公开(公告)号：CN116051908A

公开(公告)日：2023-05-02

申请号：CN202310173159.2

申请日：2023-02-28

Applicant: 华南农业大学

Inventor： 李海锋 ,  岳学军 ,  丁子予 ,  郑建宇 ,  时浩文 ,  肖佳仪

IPC: G06V10/764 ,  G06V10/42 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于改进YOLOv7的微小型病虫害检测系统及其方法，包括视频输入模块、Pic提取模块、AC提取模块、Pic特征提取模块、AC特征提取模块、闪存模块、特征缩放模块、mAP模块、输出模块、YOLOv7模块、模型库和交互模块，所述视频输入模块用于接收拍摄装置传输的影响数据，并将该数据进行转发，所述Pic提取模块和AC提取模块分别用于提取影响数据的图像数据和动作数据，所述Pic特征提取模块和AC特征提取模块分别用于提取图像数据和动作数据的关键特征；本发明可以有效的提高病虫害检测速度，同时也采用了图像和动作双重检测的方式，使得检测结果精度更高。

公开(公告)号：CN116171956A

公开(公告)日：2023-05-30

申请号：CN202310161752.5

申请日：2023-02-22

Applicant: 华南农业大学

Inventor： 李海锋 ,  郑建宇 ,  岳学军 ,  丁子予 ,  肖佳仪 ,  时浩文

IPC: A01M5/00 ,  A01C23/04 ,  A01C23/00 ,  B08B1/00 ,  B30B9/00 ,  B01F27/80 ,  H04N23/50 ,  B01F101/32

Abstract: 本发明公开了一种农业害虫监测设备，包括自行走平台小车、诱虫机构和施肥机构，自行走平台小车前端安装有探路器，诱虫机构和施肥机构设置于自行走平台小车上，诱虫机构包括诱虫箱和接虫漏斗，诱虫箱安装于自行走平台小车顶部，诱虫箱顶部安装有接虫漏斗，接虫漏斗与诱虫箱之间通过四根支撑杆固定连接，接虫漏斗内部设置有支撑架，支撑架顶部安装有诱捕剂盒，接虫漏斗的输送管上设置有电磁阀，诱虫箱内部一侧固定安装有固定板，本发明相较于现有技术中以高压电网为主捕杀的监测装置，不会对害虫本体造成过大的破坏，能够提高后续图像识别的有效性和准确性。

公开(公告)号：CN115731282A

公开(公告)日：2023-03-03

申请号：CN202211454671.6

申请日：2022-11-21

Applicant: 华南农业大学

Inventor： 时浩文 ,  李智庆 ,  岳学军 ,  苏世源 ,  张育华 ,  吴彦琪 ,  王越 ,  肖佳仪 ,  郑健宇 ,  李海锋 ,  丁子予

IPC: G06T7/60 ,  G06V20/05 ,  G06V20/52 ,  G06V40/10 ,  G06V10/44 ,  G06V10/74 ,  G06V10/762 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G01D21/00

Abstract: 本发明公开了一种基于深度学习的水下鱼类重量估计方法、系统及电子设备，方法包括：收集目标鱼类图像，对图像进行划分和标注，构建目标鱼类数据集；对所述目标鱼类数据集进行预处理；构建目标鱼类检测模型、轮廓提取模型和重量估计模型，使用获取的目标鱼类数据集训练上述模型；构建目标鱼类轮廓对比器，判断鱼身是否和摄像头垂直，当两者垂直时，对相应的轮廓图进行后续处理；构建目标鱼类轮廓图缩放器，对输入轮廓图的像素尺寸进行缩放；将按比例缩放后的轮廓图作为重量估计模型的输入，得到目标鱼类的重量估计结果。本发明能无损、快速地对目标鱼类进行识别、定位和重量估计，对多尺寸目标有良好的识别精度。

公开(公告)号：CN117392104A

公开(公告)日：2024-01-12

申请号：CN202311447276.X

申请日：2023-11-02

Applicant: 华南农业大学

Inventor： 李海锋 ,  李炫天 ,  宋庆奎 ,  丁子予 ,  郑健宇 ,  曾凡国 ,  钟文山 ,  陈俊致 ,  肖佳仪 ,  陈彪

IPC: G06T7/00 ,  G06T7/194 ,  G06V20/10 ,  G06V20/68 ,  G06V10/764 ,  G06V10/82 ,  G06V10/77 ,  G06V10/44 ,  G06V10/56 ,  G06V10/58 ,  G06V10/26 ,  G06V10/25 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于深度学习的计算机视觉水稻质量测定方法。本发明中，基于卷积神经网络FasterR－CNN实现了盆栽水稻穗数的自动检测，基于SegNet网络框架训练模型对盆栽水稻稻穗进行分割。利用RGB和HIS等颜色空间对整株水稻图片和分割后稻穗图片进行阈值分割，经过图像处理，提取了51个整株水稻特征和33个穗部特征。根据提取的85个特征数据，建立多个盆栽水稻稻穗鲜质量和干质量预测模型，使用五倍交叉验证对模型进行评估，从而使得整个方法的准确性得到了提高，同时也降低了水稻质量检测分析的时间，提高了测试效率，减轻了相关工作人员的劳动负担。

公开(公告)号：CN116824369A

公开(公告)日：2023-09-29

申请号：CN202310721957.4

申请日：2023-06-19

Applicant: 华南农业大学

Inventor： 肖佳仪 ,  岳学军 ,  罗志环 ,  曾凡国 ,  宋庆奎 ,  丁子予 ,  李海锋 ,  郑健宇 ,  李炫天 ,  陈俊致 ,  钟文山

IPC: G06V20/10 ,  G06V10/764 ,  G06F17/18 ,  G06V10/82

Abstract: 本发明公开了基于边缘计算与yolov7‑tiny的荔枝病害实时检测系统及其方法，包括图像识别模块、yolov7‑tiny模块，注意力CBAM模块，mAP模块，边缘部署模块，所述图像识别模块用于接收拍摄装置传输的影响数据，并将该数据进行转发，所述mAP模块用于对检测结果综合衡量，其计算方式为mAP＝所有类别的平均精度求和除以所有类别，所述注意力CBAM模块用于yolov7‑tiny模块，在神经网络中使模型把握重点，所述特征缩放模块用于特征缩放模块用于对图像特征进行缩放；本发明荔枝病害检测方法是一套集计算机远程通信，计算机硬件技术，多媒体技术于一身的高技术荔枝病害情况收集检测信息传输装置，能够实时判断荔枝发病情况，检测步骤简单化，检测效率大大提高。