公开(公告)号：CN119915771A

公开(公告)日：2025-05-02

申请号：CN202510398362.9

申请日：2025-04-01

Applicant: 安徽农业大学

Inventor： 闫临宇 ,  廖娟 ,  曹佳雯 ,  刘泳均 ,  董萧 ,  唐七星 ,  朱德泉 ,  张顺

IPC: G01N21/359 ,  G06V10/82 ,  G06N3/045 ,  G06V10/44 ,  G06V10/58 ,  G06V10/774

Abstract: 本发明公开了一种基于高光谱图像的稻种活力检测方法及系统，该方法包括：对样品稻种随机分组，并分别进行老化处理，得到未老化处理的样品稻种组、多个不同老化程度的样品稻种组；采集不同的样品稻种组的稻种光谱数据作为训练样本；将不同的样品稻种组置于预设环境中进行发芽，基于不同样品稻种组的发芽率确定不同样品稻种组的活力水平；基于不同的样品稻种组的稻种光谱数据和对应的活力水平训练预先构建的神经网络模型，得到训练完成的稻种活力检测模型；对于待检测的稻种，采集稻种光谱数据，输入所述稻种活力检测模型，得到稻种活力水平检测结果。本发明实现稻种活力水平快速检测，为水稻种子品质估提供有力支持。

公开(公告)号：CN119498063A

公开(公告)日：2025-02-25

申请号：CN202411366629.8

申请日：2024-09-27

Applicant: 安徽农业大学

Inventor： 闫临宇 ,  廖娟 ,  曹佳雯 ,  刘泳均 ,  董萧 ,  熊玮 ,  张顺 ,  况福明 ,  朱德泉

IPC: A01C1/02 ,  G06V20/10 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/006 ,  G01N21/3563 ,  G01N21/359

Abstract: 本发明提供了基于近红外光谱的水稻种子活力快速检测方法，属于光谱分析技术领域。本发明对水稻种子在高温高湿的环境下进行不同程度的老化处理，未经老化的水稻种子作为对照组，采集不同程度老化处理的水稻种子光谱数据，并对数据进行预处理；取出各处理组的种子进行生理指标的测定，包括发芽率和发芽势等；基于预处理后的光谱数据，采用数据增强方法来充分体现样本数据的内部特征和类别差异；应用Conv1D‑GRU框架，模型能够同时捕捉光谱数据中的空间特征和时序信息，全连接层将提取到的综合特征用活力预测，并通过softmax层输出分类结果，使用混合优化种群搜索算法来进一步优化模型的性能，以实现根据水稻种子老化的不同程度对水稻种子的活力进行快速检测。

公开(公告)号：CN117723505A

公开(公告)日：2024-03-19

申请号：CN202311704101.2

申请日：2023-12-12

Applicant: 安徽农业大学

Inventor： 曹佳雯 ,  廖娟 ,  刘晓丽 ,  田泽丰 ,  唐七星 ,  刘龙宝

IPC: G01N21/359 ,  G01N21/01 ,  G06F18/23213 ,  G06F18/214

Abstract: 本发明公开了基于近红外光谱的水稻种粒秕谷含量等级快速检测方法，利用近红外光谱采集单元采集不同秕谷含量的水稻种粒在全波段波长下的原始光谱，并对原始光谱数据进行预处理和特征波长提取，以获取具有强表征的关键性波长；结合自适应聚类算法构建水稻种粒秕谷含量等级快速检测模型，采用训练集训练检测模型，并基于测试集评估模型的性能，实现水稻种粒秕谷含量等级快速检测，为水稻种粒的千粒重与结实率测量以及质量的检测与评估提供技术支撑，对栽培措施的优化、水稻生产提质增效、提高农药利用率具有重要意义。

公开(公告)号：CN117011607A

公开(公告)日：2023-11-07

申请号：CN202310998489.5

申请日：2023-08-08

Applicant: 安徽农业大学

Inventor： 邵钰轩 ,  廖娟 ,  田泽丰 ,  曹佳雯 ,  熊玮 ,  况福明 ,  张顺 ,  朱德泉

IPC: G06V10/764 ,  G06V10/82 ,  G06V20/60 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于注意力残差网络的水稻种子分类方法，通过图像预处理的方法，有效避免了图像背景对模型预测的干扰，减少了客观因素对实际应用的影响。在采样过程中获取充分的有效信息，特征提取更加充分；借鉴Res2Net网络的改进模式，引入注意力机制，在不改变网络层数的前提下增加了网络的深度，增强了多尺度特征提取能力，有效解决了相似品种的识别问题，并增加了信息提取能力而不引起计算成本的大量提高。

公开(公告)号：CN117011607B

公开(公告)日：2024-11-19

申请号：CN202310998489.5

申请日：2023-08-08

Applicant: 安徽农业大学

Inventor： 邵钰轩 ,  廖娟 ,  田泽丰 ,  曹佳雯 ,  熊玮 ,  况福明 ,  张顺 ,  朱德泉

IPC: G06V10/764 ,  G06V10/82 ,  G06V20/60 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于注意力残差网络的水稻种子分类方法，通过图像预处理的方法，有效避免了图像背景对模型预测的干扰，减少了客观因素对实际应用的影响。在采样过程中获取充分的有效信息，特征提取更加充分；借鉴Res2Net网络的改进模式，引入注意力机制，在不改变网络层数的前提下增加了网络的深度，增强了多尺度特征提取能力，有效解决了相似品种的识别问题，并增加了信息提取能力而不引起计算成本的大量提高。

公开(公告)号：CN117292263A

公开(公告)日：2023-12-26

申请号：CN202311329612.0

申请日：2023-10-13

Applicant: 安徽农业大学

Inventor： 田泽丰 ,  廖娟 ,  邵钰轩 ,  曹佳雯 ,  朱德泉 ,  唐七星

IPC: G06V20/10 ,  G06V10/77 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供水稻检测模型的训练方法、计数方法、系统、设备和介质，该训练方法包括：获取水稻籽粒的样本图像和样本图像中水稻籽粒数量的真实值；将样本图像输入至水稻籽粒检测模型中，根据多头自注意力模块和坐标注意力模块，提取样本图像中不同尺度的籽粒特征图；其中，水稻籽粒检测模型以YOLOV5为主网络，并融合多头自注意力模块与坐标注意力模块；根据多头自注意力模块将不同尺度的籽粒特征图进行多尺度特征融合；根据融合后特征图获取样本图像中水稻籽粒数量的预测值；根据真实值、预测值、以及损失函数，调整水稻籽粒模型的参数，获得训练好的水稻籽粒检测模型。可以准确进行千粒重的测定，并且更加高效，精确度更高。