-
公开(公告)号:CN119338805B
公开(公告)日:2025-03-07
申请号:CN202411865597.6
申请日:2024-12-18
Applicant: 安徽农业大学
IPC: G06T7/00 , G01N21/88 , G01N21/892 , G01N21/25 , G06V20/68 , G06V20/40 , G06V10/40 , G06V10/52 , G06V10/77 , G06V10/82 , G06V10/94 , G06V10/96 , G06N3/0464 , G06N3/0495 , G06N3/092 , G06N3/096 , G06N3/006 , G06F9/50
Abstract: 本发明属于果实病害检测分析领域,具体提供了面向果实病害检测的多源教师蒸馏及熵减分布平台系统,包括以下模块:集成设备模块利用集成式设备采集目标果实的影像数据;数据处理模块对所述高光谱图像和视频分别进行智能光谱信息增强处理;模型部署模块将针对高光谱图像数据的模型蒸馏得到可部署边缘端的模型;病害检测模块通过总控协调不同数据类型的边缘端拆分教师模型,得到由多个边缘端拆分得到的子模型,利用子模型对传送带上的果实进行病害质量检测任务。本发明通过集成式设备采集果实的高光谱图像和视频,并发送到各个边缘设备进行预处理,再通过总控协调不同数据类型的边缘端进行蒸馏模型的拆分,并将其量化部署在边缘设备上实行检测。
-
公开(公告)号:CN119415934B
公开(公告)日:2025-03-18
申请号:CN202510028071.0
申请日:2025-01-08
Applicant: 安徽农业大学
IPC: G06F18/213 , G06N3/006 , G06N3/0475 , G06N3/094 , G06F18/10 , G06F18/22 , G01N21/359
Abstract: 本发明适用于近红外光谱建模分析领域,提供了一种近红外光谱建模的特征模式生成与协同优化方法,包括:获取样本近红外光谱数据并进行预处理操作,利用转换方法将一维近红外光谱数据转换为二维结构数据;在已有的二维结构数据的基础上,利用生成技术生成更多的二维结构数据;针对不同的特征模式,利用不同的神经网络进行深度特征的提取,并利用交叉自适应注意力机制与特征协同构建方法构建最佳最小特征模式集;根据最佳最小特征模式集搭建模型,使用协同优化损失函数对模型进行优化,最终实现对近红外光谱数据的高效建模和准确分析。本发明显著提高了近红外光谱建模在物质成分含量分析中的精确度。
-
公开(公告)号:CN119415934A
公开(公告)日:2025-02-11
申请号:CN202510028071.0
申请日:2025-01-08
Applicant: 安徽农业大学
IPC: G06F18/213 , G06N3/006 , G06N3/0475 , G06N3/094 , G06F18/10 , G06F18/22 , G01N21/359
Abstract: 本发明适用于近红外光谱建模分析领域,提供了一种近红外光谱建模的特征模式生成与协同优化方法,包括:获取样本近红外光谱数据并进行预处理操作,利用转换方法将一维近红外光谱数据转换为二维结构数据;在已有的二维结构数据的基础上,利用生成技术生成更多的二维结构数据;针对不同的特征模式,利用不同的神经网络进行深度特征的提取,并利用交叉自适应注意力机制与特征协同构建方法构建最佳最小特征模式集;根据最佳最小特征模式集搭建模型,使用协同优化损失函数对模型进行优化,最终实现对近红外光谱数据的高效建模和准确分析。本发明显著提高了近红外光谱建模在物质成分含量分析中的精确度。
-
公开(公告)号:CN119338805A
公开(公告)日:2025-01-21
申请号:CN202411865597.6
申请日:2024-12-18
Applicant: 安徽农业大学
IPC: G06T7/00 , G01N21/88 , G01N21/892 , G01N21/25 , G06V20/68 , G06V20/40 , G06V10/40 , G06V10/52 , G06V10/77 , G06V10/82 , G06V10/94 , G06V10/96 , G06N3/0464 , G06N3/0495 , G06N3/092 , G06N3/096 , G06N3/006 , G06F9/50
Abstract: 本发明属于果实病害检测分析领域,具体提供了面向果实病害检测的多源教师蒸馏及熵减分布平台系统,包括以下模块:集成设备模块利用集成式设备采集目标果实的影像数据;数据处理模块对所述高光谱图像和视频分别进行智能光谱信息增强处理;模型部署模块将针对高光谱图像数据的模型蒸馏得到可部署边缘端的模型;病害检测模块通过总控协调不同数据类型的边缘端拆分教师模型,得到由多个边缘端拆分得到的子模型,利用子模型对传送带上的果实进行病害质量检测任务。本发明通过集成式设备采集果实的高光谱图像和视频,并发送到各个边缘设备进行预处理,再通过总控协调不同数据类型的边缘端进行蒸馏模型的拆分,并将其量化部署在边缘设备上实行检测。
-
-
-