-
公开(公告)号：CN117037024A
公开(公告)日：2023-11-10
申请号：CN202310780777.3
申请日：2023-06-28
Applicant: 华南农业大学
IPC: G06V20/40 , G06V10/80 , G06N3/0464 , G06N3/08 , G06T3/40 , G06Q10/0639
Abstract: 本发明公开了一种基于改进3D卷积神经网络的猪步态评分方法和系统，涉及计算机图像处理的技术领域；包括获取猪只行走状态下的实时视频流；对所述实时视频流进行逐帧检测，获得猪只在视频帧中的目标检测结果；根据所述目标检测结果对所述视频帧进行过滤处理，获得有效视频帧；对所述有效视频帧进行裁切处理后，逐帧拼接为步态视频；将所述步态视频输入构建的基于改进3D卷积神经网络的评分模型中，获得对应猪只的步态评分结果。本发明实现了对猪步态的自动评分，大大提高了评分的效率和准确度，为猪养殖和健康管理提供更加科学和有效的支持。
-
公开(公告)号：CN117036773A
公开(公告)日：2023-11-10
申请号：CN202310779204.9
申请日：2023-06-28
Applicant: 华南农业大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/246 , G06V20/40 , G06T3/40
Abstract: 本发明公开了一种基于深度学习的猪只跛行检测方法和系统，涉及计算机视觉的技术领域，包括获取区域内猪只的行走视频；在所述行走视频中，提取猪只各关键部位的特征点；根据所述猪只各关键部位的特征点计算各关键部位的特征信息；将各关键部位的特征信息输入跛行程度检测模型进行分类，计算猪只跛行程度得分，获得猪只跛行程度。本发明解决了传统采用人工观察判断方法存在劳动力工作量大、劳动强度高、效率低、主观性强、容易产生误差的问题，能够高效、准确的检测出猪只跛行的严重程度。
-
公开(公告)号：CN115861409B
公开(公告)日：2023-06-27
申请号：CN202310171617.9
申请日：2023-02-28
Applicant: 华南农业大学
IPC: G06T7/62 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/045
Abstract: 本发明公开了一种大豆叶面积测算方法、系统、计算机设备及存储介质，所述方法包括：构建大豆叶子单张多视角图像‑单张扫描图配对数据集，划分出训练集；构建基于Swin Transformer的主干网络模型；利用训练集对主干网络模型进行训练，得到训练好的主干网络模型；获取待处理的大豆叶子多视角图像，并进行预处理；将预处理后的大豆叶子多视角图像输入训练好的主干网络模型，生成大豆叶子正面的平铺图；利用大豆叶子正面的平铺图，得到叶像素面积，叶像素面积是指图像中以像素为单位的叶子轮廓内部面积。本发明可以实现叶面积的快速准确计算，为监测植株生长过程及育种专家培育出高产大豆的理想叶型提供技术支持。
-
公开(公告)号：CN116092005A
公开(公告)日：2023-05-09
申请号：CN202310061162.5
申请日：2023-01-17
Applicant: 华南农业大学
IPC: G06V20/52 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种鱼的识别方法、系统、计算机设备及存储介质，该方法包括：获取包括多种鱼类图像的分类数据集；基于GhostNet网络构建TbGhostNet网络；TbGhostNet网络中block层是在GhostNet网络中block层的基础上添加残差网络；残差网络包括两个残差结构，一个通过注意力机制提取鱼图像中的关键特征，另一个用于对关键特征进行更高层次特征的提取；利用分类数据集对TbGhostNet网络进行训练；获取待分类的鱼图像，将预处理后鱼图像输入训练好的TbGhostNet网络中，输出鱼的种类。本发明通过构建TbGhostNet网络，从鱼图像中提取具有代表性的特征，提高了分类的准确率。
-
公开(公告)号：CN114359644A
公开(公告)日：2022-04-15
申请号：CN202111583032.5
申请日：2021-12-22
Applicant: 华南农业大学
IPC: G06V10/771 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于改进VGG‑16网络的农作物病虫害识别方法，包括：S1、获取农作物病虫害图像数据，并按照不同的农作物病虫害进行分类；S2、将农作物病虫害图像数据中的图像输入到改进VGG‑16网络进行参数训练；S3、参数训练完成后，得到一个能够对图像中的农作物病虫害进行识别的最优网络，最终通过该最优网络即可对任意输入的图像中的农作物病虫害进行自动识别。本发明突破原有技术准确率较低、缺乏鲁棒性和自适应能力差等问题，鲁棒性更强，识别率更高，网络参数更少，自适应能力更强，识别速度更快，对图像中的农作物病虫害识别更加准确。
