公开(公告)号：CN118887513A

公开(公告)日：2024-11-01

申请号：CN202411001433.9

申请日：2024-07-25

Applicant: 哈尔滨理工大学

Inventor： 马静 ,  戴鹤 ,  许世龙 ,  郭嵩

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/25 ,  G06V10/764 ,  G06V10/776 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/082 ,  G06V20/10

Abstract: 本发明公开了一种基于改进YOLOv8n的轻量化杂草识别方法，属于深度学习和计算机视觉技术领域。该方法主要包括：获取包含不同种类杂草的图像数据集并进行数据集划分；杂草数据预处理；在YOLOv8n基础上进行优化改进，构建杂草识别模型WYOLO；基于杂草识别模型WYOLO，构建轻量化杂草识别模型LWYOLO，在保证识别精度的同时提升识别速度；使用预处理后的数据集对搭建的网络模型进行训练及测试，以识别出杂草图像。利用本发明提出的轻量化杂草识别方法，模型体积小、精度高、运行速度快，为除草设备提供有力支撑，对于提高作物产量、减少化学除草剂的使用以及保护生态环境具有重要意义。

公开(公告)号：CN116844570A

公开(公告)日：2023-10-03

申请号：CN202310835953.9

申请日：2023-07-07

Applicant: 哈尔滨理工大学

Inventor： 马静 ,  陈煜 ,  付琳 ,  戴鹤

IPC: G10L25/51 ,  G10L25/30 ,  G08B31/00 ,  G08B25/10 ,  H04L67/12

Abstract: 本发明公开一种基于深度学习和声音识别的森林监护系统，其特征在于：数据采集、人工标记模块、声音数据集、预处理、特征提取、神经网络模型的调整、实时采集声音信号模块、状态识别模块和报警模块；其中，数据采集和人工标记模块属于一部分，人工标记模块分别与声音数据库和状态识别模块相连，预处理又分别与特征提取和实时采集声音信号模块相接，特征提取与调整后的神经网络模型相接，由调整后的神经网络模型产出状态识别模块，最后，状态识别模块分别与人工标记和通讯模块和报警模块相接。