-
公开(公告)号：CN119625327B
公开(公告)日：2025-05-06
申请号：CN202510168773.9
申请日：2025-02-17
Applicant: 安徽农业大学
IPC: G06V10/26 , G06N3/0455 , G06N3/0464 , G06V10/44 , G06V10/80 , G06V10/82 , G06V20/10
Abstract: 本发明公开了一种基于改进VM‑UNet模型的农田排水沟渠遥感图像语义分割方法，该方法中将对VM‑UNet模型进行了改进，在解码器中：第三编码层和第一编码层输出的特征经过SENet注意力机制处理后通过跳跃连接输入到解码器；第二编码层和Patch Embedding层输出的特征经过多尺度注意力聚合后通过跳跃连接输入解码器；本发明通过多尺度卷积和空间注意力机制聚合空间特征，增强模型对复杂沟渠背景的分辨能力，通过通道加权机制强化排水沟渠相关的语义信息，减少混淆背景对分割结果的影响。
-
公开(公告)号：CN117315473A
公开(公告)日：2023-12-29
申请号：CN202311273707.5
申请日：2023-09-28
Applicant: 安徽农业大学
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/764
Abstract: 本发明涉及一种基于改进YOLOv8的草莓成熟度检测方法及系统，包括：采集待检测草莓图像；基于改进的YOLOv8模型对所述待检测草莓图像进行成熟度识别，获取草莓成熟度检测结果；其中，所述改进的YOLOv8模型通过训练集完成训练，所述训练集数据为标注成熟度的草莓图像集。本发明能够实现在开放场景下提高目标检测模型识别草莓的准确率以及定位采摘的准确率。
-
公开(公告)号：CN119625327A
公开(公告)日：2025-03-14
申请号：CN202510168773.9
申请日：2025-02-17
Applicant: 安徽农业大学
IPC: G06V10/26 , G06N3/0455 , G06N3/0464 , G06V10/44 , G06V10/80 , G06V10/82 , G06V20/10
Abstract: 本发明公开了一种基于改进VM‑UNet模型的农田排水沟渠遥感图像语义分割方法，该方法中将对VM‑UNet模型进行了改进，在解码器中：第三编码层和第一编码层输出的特征经过SENet注意力机制处理后通过跳跃连接输入到解码器；第二编码层和Patch Embedding层输出的特征经过多尺度注意力聚合后通过跳跃连接输入解码器；本发明通过多尺度卷积和空间注意力机制聚合空间特征，增强模型对复杂沟渠背景的分辨能力，通过通道加权机制强化排水沟渠相关的语义信息，减少混淆背景对分割结果的影响。
-
公开(公告)号：CN117094325A
公开(公告)日：2023-11-21
申请号：CN202311240372.7
申请日：2023-09-25
Applicant: 安徽农业大学
IPC: G06F40/295 , G06F40/30 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种水稻病虫害领域命名实体识别方法，包括以下步骤：步骤S1、获取水稻病虫害领域实体的文本数据；步骤S2、对部分文本数据按实体进行数据标注构建训练集，其余为未标注文本数据；步骤S3、构建识别模型，利用训练集对识别模型进行训练得到基准模型；步骤S4、利用基准模型预测未标注文本数据得到带有伪标签的文本数据；将带有伪标签的文本数据扩充训练集对基准模型进行训练，得到最终识别模型；步骤S5、利用最终识别模型识别水稻病虫害实体。本发明解决了缺乏训练数据、实体结构复杂、实体类型多样、实体分布不均问题、解决缺乏训练数据问题，减少当前大多数命名实体识别模型对高质量标注数据集的依赖。
-
公开(公告)号：CN119942126A
公开(公告)日：2025-05-06
申请号：CN202510260339.3
申请日：2025-03-06
Applicant: 安徽农业大学
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06V10/44 , G06V10/774 , G06V20/10 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于改进RMSIN模型的土地利用遥感图像语义分割方法，该分割方法改进RMSIN模型，移除语言模态相关模块，在Various Receptive和Vision Gate之间加入CSMamba模块，调整解码器，将多个不同尺度的特征图按通道拼接，实现多尺度特征融合，并结合跳跃连接进行上采样，有效恢复图像细节并提升分割精度，显著提高土地利用遥感图像的语义分割精度和效率。
-
Patent Agency Ranking
公开(公告)号：CN118275511A
公开(公告)日：2024-07-02
