公开(公告)号：CN119379719B

公开(公告)日：2025-04-01

申请号：CN202411957997.X

申请日：2024-12-30

Applicant: 安徽农业大学

Inventor： 王文宇 ,  吴云志 ,  舒心 ,  丁杰 ,  徐雯雯

IPC: G06T7/11 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06V10/46 ,  G06V10/52 ,  G06V10/764 ,  G06T3/4038 ,  G06N3/0464

Abstract: 本发明公开了一种基于深度学习的梨叶片病虫害分割方法，包括以下步骤：步骤1、生成病虫害分割模型，病虫害分割模型是基于U‑Net网络并引入空间通道注意力模块CSA和通道融合特征提取模块CFFE构建得到的，病虫害分割模型包括图片通道调整部分、编码部分、解码部分、融合特征提取部分；步骤2、对步骤1生成的病虫害分割模型进行训练；步骤3、将待检测植物叶片图片输入至步骤2训练好的病虫害分割模型，由训练好的病虫害分割模型从待检测植物叶片图片检测分割出病虫害图片。本发明增强了模型的特征提取和表达能力，还提升了模型的效率和鲁棒性，能够适应多种图像处理任务。

公开(公告)号：CN117152581A

公开(公告)日：2023-12-01

申请号：CN202310998427.4

申请日：2023-08-08

Applicant: 安徽农业大学

Inventor： 舒心 ,  王浩宇 ,  丁杰 ,  吴云志

IPC: G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06T5/00 ,  G06T7/00 ,  G06V10/26 ,  G06V10/764 ,  G06V10/77

Abstract: 本发明为一种基于深度学习的MRI图像识别方法及装置，包括：获取MRI图像数据集；针对MRI图像数据集进行预处理，得到预处理后的MRI图像数据；将预处理后的MRI图像数据进行卷积池化，得到恢复后的MRI图像数据；将恢复后的MRI图像数据输出至MSB模块，得到输出的第一特征图；将第一特征图输入至FSA模块进行处理，得到输出的第二特征图；将第二特征图输入至FPN模块进行处理，得到输出的第三特征图；将第三特征图输入至FCOS HEAD模块进行处理，得到输出的ROI区域；针对ROI区域进行目标检测操作，得到输出的目标检测结果图像，能够对模糊的MRI图像进行有效的去模糊处理，提高诊断的准确性和效率。

公开(公告)号：CN116580279A

公开(公告)日：2023-08-11

申请号：CN202310562069.2

申请日：2023-05-16

Applicant: 安徽农业大学

Inventor： 吴云志 ,  丁杰 ,  王浩宇 ,  乐毅 ,  张程

IPC: G06V10/82 ,  G06V10/764 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082

Abstract: 本发明公开一种基于混合自注意力机制的番茄病害检测方法及系统，方法包括将待识别番茄叶病图像输入到PACA‑ConvNeXt模型，PACA‑ConvNeXt模型包括ConvNeXt卷积神经网络，ConvNeXt卷积神经网络的各级ConNeXt Block模块中插入有PACA注意力机制模块，PACA注意力机制模块包括像素注意块和坐标注意块；每级ConNeXt Block模块对于输入的特征图，基于PACA注意力机制模块计算该特征图的像素相关性和坐标信息相关性，得到包含像素相关性和坐标信息相关性的混合注意力特征图；基于最后一级ConNeXt Block模块输出的混合注意力特征图，预测番茄病害的种类。

公开(公告)号：CN116579427A

公开(公告)日：2023-08-11

申请号：CN202310545817.6

申请日：2023-05-12

Applicant: 安徽农业大学

Inventor： 王浩宇 ,  吴云志 ,  乐毅 ,  冯成 ,  丁杰 ,  郁伟强 ,  何思凡 ,  张程

IPC: G06N5/025 ,  G06F16/335 ,  G06F40/211 ,  G06F40/30 ,  G06F40/284 ,  G06N3/042 ,  G06N3/08

Abstract: 本发明公开了一种生物文本中酵母转录因子‑基因关系抽取方法，所述方法包括：检索与酵母转录‑基因关系抽取相关的文献；构建输入表示；构建关系抽取模型；将输入表示输入训练好的关系抽取模型，得到初步筛选的包含转录因子‑基因结合或调控信息的输出表示；将输出表示输入训练好的关系抽取模型得到第一概率，将输出表示分别输入句法分析器以及语义分析器以后输入图神经网络得到第二概率，设置损失函数进行二次训练，每次将实时采集的文献输入到模型中，最终根据第一概率和第二概率得到联合概率，联合概率大于预设值则视为输出表示中包含转录因子‑基因结合或调控信息，输出对应的输出表示；本发明的优点在于：关系抽取更为准确。

