-
公开(公告)号：CN119864049A
公开(公告)日：2025-04-22
申请号：CN202411766400.3
申请日：2024-12-04
Applicant: 华南农业大学 , 温氏食品集团股份有限公司
Abstract: 本发明公开了一种基于多尺度感知和时域动态增强的鸡群声音事件检测方法，包括：基于鸡群声音数据进行随机筛选并标记，获取带标签的标准数据集；将标准数据集中的声音信号进行预处理，获取频谱图；截取频谱图中含有鸡群声音的频谱图片段，将频谱图片段经过梅尔滤波器组转换为梅尔频谱图；构建深度特征提取器，利用深度特征提取器提取梅尔频谱图的声音深度特征；构建帧级别声音分类器，对声音深度特征进行处理与分析，获得鸡群声音事件的时域分布。本发明能够在长时间、多噪音的养殖环境中，精确且快速地提取鸡群声音事件的时域分布。
-
公开(公告)号：CN119229905A
公开(公告)日：2024-12-31
申请号：CN202411054111.0
申请日：2024-08-02
Applicant: 华南农业大学 , 温氏食品集团股份有限公司
Abstract: 本发明公开了一种基于音频数据增强和特征融合的鸡疫病检测方法及装置，方法包括:采集鸡群的声音数据并进行预处理；对预处理后的声音数据进行数据增强，得到鸡群音频训练样本；对鸡群音频训练样本分别提取频谱特征和原始音频特征；将所有频谱特征图进行拼接得到拼接频谱特征图；将提取的原始音频特征输入到分别由两种前端声学模型与预训练模型结合的网络得到第一语义特征图和第二语义特征图；将所有特征进行融合，得到融合特征图；将所述融合特征图输入到预设的轻量级多层感知机内，输出鸡疫病检测结果。本发明通过引入数据增强和特征融合技术，克服单一特征提取手段的局限性，提高了声音信号处理的准确性和鲁棒性，从而更有效的检测鸡疫病。
-
公开(公告)号：CN118823824A
公开(公告)日：2024-10-22
申请号：CN202410773697.X
申请日：2024-06-17
Applicant: 华南农业大学 , 温氏食品集团股份有限公司
IPC: G06V40/10 , G06V20/40 , G06V20/52 , G06V10/20 , G06V10/25 , G06V10/82 , G06T7/246 , G06T7/254 , G06T7/73
Abstract: 本发明公开了一种基于深度学习的猪场老鼠检测方法、系统、设备及介质，方法包括：对待检测区域的视频进行抽帧处理；对图像帧集合进行图像预处理；将预处理后的当前帧输入老鼠检测模型中，学习老鼠的外观；所述老鼠检测模型使用改进的RT‑DETR检测模型得到；将帧差法得到的二值化图像中值为255的像素作为运动像素，保留相应的检测结果；记录老鼠检测结果，利用每帧检测后记录的老鼠数量进行加权求和得到老鼠出现时长，以计算待检测区域的老鼠活跃指标。本发明通过添加帧差先验分支，将帧差法得到的二值化图加入RT‑DETR算法的解码部分，并在保留检测结果时设置双阈值，让模型在检测中更聚焦于运动区域，从而提高对体积小、运动快的老鼠的检测成功率。
-
公开(公告)号：CN118521423B
公开(公告)日：2024-09-17
申请号：CN202410986747.2
申请日：2024-07-23
Applicant: 华南农业大学 , 温氏食品集团股份有限公司
Abstract: 本发明公开了一种基于多模态物联网的家禽养殖智慧监测方法及系统，该方法包括下述步骤：布设用于采集环境信息的传感器；获取外部天气数据和传感器收集的数据；选择序列长度为w的连续时间序列数据，并划分为数据集；构建DDTCN模型并基于训练集进行模型训练；基于验证集调节DDTCN模型的参数并评估DDTCN模型的性能；使用不同历史时间窗口信息和不同的预测长度，将测试集的连续时间序列数据输入训练后的DDTCN模型，得到预测值，获取当前实时数据，计算当前实时数据与保存的预测值的差值，通过阈值判断是否发出预警。本发明能根据数据自动调整模型参数，更及时地发现潜在的问题和风险，减少因延迟响应而导致的损失。
-
公开(公告)号：CN120072061A
公开(公告)日：2025-05-30
申请号：CN202411991848.5
申请日：2024-12-31
Applicant: 温氏食品集团股份有限公司 , 华南农业大学
IPC: G16B40/00 , G16B30/00 , G06F18/214 , G06N3/0464 , G06N3/084 , G06N5/01
Abstract: 本发明涉及育种表型预测技术领域，公开了一种面向基因序列数据的育种表型预测方法及系统，方法包括获取基因型数据和表型数据构建数据集；将数据集划分为训练集和测试集；构建卷积算子空间、池化算子空间和神经网络节点，为神经网络节点分配卷积算子和池化算子，生成神经网络结构；将神经网络结构转换为树形数据结构并利用深度优先搜索算法进行优化，生成可执行的神经网络模型；利用训练集，对可执行的神经网络模型进行训练，并使用模因算法对经过训练的神经网络模型进行优化，得到最优的育种表型预测模型；将测试集数据输入最优的育种表型预测模型进行处理，得到育种表型预测结果。本发明在复杂性状的育种表型预测中显著提高了预测精度。
-
Patent Agency Ranking