申请号：CN202410267150.2
申请日：2024-03-08
IPC: G01N27/30 , G01N27/26 , G01N23/2251 , B82Y30/00 , B82Y40/00
Abstract: 本发明公开了一种亚硝酸盐检测的传感器制备方法及应用，氧化铟前驱体进行退火处理后制得氧化铟颗粒，再将氧化铟颗粒与金纳米粒子进行复合得到金‑氧化铟纳米复合物。金‑氧化铟纳米复合物分散在乙醇溶液、超纯水和Nafion溶液中制备金‑氧化铟纳米复合物的悬浮液，用移液枪滴注在玻碳电极上，电极烘干后以备电化学测试使用。本发明方法制备的传感器可以实现水产养殖中亚硝酸盐的快速、准确检测，具有较高的灵敏度、选择性和抗干扰性，克服了传统检测方法高价格、高时长、操作复杂的缺点，对水产养殖业具有一定的指导和参考意义。
-
公开(公告)号：CN117893823A
公开(公告)日：2024-04-16
申请号：CN202410080533.9
申请日：2024-01-19
Applicant: 安徽农业大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06V10/774 , G06T7/00 , G06V10/25 , G06V10/42 , G06V10/80
Abstract: 本发明公开了一种基于Swin Transformer的苹果成熟度检测方法，包括以下步骤：步骤1、获取苹果图像进行人工成熟度标注得到数据集；将数据集划分为训练集、验证集和测试集后进行数据增强；步骤2、生成改进的YOLOv8模型，改进的YOLOv8模型中Backbone骨干网络为Swin Transformer注意力机制模块，Neck部分为渐进特征金字塔网络AFPN；步骤3、利用训练集对改进的YOLOv8模型进行训练得到成熟度最佳预测模型；步骤4、将待检测的苹果图像输入至成熟度最佳预测模型得到苹果图像中各个苹果的成熟度。本发明可实现在开放场景下提高识别苹果成熟度的准确率。
-
公开(公告)号：CN117892731A
公开(公告)日：2024-04-16
申请号：CN202410087114.8
申请日：2024-01-22
Applicant: 安徽农业大学
IPC: G06F40/295 , G06F16/35 , G06N3/0442 , G06N3/0455 , G06N3/047 , G06N3/094 , G06N3/048
Abstract: 本发明公开了一种基于多智能体通信的玉米病虫害领域命名实体识别方法，包括以下步骤：步骤1、获取玉米病虫害及相关基因的文本数据；步骤2、对文本数据进行实体标注得到标注文本数据，并划分为训练集、测试集和验证集，步骤3、构建包括ERNIE层、BiLSTM层、初始边界标记块、多智能体通信层、边界标记模块层、CRF层的实体识别模型；步骤4、采用训练集配合测试集、验证集对实体识别模型进行训练得到玉米病虫害领域命名实体识别模型；步骤5、将待识别的玉米病虫害领域命名实体输入至玉米病虫害领域命名实体识别模型。本发明能够从相应的玉米病虫害领域数据集中识别相关的玉米病虫害领域实体边界和类别。
-
公开(公告)号：CN117315473B
公开(公告)日：2024-09-10
申请号：CN202311273707.5
申请日：2023-09-28
Applicant: 安徽农业大学
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/764
Abstract: 本发明涉及一种基于改进YOLOv8的草莓成熟度检测方法及系统，包括：采集待检测草莓图像；基于改进的YOLOv8模型对所述待检测草莓图像进行成熟度识别，获取草莓成熟度检测结果；其中，所述改进的YOLOv8模型通过训练集完成训练，所述训练集数据为标注成熟度的草莓图像集。本发明能够实现在开放场景下提高目标检测模型识别草莓的准确率以及定位采摘的准确率。
-
公开(公告)号：CN117690124B
公开(公告)日：2024-07-09
申请号：CN202311710896.8
申请日：2023-12-13
Applicant: 安徽农业大学
IPC: G06V20/68 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多尺度注意力机制的小番茄成熟度实时检测方法，包括以下步骤：步骤1、获取番茄图像作为数据集；步骤2、将数据集划分为训练集、验证集、测试集，之后进行数据增强；步骤3、生成改进的YOLOv8模型；步骤4、将步骤2得到的训练集输入至改进的YOLOv8模型中进行训练，并用验证集验证后，最终通过测试集评估泛化能力，由此得到最优检测模型；步骤5、将待检测番茄图像输入至步骤4得到的最优检测模型，以检测得到不同成熟度番茄。本发明能检测到现有模型检测不到的小番茄，并能有效解决番茄果实重叠遮挡问题。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.016 seconds)
