-
公开(公告)号：CN106960557A
公开(公告)日：2017-07-18
申请号：CN201710097276.X
申请日：2017-02-22
Applicant: 华南农业大学 , 广东工程职业技术学院
IPC: G08C17/02
CPC classification number: G08C17/02
Abstract: 本发明公开了一种基于RSSI的多天线自动切换装置及方法，包括1个无线射频模块，8个SMA天线接口，7个继电器以及辅助电源和控制切换电路。所述8个SMA天线接口，分别接入1个无线射频模块、1个全向天线和6个发射角度为65度的定向天线。继电器、辅助电源及控制切换电路用于实现多天线的自适应切换工作。本发明通过对RSSI和丢包率的检测，实现自适应多天线切换，可以有效提高网络空间复用率、增大网络覆盖区域和节约能量消耗等。解决了大面积监测系统(如大面积水稻田)因环境干扰大导致监测系统丢包率高、信息采集实时性差等问题。
-
公开(公告)号：CN107071845A
公开(公告)日：2017-08-18
申请号：CN201710096943.2
申请日：2017-02-22
Applicant: 华南农业大学 , 广东工程职业技术学院
Abstract: 本发明公开了一种基于混合天线的无线传感器网络星状组网方法，网络由节点和数据监测中心组成，无线传感器网络节点包括传感器节点、簇头节点、基站和网关节点，采用分簇路由协议，配置全向天线的传感器节点将采集的数据通过无线通信方式传输至配置定向天线的簇头节点，簇头节点位置呈星状分布且其天线方向固定，每个簇头只能传送至特定的另一个簇头。该组网方法在原有全向天线网络的基础上通过引入少量定向天线可实现扩大面积网络覆盖面积，网络运行稳定，可实现农田信息的大面积准确采集和远程传输。
-
公开(公告)号：CN206948632U
公开(公告)日：2018-01-30
申请号：CN201720475090.9
申请日：2017-05-02
Applicant: 华南农业大学 , 广东工程职业技术学院
Abstract: 本实用新型公开了一种基于定向天线自动变向的汇聚节点，包括处理器模块、电源模块、太阳能充电模块、射频无线通信模块、GPRS模块、SD卡存储模块、串口调试模块以及多天线模块。本实用新型选用微处理芯片STM32F103VET6，配以低功耗、通信距离远、且带有RSSI功能的无线射频模块E41-T100S2。GPRS模块选用RS-485接口输出的WG-8010。SD卡存储模块用于数据备份。串口调试模块用于连接上位机。多天线模块由多个定向天线组成，可根据RSSI值实现自动切换天线实现网络内数据收发。该汇聚节点性能可靠、工作稳定、效率高，值得推广。
-
公开(公告)号：CN109766856B
公开(公告)日：2022-11-15
申请号：CN201910040870.4
申请日：2019-01-16
Applicant: 华南农业大学
Abstract: 本发明公开了一种双流RGB‑D FasterR‑CNN的识别哺乳母猪姿态方法，即提出一种在特征提取阶段融合RGB‑D图像特征的端对端的双流RGB‑D Faster R‑CNN算法，用于识别自由栏母猪场景下的哺乳母猪站立、坐立、俯卧、腹卧和侧卧5类姿态。基于Faster R‑CNN，首先使用两个CNN网络分别提取RGB图像特征和深度图像特征；然后利用RGB‑D图像的映射关系，仅采用一个RPN网络生成RGB图像特征图和深度图像特征图的感兴趣区域；对感兴趣区域特征池化后，使用一个独立的网络层实现RGB‑D特征的拼接融合；最后在Fast R‑CNN阶段，引入NOC结构继续卷积提取融合后的特征，再送入分类器和回归器。本发明提供了一种融合了RGB‑D数据信息端对端的高精度、小模型和实时的母猪姿态识别方法，为进一步分析母猪行为奠定了基础。
-
公开(公告)号：CN114898359A
公开(公告)日：2022-08-12
申请号：CN202210307091.8
申请日：2022-03-25
Applicant: 华南农业大学
IPC: G06V20/68 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/40 , G06V10/32 , G06V10/22 , G06T7/00 , G06T3/60 , G06T3/40 , G06N3/04
Abstract: 本发明公开了一种基于改进EfficientDet的荔枝病虫害检测方法，针对实时场景下的图像复杂背景采用Mosaic数据增强方法，使模型学习更丰富的背景信息，且提升小目标的检测效果；采用更轻量化的改进骨干特征提取网络EfficientNetv2‑s，提升网络的训练速度；采用SPP模块进一步提取有用的特征信息；采用效果比BiFPN更好的纵向跨层特征融合网络PaFPN，提升模型的检测效果；采用CIoULoss提升模型的收敛速度和回归精度，采用DIoUnms非极大值抑制，减少对重叠目标的抑制。通过改进的EfficientDet目标检测模型，提供实时性更强，准确率更高的实时场景下荔枝病虫害的检测识别方法。