-
Patent Agency Ranking
公开(公告)号：CN109215019B
公开(公告)日：2021-04-23
申请号：CN201810973742.0
申请日：2018-08-24
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于原木弯曲度的木材切分点定位方法和装置，该方法包括：对若干帧原木三维图像进行原木三维点云的提取后，将提取出的原木三维点云进行融合和滤波，以得到第一原木三维点云；对第一原木三维点云进行逐块横向切片，以获得若干个切片圆弧；对若干个切片圆弧进行圆拟合，以得到所有拟合得到的圆的圆心点；将所有圆心点分别向平行原木传输带方向和原木传输带侧向方向投影后，对投影方向的离散点进行曲线拟合，根据拟合曲线的曲率确定出原木的弯曲点及其弯曲度。该装置包括用于执行上述定位方法的处理器。本发明能实现弯曲木头切分点的自动定位选择，提高原木利用率且减少加工操作，自动化水平高，可广泛应用于木材加工领域中。
-
公开(公告)号：CN106529396A
公开(公告)日：2017-03-22
申请号：CN201610846553.8
申请日：2016-09-19
Applicant: 华南农业大学
CPC classification number: G06K9/00724 , G06K9/6278 , G06K9/6296
Abstract: 本发明公开了一种基于稳定表观模型的实时跟踪方法。该方法首先提取被跟踪区域的MSERs信息，在此基础上，基于满足RIP性质的稀疏随机矩阵对其投影，获得较为稳定的自适应表观，最后通过在线贝叶斯分类器实时跟踪目标。该发明通过提取目标的稳定区域以减少稀疏随机投影中的随机性影响，进而较为稳定地描述目标表观信息。
-
公开(公告)号：CN113487107B
公开(公告)日：2024-04-12
申请号：CN202110854716.8
申请日：2021-07-28
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于多层径向基网络的大型动物体重自动评估方法、系统及介质，该方法包括：每层首先随机生成径向基函数中心点，再生成径向基神经元以组成径向基层，最后连接径向基层和全连接层以构建多层径向基网络模型；输入归一化的大型动物体况参数以训练多层径向基网络模型，采用损失函数优化模型的参数；利用训练好的多层径向基网络模型进行体重自动估计。本发明采用一维的大型动物体况参数进行预测其体重，基本不受动物姿态以及运动的影响，对于估计动物生重的鲁棒性较大；本发明将多层径向基网络层通过全连接层进行连接，拟合能力更高，仅在输入一维体况的情况下有较高的估计精度。
-
公开(公告)号：CN117281061A
公开(公告)日：2023-12-26
申请号：CN202311072245.0
申请日：2023-08-23
Applicant: 华南农业大学
IPC: A01K29/00 , G06F18/241 , G06N3/04
Abstract: 本发明公开了一种牲畜体重测量方法、装置、系统及计算机设备，包括：获取所述牲畜通过地磅时所记录的动态体重数据；根据所述动态体重数据，获得所述牲畜的体重变化曲线图；将所述体重变化曲线图输入预设的分类网络模型，获得所述牲畜的行为类型；所述行为类型为正常通过、快速通过、缓慢通过、跛脚通过、不配合通过和非牲畜行为中的一种；对所述动态体重数据采取与所述行为类型对应的预测策略，获取所述动态体重数据的体重回归方程，并根据所述体重回归方程，预测所述牲畜的体重。本发明能够根据不同的行为类型对动态体重数据采取不同的预测策略进行体重预测，实现动态称重，有效的减少了体重预测误差，提高了预测精度。
-
公开(公告)号：CN115861409A
公开(公告)日：2023-03-28
申请号：CN202310171617.9
申请日：2023-02-28
Applicant: 华南农业大学
IPC: G06T7/62 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/045
Abstract: 本发明公开了一种大豆叶面积测算方法、系统、计算机设备及存储介质，所述方法包括：构建大豆叶子单张多视角图像‑单张扫描图配对数据集，划分出训练集；构建基于Swin Transformer的主干网络模型；利用训练集对主干网络模型进行训练，得到训练好的主干网络模型；获取待处理的大豆叶子多视角图像，并进行预处理；将预处理后的大豆叶子多视角图像输入训练好的主干网络模型，生成大豆叶子正面的平铺图；利用大豆叶子正面的平铺图，得到叶像素面积，叶像素面积是指图像中以像素为单位的叶子轮廓内部面积。本发明可以实现叶面积的快速准确计算，为监测植株生长过程及育种专家培育出高产大豆的理想叶型提供技术支持。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.025 seconds)
