公开(公告)号：CN116823916A

公开(公告)日：2023-09-29

申请号：CN202310555177.7

申请日：2023-05-16

Applicant: 华南农业大学

Inventor： 龙拥兵 ,  李钊荣 ,  周明 ,  范志文 ,  樊嘉文 ,  李金豪 ,  白书黛 ,  兰玉彬

IPC: G06T7/60 ,  G06V20/17 ,  G06V10/80 ,  G06V10/766 ,  G06V10/82 ,  G06V20/70 ,  G06T17/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于yolov5x模型的水稻稻株高度测量方法，方法包括以下步骤：数据采集，获得水稻不同生长时期的航拍图像以及不同生长时期的高度；数据处理，对采集的航拍图像进行处理，得到包括水稻稻株高程融合图像的数据集；获取数据集中第一区域的水稻稻株的高程像素值以及对应水稻稻株的真实高度值，并建立水稻稻株的真实高度与高程像素值之间的最小二乘线性回归模型；利用YOLOv5x模型对数据集中的第二区域的位置进行识别，获取识别位置的融合图像的高程像素值；将获取的高程像素值代入建立的最小二乘线性回归模型，得到识别位置的水稻稻株高度。该方法能够快速准确检测水稻稻株的高度，为研究判断水稻的生长情况提供有力支持。

公开(公告)号：CN116310338A

公开(公告)日：2023-06-23

申请号：CN202310290897.5

申请日：2023-03-22

Applicant: 华南农业大学

Inventor： 龙拥兵 ,  白书黛 ,  范志文 ,  李金豪 ,  李钊荣 ,  樊嘉文 ,  周金鑫 ,  匡润 ,  徐海涛 ,  邓海东 ,  兰玉彬

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/52 ,  G06V10/74 ,  G06V10/764 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/044 ,  G06N3/048

Abstract: 本发明提供一种基于实例和语义分割的单株荔枝红叶梢分割方法，属于计算机视觉技术领域，该方法包括：采集荔枝树图片；将荔枝树图片裁剪为多株荔枝树冠层图片与多株荔枝树红叶梢图片；使用Mask R‑cnn网络模型对多株荔枝树冠层图片进行实例分割，通过阈值法将单株荔枝树冠层分割出来；使用改进的语义分割模型U‑Net‑Senet和U‑Net‑CBAM将单株荔枝树冠层的红叶梢部分分割出来。本发明能够实现单株荔枝树冠层及红叶梢像素级别的分割，提升了每类别分割的精确性。

公开(公告)号：CN117292278A

公开(公告)日：2023-12-26

申请号：CN202311278741.1

申请日：2023-09-28

Applicant: 华南农业大学

Inventor： 龙拥兵 ,  范志文 ,  黄文忠 ,  李钊荣 ,  樊嘉文 ,  李金豪 ,  葛唯一 ,  赵静 ,  徐海涛 ,  兰玉彬

IPC: G06V20/17 ,  G06V10/22 ,  G06V10/82 ,  G06V10/26 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/084 ,  G06V10/40 ,  G06V10/766 ,  G06V10/75

Abstract: 本申请涉及一种数字果园果树定位方法、装置、设备及介质，所述方法包括：将Mask R‑CNN模型中的骨干网络更新为Swin‑Transformer网络，并将混合任务级联架构的Hybrid Task Cascade检测器嵌入至所述Mask R‑CNN模型中，以构建果树图像实例分割模型；将荔枝果树的荔枝果树遥感图像输入至训练好的果树图像实例分割模型进行实例分割，确定果树分割结果，基于果树识别模型识别果树分割结果的荔枝果树遥感图像，确定荔枝果树遥感图像中荔枝果树的数量以及像素坐标；基于数字地形图确定果树的全球定位系统坐标；基于匹配算法将荔枝果树遥感图像中荔枝果树的数量以及像素坐标与荔枝果树在果园数字地形图中的全球定位系统坐标进行配对，确定荔枝果树的位置。本申请能够节约成本，无需安装定位装置。

公开(公告)号：CN116883917A

公开(公告)日：2023-10-13

申请号：CN202310606955.0

申请日：2023-05-26

Applicant: 华南农业大学

Inventor： 龙拥兵 ,  魏康宁 ,  李金豪 ,  李钊荣 ,  范志文 ,  徐海涛 ,  兰玉彬

IPC: G06V20/50 ,  G06V10/12 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于深度信息的田间水稻叶龄识别方法，包括如下步骤：S1：获取训练集；所述训练集包括水稻彩色图像、水稻深度图像、气象数据、水稻品种以及水稻叶龄；S2：采用若干个训练集对叶龄模型进行训练，得到叶龄预测模型；其中，设置训练集中水稻彩色图像、水稻深度图像、气象数据和水稻品种为所述叶龄预测模型的输入数据，设置水稻叶龄为所述叶龄预测模型的输出数据；S3：采用叶龄预测模型进行水稻叶龄识别。本发明提供的一种基于深度信息的田间水稻叶龄识别方法，具有操作简便、效率高、准确度高等优点，为水稻种植提供科学依据和技术支持。