公开(公告)号：CN119379719A

公开(公告)日：2025-01-28

申请号：CN202411957997.X

申请日：2024-12-30

Applicant: 安徽农业大学

Inventor： 王文宇 ,  吴云志 ,  舒心 ,  丁杰 ,  徐雯雯

IPC: G06T7/11 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06V10/46 ,  G06V10/52 ,  G06V10/764 ,  G06T3/4038 ,  G06N3/0464

Abstract: 本发明公开了一种基于深度学习的梨叶片病虫害分割方法，包括以下步骤：步骤1、生成病虫害分割模型，病虫害分割模型是基于U‑Net网络并引入空间通道注意力模块CSA和通道融合特征提取模块CFFE构建得到的，病虫害分割模型包括图片通道调整部分、编码部分、解码部分、融合特征提取部分；步骤2、对步骤1生成的病虫害分割模型进行训练；步骤3、将待检测植物叶片图片输入至步骤2训练好的病虫害分割模型，由训练好的病虫害分割模型从待检测植物叶片图片检测分割出病虫害图片。本发明增强了模型的特征提取和表达能力，还提升了模型的效率和鲁棒性，能够适应多种图像处理任务。

公开(公告)号：CN119152376B

公开(公告)日：2025-01-21

申请号：CN202411630867.5

申请日：2024-11-14

Applicant: 安徽农业大学

Inventor： 舒心 ,  吴云志 ,  丁杰 ,  王文宇 ,  焦裕轩

IPC: G06V20/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80 ,  G06V10/44

Abstract: 本发明实施例提供了一种基于边缘增强的梨叶片多病害识别方法及装置，所述方法包括：获取到输入图像；将所述输入图像进行维度变换，得到维度变换图像；将所述维度变换图像经过多次卷积及池化，得到第一卷积图像；将所述第一卷积图像经过多次上采样及次反卷积，得到第二卷积图像；将所述输入图像进行边缘特征提取，得到边缘特征图，将所述边缘特征图与所述第二卷积图像进行特征融合；在融合时对重要特征部分进行加强，并在后段对融合特征图进行进一步特征提取，最终实现了对边缘模糊的病害的边缘较为精准的分割，先对原图片进行提取，得到富含边缘特征的与真实病害预测相似的边缘特征图，并将其融合在网络最后段，提升了模型预测的准确性，以及对边缘模糊病害的精确性。

公开(公告)号：CN119152376A

公开(公告)日：2024-12-17

申请号：CN202411630867.5

申请日：2024-11-14

Applicant: 安徽农业大学

Inventor： 舒心 ,  吴云志 ,  丁杰 ,  王文宇 ,  焦裕轩

IPC: G06V20/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80 ,  G06V10/44

Abstract: 本发明实施例提供了一种基于边缘增强的梨叶片多病害识别方法及装置，所述方法包括：获取到输入图像；将所述输入图像进行维度变换，得到维度变换图像；将所述维度变换图像经过多次卷积及池化，得到第一卷积图像；将所述第一卷积图像经过多次上采样及次反卷积，得到第二卷积图像；将所述输入图像进行边缘特征提取，得到边缘特征图，将所述边缘特征图与所述第二卷积图像进行特征融合；在融合时对重要特征部分进行加强，并在后段对融合特征图进行进一步特征提取，最终实现了对边缘模糊的病害的边缘较为精准的分割，先对原图片进行提取，得到富含边缘特征的与真实病害预测相似的边缘特征图，并将其融合在网络最后段，提升了模型预测的准确性，以及对边缘模糊病害的精确性。