公开(公告)号：CN120068930A
公开(公告)日：2025-05-30
申请号：CN202510230105.4
申请日：2025-02-28
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于图提示的跨域推荐方法及系统，涉及跨域推荐技术领域，包括：在源域和目标域分别构建知识图，提取实体和关系以形成结构化信息；接着，通过TransE方法训练知识图嵌入，并利用图注意力网络在源域预训练图编码器模型，通过图对比学习微调图编码器模型参数，提高实体嵌入表示的鲁棒性，然后，在目标域进行图提示调整，包括软图提示和个性化图提示，以缩小源域和目标域的嵌入空间差异及训练目标差异。最后，个性化提示向量与增强的嵌入向量用于用户评分预测，以更精准地满足个性化需求，实现跨领域推荐的目标。本发明将预训练和微调相结合，在目标域中能够根据实际需求对推荐进行个性化调整，显著提高了推荐的准确度。
-
公开(公告)号：CN118870036A
公开(公告)日：2024-10-29
申请号：CN202410773695.0
申请日：2024-06-17
Applicant: 华南农业大学 , 温氏食品集团股份有限公司
IPC: H04N21/218 , H04N21/231 , H04N21/239 , H04N7/18 , G06V10/94 , G06V20/52 , G06F9/50
Abstract: 本发明公开了一种闯入目标检测的数据中心高吞吐部署方法及系统，方法包括：摄像头采集图像，将经过监控主机内置算法筛选的图像上传至云存储服务器；云存储服务器将该批图像与其对应的摄像头序列号进行存储，生成存储数据地址，将接收图像数据的描述信息发送至业务服务器；业务服务器设定好不同摄像头所需进行的不同类别的目标检测，生成请求信息后发送给算法服务器；算法服务器获取业务服务器的请求后，解析出目标检测类别与图像数据地址，再根据空闲计算资源创建目标检测算法实例，最终将运行结果整合后返回给业务服务器。本发明可以减少目标检测算法部署系统整体的计算复杂度，有效提高了目标检测算法部署在数据中心的吞吐量。
-
公开(公告)号：CN118628215A
公开(公告)日：2024-09-10
申请号：CN202411108273.8
申请日：2024-08-13
Applicant: 华南农业大学
IPC: G06Q30/0601 , G06N3/0442 , G06N5/022 , G06Q30/0201 , G06F16/36
Abstract: 本发明公开了一种基于全局与动态知识图谱引导的价格感知推荐方法及系统，通过获取B2B电子商务平台中用户与商品的历史交互数据，以天为粒度对商品价格进行等级划分并通过等级划分获取商品的动态价格特征，以天为单位构造含有用户、商品等节点的动态知识图谱与全局知识图谱；利用知识图谱嵌入学习技术学习全局知识图谱与动态知识图谱的节点表征；构建基于深度学习的价格感知推荐模型，将学习到的节点表征用于模型输入，通过模型捕获商品价格和用户偏好的动态变化，并利用贝叶斯排序损失训练模型。通过本发明，能够显著提升推荐系统性能与用户体验，同时，提升数据推荐效果。
-
公开(公告)号：CN119806483A
公开(公告)日：2025-04-11
申请号：CN202411715271.5
申请日：2024-11-27
Applicant: 华南农业大学 , 温氏食品集团股份有限公司
Abstract: 本发明公开了一种基于预训练代码模型的跨域对抗性攻击方法，旨在克服现有方法在数据差异和模型反馈缺失等挑战中的不足。方法包括下述步骤：获取源代码数据，遍历所述源代码数据识别出其基本构成单元token，所述token至少包括标识符和操作符；基于掩码语言模型为提取的标识符生成自然的替代标识符集；应用token级别的等价变换初步优化对抗性示例；应用等价结构变换对初步优化后的对抗性示例进行进一步转换，得到最终的对抗性示例。本发明通过结构和token级扰动、结合掩码语言模型生成自然替代标识符，并结合贪婪搜索和梯度优化，增强对抗性示例的迁移能力和攻击效果。
-
公开(公告)号：CN119721331A
公开(公告)日：2025-03-28
申请号：CN202411707795.X
申请日：2024-11-27
Applicant: 华南农业大学
IPC: G06Q10/04 , G01G17/00 , G06Q50/02 , G06F18/25 , G06F18/15 , G06N3/0499 , G06N3/084 , G06F16/904 , G06N3/048
Abstract: 本发明公开了一种基于多特征深度融合学习的鸡群均重估计方法及系统，包括：通过智能采集设备采集鸡群均重，并将鸡群均重数据与鸡群相关信息经数据处理程序处理后存入服务器的数据库；基于历史鸡群均重数据及鸡群相关先验知识创建鸡群均重估计模型，预测鸡群体重；将预测通过数据可视化模块，做预测数据展示，将数据信息转化为易于分析的图形、图表形式，从而更清晰地洞察数据的趋势和规律。本发明有效提升畜禽体重预测的准确性，为企业鸡群售卖计划和养殖计划制定提供技术支持。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.019 seconds)
