-
公开(公告)号：CN115330786A
公开(公告)日：2022-11-11
申请号：CN202211250509.2
申请日：2022-10-13
Applicant: 南京邮电大学
IPC: G06T7/00 , G06T7/11 , G06T7/187 , G06T5/30 , G06V10/26 , G06V10/28 , G06V10/40 , G06V10/44 , G06V10/762
Abstract: 本发明公开了基于CECI算法的水稻植株深度学习计数数据集的创建方法，包括：采集原始水稻图片数据，对原始水稻图片进行植被色度筛选以及HSV空间色度分割处理，提取处理后原始水稻图片中的绿色水稻区域；将原始水稻图片进行色度增强，并对色度增强处理后的原始水稻图片进行十簇聚类；计算绿色水稻区域和十簇聚类分块后的重合率，根据重合率合并拼接得到最终的水稻图片；对最终的水稻图片进行腐蚀膨胀处理并计算水稻的连通域，根据连通域的重心坐标，对计算机自动标注生成的图片进行修正，创建数据集生成基准密度图。本发明方法为后续基于深度学习水稻植株计数方法的研究创造了基础。
-
公开(公告)号：CN115330747A
公开(公告)日：2022-11-11
申请号：CN202211030111.8
申请日：2022-08-26
Applicant: 南京邮电大学
Abstract: 本发明公开了基于DPS‑Net深度学习的水稻植株计数、定位和大小估计方法包括：将水稻田原始图像输入特征提取器，提取成四个不同尺度的特征图；在密度估计模块，基于正负损失函数将注意力图融合初始密度图生成高质量密度图，将高质量密度图的所有像素值相加得到植株的数量；在植株位置检测模块，利用非极大值抑制算法结合高质量密度图生成植株位置的坐标；在植株大小估计模块，通过模块网络结构的输出融合植株位置坐标估计出植株的大小；本发明利用了一个新的高通量水稻植株计数数据集证明了本方法能够实现水稻植株的自动、非接触和精确计数，对于图像背景和噪声的抑制有良好的效果，而且还能提供植株位置和大小信息，对作物表型研究有重要意义。
-
公开(公告)号：CN117372359A
公开(公告)日：2024-01-09
申请号：CN202311316761.3
申请日：2023-10-11
Applicant: 南京邮电大学
IPC: G06T7/00 , G06N3/0464 , G06N3/084 , G06N3/09 , G06N3/042
Abstract: 本发明提出了一种融合空间注意力机制的田间水稻植株计数估计方法及装置，该方法采用一个特征提取器，注意力模块，一个注意力图生成器和初始密度图生成器；输入特征通过特征提取器和注意力模块进行编码，通过注意力图生成器和初始密度图生成器进行解码，并通过真实密度图和真实注意力图对训练过程进行监督，得到最终密度图，密度图中像素总和，即为预测植株数量。本发明方法能够实现分蘖期水稻植株的自动、非接触和精确计数；尤其是对图像背景和噪声的抑制，有良好的效果。
-
公开(公告)号：CN115330786B
公开(公告)日：2023-04-25
申请号：CN202211250509.2
申请日：2022-10-13
Applicant: 南京邮电大学
IPC: G06T7/00 , G06T7/11 , G06T7/187 , G06T5/30 , G06V10/26 , G06V10/28 , G06V10/40 , G06V10/44 , G06V10/762
Abstract: 本发明公开了基于CECI算法的水稻植株深度学习计数数据集的创建方法，包括：采集原始水稻图片数据，对原始水稻图片进行植被色度筛选以及HSV空间色度分割处理，提取处理后原始水稻图片中的绿色水稻区域；将原始水稻图片进行色度增强，并对色度增强处理后的原始水稻图片进行十簇聚类；计算绿色水稻区域和十簇聚类分块后的重合率，根据重合率合并拼接得到最终的水稻图片；对最终的水稻图片进行腐蚀膨胀处理并计算水稻的连通域，根据连通域的重心坐标，对计算机自动标注生成的图片进行修正，创建数据集生成基准密度图。本发明方法为后续基于深度学习水稻植株计数方法的研究创造了基础。
-
-
-
Search Results
4
records
(took 0.014 seconds)
