-
公开(公告)号：CN109711325B
公开(公告)日：2023-05-23
申请号：CN201811587011.9
申请日：2018-12-25
Applicant: 华南农业大学
IPC: G06V20/10 , G06V10/762 , G06V10/82 , G06V10/22 , G06V10/26 , G06V10/56 , G06N3/0464 , G06N3/088
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。
-
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。
-
公开(公告)号：CN108830144A
公开(公告)日：2018-11-16
申请号：CN201810416468.7
申请日：2018-05-03
Applicant: 华南农业大学
Abstract: 本发明涉及一种基于改进Faster-R-CNN的哺乳母猪姿态识别方法，包括以下步骤：S1、采集哺乳母猪的RGB-D视频图像，并建立母猪姿态识别深度视频图像库；S2、对基础ZF网络增加深度、并引入残差结构，设计成具有高精度、实时性和鲁棒性的CNN网络结构；S3、使用设计的CNN网络结构，构建Faster-R-CNN模型结构，并对Faster-R-CNN模型结构引入Center Loss监督信号，与SoftmaxLoss联合构成分类损失函数，最终建立改进的Faster-R-CNN母猪姿态识别模型；S4、使用训练集训练Faster-R-CNN母猪姿态识别模型，使用测试集测试模型性能，最终筛选最佳性能模型，用于哺乳母猪姿态识别。
-
公开(公告)号：CN108830144B
公开(公告)日：2022-02-22
申请号：CN201810416468.7
申请日：2018-05-03
Applicant: 华南农业大学
IPC: G06V40/10 , G06V10/764 , G06V10/774 , G06V10/70 , G06V10/766 , G06V10/82 , G06K9/62
Abstract: 本发明涉及一种基于改进Faster‑R‑CNN的哺乳母猪姿态识别方法，包括以下步骤：S1、采集哺乳母猪的RGB‑D视频图像，并建立母猪姿态识别深度视频图像库；S2、对基础ZF网络增加深度、并引入残差结构，设计成具有高精度、实时性和鲁棒性的CNN网络结构；S3、使用设计的CNN网络结构，构建Faster‑R‑CNN模型结构，并对Faster‑R‑CNN模型结构引入Center Loss监督信号，与SoftmaxLoss联合构成分类损失函数，最终建立改进的Faster‑R‑CNN母猪姿态识别模型；S4、使用训练集训练Faster‑R‑CNN母猪姿态识别模型，使用测试集测试模型性能，最终筛选最佳性能模型，用于哺乳母猪姿态识别。
-
-
-
Search Results
4
records
(took 0.019 seconds)
