型中对输入数据进行嵌入编码，引入双通道注意力对所述静态数据向量及动态数据向量进行融合学习，获取融合向量；通过全连接层获取种子的发芽率及成苗率预测结果，综合分析获取种子活力。本发明将多源信息融合和双通道注意力机制的种子活力预测模型集成于种子活力预测系统，实现对种子活力的高效、精准预测，为农业生产提供科学依据。
-
Patent Agency Ranking
公开(公告)号：CN111996275B
公开(公告)日：2021-05-28
申请号：CN202010818967.6
申请日：2020-08-14
Applicant: 华南农业大学
IPC: C12Q1/6895 , C12N15/11
Abstract: 本发明公开了一种辅助鉴定待测大豆的白粉病抗性的分子标记RMD16。该方法为以待测大豆的基因组DNA为模板，用分子标记RMD16的引物F和引物R进行PCR扩增，得到DNA片段；其中，引物F的序列为SEQ ID NO.1所示，或其经过一个或几个核苷酸的取代/缺失/添加且与SEQ ID NO.1具有相同功能的DNA分子；引物R的序列为SEQ ID NO.2所示，或其经过一个或几个核苷酸的取代/缺失/添加且与SEQ ID NO.1具有相同功能的DNA分子。本发明中的DNA片段大小与白粉病抗性紧密连锁，该方法具有快速、低成本、限制少等特点，可以辅助鉴定待测大豆白粉病抗性，提高育种效率。
-
公开(公告)号：CN114998116B
公开(公告)日：2025-01-03
申请号：CN202210462197.5
申请日：2022-04-28
Applicant: 华南农业大学
IPC: G06T5/77 , G06T5/60 , G06N3/0475 , G06N3/0455 , G06N3/08
Abstract: 一种基于对称性引导的物体图像修复方法，涉及图像处理技术领域，首先检测图像中残缺物体的对称轴，借助于对称轴获取物体的对称信息，将已知区域的对称信息填充到未知区域作为待填区域的初始值，解决原待修复区域信息为零的问题，然后在此基础上对图像进行有效修复。本发明有益效果：通过基于生成式对抗网络的物体对称轴检测技术，准确有效地检测到图像中具有残缺区域的对称物体的对称轴，最终能够生成结构合理、语义正确的对称物体图像，即使出现大面积残缺。
-
公开(公告)号：CN118864763A
公开(公告)日：2024-10-29
申请号：CN202410876012.4
申请日：2024-07-02
Applicant: 华南农业大学
IPC: G06T17/20 , G06T15/04 , G06V20/64 , G06V10/44 , G06V10/764
Abstract: 本发明公开了一种基于三维网络数据库的植物叶片三维建模方法及系统，包括：利用改进的VMamba模型，从输入的二维图片中准确识别；基于上述分类信息，和构建的丰富叶片三维模型库，找出所需形变的网格模型；通过改进的LiteHRNet模型求出网格模型主叶脉关键点，同时使用SAM模型分割出轮廓特征，获得出网格模型轮廓特征关键点；对比主叶脉和轮廓特征，将网格模型进行形变，进而生成叶片三维网格模型。本发明通过精准提取叶片的主叶脉和轮廓特征，显著增强了单张图像在捕捉和表达植物几何属性方面的能力；不仅能够精准地进行三维建模，还有效解决了传统基于图像的三维重建技术中多视角图像带来的问题，显著提高用户体验。
-
公开(公告)号：CN116977277A
公开(公告)日：2023-10-31
申请号：CN202310714179.6
申请日：2023-06-15
Applicant: 华南农业大学
IPC: G06T7/00 , G06T7/77 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于空洞卷积和贝叶斯损失的豆荚计数方法，本发明的豆荚计数模型ImpBL的前端网络作为二维的特征提取；后端网络由空洞卷积组成，通过扩展的空洞卷积操作来传递更大的感受野，并代替池化操作。特征提取网络输出的特征图在贝叶斯损失下进行期望值意义上的回归估计，从而生成高质量的豆荚分布密度图。本发明通过有效组合特征提取和密度图生成，实现了对输入图像的高质量处理。本发明构建的ImpBL模型相对于传统的计数模型，使用空洞卷积和贝叶斯损失代替了VGGNet和BL等算法中的主干网络，不仅提高了模型的精度，而且降低了计算规模和所需的磁盘空间，从而具有更好的性能和可扩展性，可为豆类作物的生长监测和管理提供更加精准和便捷的工具。
-
公开(公告)号：CN116645528A
公开(公告)日：2023-08-25
申请号：CN202310478969.9
申请日：2023-04-28
Applicant: 华南农业大学
IPC: G06V10/74 , G06V10/44 , G06V10/82 , G06V10/24 , G06V10/32 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/26 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于语义分割和关键点检测的叶片相似度度量方法及装置，包括：对采集到的叶片图像进行标注，得到标注好的叶片图像；将所述标注好的叶片图像输入至预先设立好的融合网络模型中进行训练，得到训练好的融合网络模型，并获得叶片图像的轮廓信息和两端端点信息；所述融合网络模型是使用ResNet作为骨干网络提取输入图像的特征信息，包括Mask R‑CNN分支和Simple Baselines分支；根据所述叶片图像的轮廓信息和两端端点信息，对叶片图像进行尺度归一化，得到归一化的叶片图像；对所述尺度归一化的叶片图像进行配准对齐，并计算相似度。本发明通过获取叶片轮廓信息以及叶柄点和叶尖点信息并将其分别进行配准对齐，从而提高了相似度的准确率。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.035 seconds)
