-
公开(公告)号：CN109122634A
公开(公告)日：2019-01-04
申请号：CN201810919388.3
申请日：2018-08-10
Applicant: 华南农业大学
CPC classification number: A01M7/0025 , A01M7/0089 , A01M21/043 , B64D1/18
Abstract: 本发明公开了一种基于机器视觉的无人机区域对靶变量施药控制装置与方法，装置包括图像采集模块、图像信息处理模块和无人机区域对靶变量施药控制模块；图像采集模块是指在无人机作业时拍摄田间图像，并将图像传送至图像信息处理模块；图像信息处理模块能够根据拍摄的图像确定出田间杂草的位置和覆盖面积，得出施药处方；无人机区域对靶变量施药控制模块具有多个离心式电动喷头，能够根据施药处方输出不同占空比的PWM信号至离心式电动喷头以实现区域对靶施药和变量施药。本发明能够根据田间杂草的位置与覆盖面积实现区域对靶变量喷洒农药，减少了农药多喷、漏喷的现象，实现精准施药，提高了农药的利用率与作业效率，减少了环境污染。
-
公开(公告)号：CN107042434A
公开(公告)日：2017-08-15
申请号：CN201710303320.8
申请日：2017-05-03
Applicant: 华南农业大学
CPC classification number: B24B7/28 , A47J47/005 , B05B3/02 , B05C11/10
Abstract: 本发明公开一种砧板自动填缝打磨机，包括承载板、定向装置、压粉装置、点胶装置、打磨装置和驱动装置，点胶装置和驱动装置设于承载板上方，打磨装置设于承载板下方，定向装置和压粉装置底部穿过承载板并位于承载板下方，砧板从承载板下方输送；沿砧板的输送方向，定向装置、压粉装置、点胶装置和打磨装置依次设置，压粉装置、点胶装置和打磨装置分别与驱动装置连接。本砧板自动填缝打磨机模拟了手工对砧板填缝的过程，采用机器代替手工，在解决因为砧板缝较小且胶水‑竹粉混合填充剂粘度高、流动性差而不能直接被填入缝中的难题的同时，也有效提高砧板的加工效率，节约人工成本。
-
公开(公告)号：CN110619632B
公开(公告)日：2022-01-11
申请号：CN201910882496.2
申请日：2019-09-18
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于Mask R‑CNN的芒果实例对抗分割方法，包括：建立自然场景下的芒果分割数据集；构建基于Mask R‑CNN的分割网络；将构建的所述Mask R‑CNN分割网络视为生成网络，在其Mask分支上添加一个判别网络；所述生成网络从输入图像中得到芒果的预测实例掩膜；所述判别网络的输入为Real或Fake的芒果实例；将SmoothL1+IOU Loss替换Mask分支原来的二值交叉熵；所述生成网络与判别网络以交替对抗的策略进行优化训练，从而形成对抗网络模型；将训练后的所述对抗网络模型，进行芒果果实的实例分割，检测和分割的指标都得到了明显的提高。
-
公开(公告)号：CN109258601B
公开(公告)日：2020-10-23
申请号：CN201810910339.3
申请日：2018-08-10
Applicant: 华南农业大学
Abstract: 本发明公开了一种智能化的除草无人机自动对靶喷雾流量控制装置与方法。装置包括飞行主控系统、传感采集处理系统、对靶喷雾流量控制系统及供电装置；所述飞行主控系统用于处理无人机位置信息、姿态信息等参数，控制无人机稳定飞行；所述传感采集处理系统，用于实时处理获取的田间杂草图像数据；所述对靶喷雾流量控制系统，用于实现离心喷头方向定位及流量大小的调节。方法指预先建立的杂草图像识别模型移植至工控主板，USB摄像头实时采集田间图像上传至工控主板分析处理，根据处理结果判断田间杂草的有无、位置及面积大小，继而控制对靶云台，调整离心喷头的方向，实现对农作物的精准喷施，提高了药液的有效性，减少了药液的浪费和环境污染。
-
公开(公告)号：CN110619632A
公开(公告)日：2019-12-27
申请号：CN201910882496.2
申请日：2019-09-18
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于Mask R-CNN的芒果实例对抗分割方法，包括：建立自然场景下的芒果分割数据集；构建基于Mask R-CNN的分割网络；将构建的所述Mask R-CNN分割网络视为生成网络，在其Mask分支上添加一个判别网络；所述生成网络从输入图像中得到芒果的预测实例掩膜；所述判别网络的输入为Real或Fake的芒果实例；将SmoothL1+IOU Loss替换Mask分支原来的二值交叉熵；所述生成网络与判别网络以交替对抗的策略进行优化训练，从而形成对抗网络模型；将训练后的所述对抗网络模型，进行芒果果实的实例分割，检测和分割的指标都得到了明显的提高。
-
Patent Agency Ranking
公开(公告)号：CN109766856A