-
Patent Agency Ranking
公开(公告)号：CN114359727A
公开(公告)日：2022-04-15
申请号：CN202111663816.9
申请日：2021-12-31
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于轻量级优化Yolo v4的茶叶病害识别方法及系统，所述方法包括：采集茶叶病害图片，经预处理后作为训练Yolo v4模型的数据集；对Yolo v4模型中的特征提取主干模块和特征提取融合模块进行轻量级优化，获取优化后的Yolo v4模型；利用训练Yolo v4模型的数据集对优化后的Yolo v4模型进行训练和验证，获取识别茶叶病害的最优Yolo v4模型；利用得到的最优Yolo v4模型对茶叶病害图像进行识别。通过本发明有效减少了原始Yolo v4网络模型庞大的参数量和模型体积，并提升了茶叶病害目标的检测效率和识别精度。
-
公开(公告)号：CN109165207B
公开(公告)日：2021-11-26
申请号：CN201810787118.1
申请日：2018-07-16
Applicant: 华南农业大学
IPC: G06F16/21 , G06F16/215 , G06F16/31 , G06F16/35
Abstract: 本发明公开了基于Hadoop的饮用水海量数据存储管理方法，包括以下步骤：将实时属性数据存入区域服务器，将区域服务器中的实时属性数据迁移Kafka集群中，并进行数据清洗，将清洗后的实时属性数据存入Hadoop集群中；将Hadoop集群中的实时属性数据根据属性进行第二次分类，将分类后的实时属性数据合并成大文件并生成索引文件；将合并后的大文件和索引文件存入Hadoop集群中。本发明对小文件的实时属性数据根据产生地域、时间后先做一次分类，然后再根据数据的元素类型再做一次分类，最后进行合并存储，这样大大减少了内存的消耗，提高了平台的性能。
-
公开(公告)号：CN108196556B
公开(公告)日：2020-12-25
申请号：CN201711478980.6
申请日：2017-12-29
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于无人机的山地柑橘园灌溉控制系统和方法，所述系统包括：多个灌溉节点，与灌溉节点无线连接的无人机；每个灌溉节点包括：第一核心处理器，与第一核心处理器电连接的土壤温湿度传感器模块、双稳态电磁阀模块、GPS模块和第一无线通信模块；无人机包括：第二核心处理器，与第二核心处理器电连接的九轴运动传感器模块、无刷电机电子调速器模块、气压计模块、GPS电子罗盘二合一模块、第二无线通信模块和无线控制模块；第一无线通信模块和第二无线通信模块无线连接。本发明公开提供了基于无人机的山地柑橘园灌溉控制系统和方法，将无人机技术应用在山地柑橘园中，有效减少柑橘种植的劳动力投入，提高了山地柑橘灌溉效率。
-
公开(公告)号：CN111561972A
公开(公告)日：2020-08-21
申请号：CN202010561600.0
申请日：2020-06-18
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于时间序列的土壤含水量预测系统及方法，该系统包括：远程服务器、数据传输网关、预设范围内的气象站和多个布置在预设范围内的土壤信息采集节点；所述远程服务器，根据获取相同时刻的土壤信息采集节点采集的土壤相关信息、以及气象站采集的天气相关信息，计算输出未来预设时长内所述预设范围内的土壤含水量预测值。该系统响应速度快、布置方便、灵活、可靠、高效；可根据不同地区的土壤特性及气候条件，自适应地调整土壤含水量预测相关参数，再根据大气环境数据、土壤环境数据进行分析处理，给出土壤含水量的预测值，用于指导灌溉作业，有效提高灌溉效率，减少水资源浪费。
-
公开(公告)号：CN111507967A
公开(公告)日：2020-08-07
申请号：CN202010306354.4
申请日：2020-04-17
Applicant: 华南农业大学
Abstract: 本发明公开了一种自然果园场景下的芒果高精度检测方法，包括：建立自然场景下的芒果数据库；构建基于Mask Scoring R-CNN的初步网络结构；在ROI Align层后增加一个并行训练的BoxIOU分支，为RPN输出的候选框预测IOU得分；测试阶段BoxIOU分支预测的IOU得分与相应的分类置信度进行耦合，再将耦合后的分值替代原本的分类置信度作为后处理阶段的非极大抑制的排列依据；利用训练后的BoxIOU MangoNet进行芒果果实的检测和分割。该方法为果实目标筛选出定位更准确的检测框，简单有效，能够解决自然果园场景下受复杂环境干扰的检测分割难题。
-
-
-
-
-
-
-
-
-
Search Results
107
records
(took 0.055 seconds)
