-
公开(公告)号：CN114548265B
公开(公告)日：2024-06-21
申请号：CN202210157494.9
申请日：2022-02-21
Applicant: 安徽农业大学
IPC: G06V10/764 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种作物叶片病害图像生成模型训练方法、作物叶片病害识别方法、电子设备及存储介质，属于图像增强技术领域。基于层级式SwinT网络作为叶片区域提取模块的特征提取网络，设计多阶段重叠式嵌入和分层级特征下采样模块优化SwinT的图像嵌入方式和渐进式层级结构，根据重构特征图生成显著图并提取叶片区域。将叶片区域提取模块集成到图像生成模型，通过设计背景损失函数引导图像生成模型仅在叶片区域生成病斑，实现叶片病害图像数据集的有效增强。本发明能够提升生成作物叶片病害图像的生成效率与质量，显著提高作物叶片病害识别模型的准确率和鲁棒性，具有计算代价低、所需的训练数据量小、收敛快速且稳定等特点。
-
公开(公告)号：CN118038451A
公开(公告)日：2024-05-14
申请号：CN202410431523.5
申请日：2024-04-11
Applicant: 安徽农业大学
IPC: G06V20/68 , G06V10/80 , G06V10/74 , G06V10/774 , G06V10/762
Abstract: 本发明公开了一种开放世界果实检测模型构建方法、检测方法及电子设备，属于计算机视觉和自然语言处理技术领域。本发明构建所得检测模型包括：文本编码模块，用于生成输入文本的文本特征向量；图像编码模块，用于生成输入图像的图像特征向量；图文特征融合模块，用于多层融合和交互文本特征和图像特征，生成融合后的图像特征向量和文本特征向量；深度估计模块，用于生成输入图像的深度估计特征；目标检测头，用于进一步融合和提取所得的融合后的图像特征向量、文本特征向量和深度估计特征，得到预测结果。本发明结合图像、深度估计算法和开放文本，实现了未见类别的果实检测和定位。
-
公开(公告)号：CN116678862A
公开(公告)日：2023-09-01
申请号：CN202310681543.3
申请日：2023-06-08
Applicant: 安徽农业大学
Abstract: 本发明公开了一种植株叶绿素荧光三维成像装置及方法，属于植株叶绿素荧光三维领域。针对现有技术中存在的植株叶绿素荧光三维成像方法实现复杂、需要多角度拍摄、合成图像需要大量数据等问题，本发明提供了一种植株叶绿素荧光三维成像装置及方法，在不同位置光源下获取植株单视角图像通过植株神经辐射场对植株进行三维重建，生成植株精细三维模型，同时结合渲染对植株精细三维模型进行优化，得到植株三维图像以及植株叶绿素荧光三维图像，由此能够提高单视角下植株叶绿素荧光三维成像的精度和速度，减少数据处理时间，为植株生长、疾病和逆境应答等研究提供更加准确、全面的信息。
-
公开(公告)号：CN113093620B
公开(公告)日：2022-07-05
申请号：CN202110371969.X
申请日：2021-04-07
Applicant: 安徽农业大学 , 安徽皓天智能环境设备科技有限公司
IPC: G05B19/042 , G01D21/02
Abstract: 本发明公开了一种分布式光合速率监测系统，是在温室/大棚内的不同位置处分别部署多个监测端和一个主控端；该监测端分为两层，上层为叶片仓，下层为叶片仓测控室，叶片仓测控室内设置有电机、MCU模块、可充电电池、各个环境传感器、无线通信模块，并用于接收主控端指令，控制叶片仓自动开合以及测量叶片仓内作物叶片的环境因子数据后发送给主控端；主控端根据所接收到的环境因子数据拟合出光合速率。本发明能快速准确地分布测量温室/大棚内各处作物的光合速率，简化过程并提高装置在温室/大棚中的作用范围，为后续根据光合速率对温室/大棚内环境参数调控奠定基础。
-
公开(公告)号：CN114119574A
公开(公告)日：2022-03-01
申请号：CN202111443534.8
申请日：2021-11-30
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于机器视觉的采摘点检测模型构建方法及采摘点定位方法，属于人工智能检测技术领域。采集采摘目标多角度RGB图像和深度图像通过视角映射生成采摘目标的第一点云集合作为训练集；采用三维重建方法实时重建采摘本体树冠层第二点云集合作为验证集和测试集，训练采摘点检测模型Alpha‑VoteNet。采摘时，采用三维重建方法实时三维重建采摘对象树冠层第三点云集合，利用采摘点检测模型获取采摘对象树冠层的所有采摘目标的采摘区域标注框，并根据标注框底面顶点计算底面中心获取采摘点三维坐标。本方法克服了传统方法中无法获取采摘目标的三维信息和因障碍物遮挡造成识别精度不高的问题，具有检测精度高、识别速度快和泛化能力强等特点。