公开(公告)日：2019-05-17
申请号：CN201910040870.4
申请日：2019-01-16
Applicant: 华南农业大学
Abstract: 本发明公开了一种双流RGB-D FasterR-CNN的识别哺乳母猪姿态方法，即提出一种在特征提取阶段融合RGB-D图像特征的端对端的双流RGB-D Faster R-CNN算法，用于识别自由栏母猪场景下的哺乳母猪站立、坐立、俯卧、腹卧和侧卧5类姿态。基于Faster R-CNN，首先使用两个CNN网络分别提取RGB图像特征和深度图像特征；然后利用RGB-D图像的映射关系，仅采用一个RPN网络生成RGB图像特征图和深度图像特征图的感兴趣区域；对感兴趣区域特征池化后，使用一个独立的网络层实现RGB-D特征的拼接融合；最后在Fast R-CNN阶段，引入NOC结构继续卷积提取融合后的特征，再送入分类器和回归器。本发明提供了一种融合了RGB-D数据信息端对端的高精度、小模型和实时的母猪姿态识别方法，为进一步分析母猪行为奠定了基础。
-
公开(公告)号：CN109766856B
公开(公告)日：2022-11-15
申请号：CN201910040870.4
申请日：2019-01-16
Applicant: 华南农业大学
Abstract: 本发明公开了一种双流RGB‑D FasterR‑CNN的识别哺乳母猪姿态方法，即提出一种在特征提取阶段融合RGB‑D图像特征的端对端的双流RGB‑D Faster R‑CNN算法，用于识别自由栏母猪场景下的哺乳母猪站立、坐立、俯卧、腹卧和侧卧5类姿态。基于Faster R‑CNN，首先使用两个CNN网络分别提取RGB图像特征和深度图像特征；然后利用RGB‑D图像的映射关系，仅采用一个RPN网络生成RGB图像特征图和深度图像特征图的感兴趣区域；对感兴趣区域特征池化后，使用一个独立的网络层实现RGB‑D特征的拼接融合；最后在Fast R‑CNN阶段，引入NOC结构继续卷积提取融合后的特征，再送入分类器和回归器。本发明提供了一种融合了RGB‑D数据信息端对端的高精度、小模型和实时的母猪姿态识别方法，为进一步分析母猪行为奠定了基础。
-
公开(公告)号：CN111507967A
公开(公告)日：2020-08-07
申请号：CN202010306354.4
申请日：2020-04-17
Applicant: 华南农业大学
Abstract: 本发明公开了一种自然果园场景下的芒果高精度检测方法，包括：建立自然场景下的芒果数据库；构建基于Mask Scoring R-CNN的初步网络结构；在ROI Align层后增加一个并行训练的BoxIOU分支，为RPN输出的候选框预测IOU得分；测试阶段BoxIOU分支预测的IOU得分与相应的分类置信度进行耦合，再将耦合后的分值替代原本的分类置信度作为后处理阶段的非极大抑制的排列依据；利用训练后的BoxIOU MangoNet进行芒果果实的检测和分割。该方法为果实目标筛选出定位更准确的检测框，简单有效，能够解决自然果园场景下受复杂环境干扰的检测分割难题。
-
公开(公告)号：CN109711389A
公开(公告)日：2019-05-03
申请号：CN201910041539.4
申请日：2019-01-16
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于Faster R-CNN和HMM的哺乳母猪姿态转换识别方法，步骤为：1.深度图像质量增强；2.用改进Faster R-CNN识别母猪姿态，以每帧概率最大的姿态作为姿态序列；并将概率最大的前5个检测框作为候选区域；3.用长度为5的中值滤波修正姿态序列分类错误；用视频段姿态转换次数检测疑似转换片段；在疑似转换片段中，用维特比算法根据候选区域构建母猪定位管道；4.在定位管道中，用最大类间方差法分割各帧母猪，计算母猪身体各部分高度，形成高度序列；5.将高度序列输入HMM模型，将疑似转换片段分为姿态转换与未转换片段；对单一姿态片段和姿态转换片段分类，获得识别结果。本发明能在光线变化及夜间场景下，自动母猪姿态转换识别，为高危行为识别打下基础。
-
公开(公告)号：CN109711325A
公开(公告)日：2019-05-03
申请号：CN201811587011.9
申请日：2018-12-25
Applicant: 华南农业大学
Abstract: 本发明公开了一种芒果采摘点识别方法，包括以下步骤：采集芒果的图像，建立自然场景下的芒果采摘图像库；建立基于Mask R-CNN网络的芒果果实分割模型；计算每个果实的长轴、短轴以及质心；利用自底向上层次聚类法判断是否成簇；若芒果果实成簇，则识别成簇果实母枝并在母枝上定位采摘点；若芒果为单果，则分割和识别该果实的果梗，在果梗上确定采摘点。本发明利用基于Mask R-CNN网络的芒果果实分割模型进行果实实例分割，解决自然果园场景下光线变化、遮挡、重叠导致的检测分割难题，具有分割精准、适用场景多的优点。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.022 seconds)