-
Patent Agency Ranking
公开(公告)号：CN110070571B
公开(公告)日：2020-10-16
申请号：CN201910349665.6
申请日：2019-04-28
Abstract: 本发明实施例提供一种基于深度相机的毛竹形态参数检测方法，该方法包括：通过图像拼接获取待检测毛竹的全景彩色图像和全景深度图像；根据全景彩色图像和全景深度图像获取待检测毛竹的点云图像；基于点云图像获取待检测毛竹的形态参数。本发明实施例根据毛竹的全景彩色图像和全景深度图像获取毛竹的点云图像，并基于点云图像获取毛竹的形态参数；由于点云图像能够从三维空间反映毛竹的空间形态，相比于现有技术中通过二维图像获取毛竹的形态参数的方式，打破了二维图像的维度限制，能够更加准确的反映毛竹的真实空间形态，检测获得的形态参数更加准确。
-
公开(公告)号：CN107333314B
公开(公告)日：2019-10-29
申请号：CN201710527350.7
申请日：2017-06-30
Applicant: 安徽农业大学
Abstract: 本发明公开了一种无线传感网簇构建和簇头更新方法，属于无线传感器网络领域，其解决了现有无线传感网簇结构稳定性不高的问题。本发明的构建方法通过以汇聚节点为起点，由近及远地完成全网的多层次簇构建；具体是以汇聚节点为中心、将传感器节点无线通信半径内的传感器节点划分为第0层簇网络，接着使用节点能耗平衡策略进行第1层簇网络的构建；再从上层网络簇成员节点中，选举拥有最大簇头能力值的节点作为下层簇网络的簇头并构建下层簇网络，依次迭代构建第2层及其他层簇网络。本发明构造的层次式簇结构具有稳定性高、分布式按需簇更新的特点，克服了传统方法周期性全网簇更新所带来的高额簇维护开销。
-
公开(公告)号：CN106682639B
公开(公告)日：2019-05-14
申请号：CN201710001377.2
申请日：2017-01-03
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于视频监测的作物叶部异常图像提取方法，其特征是包括1、采集作物生长视频，对作物生长视频分帧处理；2、通过自定义的相似度聚类方法提取作物生长关键帧图像；3、通过自定义的图像二值化方法提取作物生长关键帧图像显著性区域的二值图像；4、通过改进的去除图片复杂背景的方法，提取去除复杂背景的包含作物叶部异常区域的RGB图像。本发明能从大量作物生长帧图像中快速提取出冗余较少的关键帧图像、精确提取出作物叶部异常图像，从而为后续病虫害的自动识别、防治提供科学有效的依据。
-
公开(公告)号：CN107333314A
公开(公告)日：2017-11-07
申请号：CN201710527350.7
申请日：2017-06-30
Applicant: 安徽农业大学
Abstract: 本发明公开了一种无线传感网簇构建和簇头更新方法，属于无线传感器网络领域，其解决了现有无线传感网簇结构稳定性不高的问题。本发明的构建方法通过以汇聚节点为起点，由近及远地完成全网的多层次簇构建；具体是以汇聚节点为中心、将传感器节点无线通信半径内的传感器节点划分为第0层簇网络，接着使用节点能耗平衡策略进行第1层簇网络的构建；再从上层网络簇成员节点中，选举拥有最大簇头能力值的节点作为下层簇网络的簇头并构建下层簇网络，依次迭代构建第2层及其他层簇网络。本发明构造的层次式簇结构具有稳定性高、分布式按需簇更新的特点，克服了传统方法周期性全网簇更新所带来的高额簇维护开销。
-
公开(公告)号：CN103955938A
公开(公告)日：2014-07-30
申请号：CN201410206856.4
申请日：2014-05-15
Applicant: 安徽农业大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于移动互联网模式和叶片颜色分析的小麦生长状态诊断方法，其特征是按如下步骤进行：1智能手机采集小麦叶片图像，并传输至后台服务器；2后台服务器将小麦叶片图像进行消除光照影响处理后获得预处理样本图像；3对预处理样本图像通过颜色分析方法获取小麦的生长状态信息和病害结果并反馈给所述智能手机；4所述智能手机接收所述生长状态信息和病害结果并进行显示。本发明能实时获取和分析小麦叶片信息，全面反应小麦作物生长情况和病虫害情况，并提高小麦生长状态诊断的准确性。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.025 seconds)
