-
公开(公告)号：CN109187552A
公开(公告)日：2019-01-11
申请号：CN201810999005.8
申请日：2018-08-30
Applicant: 安徽农业大学
IPC: G01N21/88
Abstract: 本发明属于农作物病害监测技术领域，具体涉及一种基于云模型的小麦赤霉病害等级判定方法，包括病害区域的提取、颜色特征的构造、生成小麦赤霉菌颜色特征云模型、建立综合评价模型以及评价模型的分析；利用小麦赤霉病在逐渐病变过程中，病害区域的颜色变化与小麦病穗率等级的关系，结合云模型三个数字特征得出病害区域的颜色特征云，利用云模型对小麦赤霉病等级实现非硬性划分，实现综合评价。
-
公开(公告)号：CN103957602B
公开(公告)日：2017-12-22
申请号：CN201410129841.2
申请日：2014-04-01
Applicant: 安徽农业大学
Abstract: 本发明涉及一种无线传感器网络动态信道动态接入控制方法，在网络形成期，对整体网络进行管理区域划分，由管理节点控制区域网络接入参数；对于管理节点的选举采用一种基于能量控制的选举方法，各传感器节点都可以参与管理节点的选举。该方法能够使信息源区域网络到目的区域之间的所有网络区域逐步适应负载变化，具有网络生存时间长、时延小、吞吐量高的特点，适用于负载变化频繁的大规模无线传感器网络。
-
公开(公告)号：CN102831316A
公开(公告)日：2012-12-19
申请号：CN201210304048.2
申请日：2012-08-24
Applicant: 安徽农业大学
Abstract: 一种基于云本体的茶树虫害智能诊断原型系统，该系统包括概念提取模块、茶树虫害领域本体概念的云化模块、概念间分类关系的云化模块、概念间非分类关系的云化模块、智能查询模块和诊断模块、结果输出模块；本方法针对茶树虫害领域本体不确定性知识的表达问题，考虑将云模型概念与本体结合构建云本体，研究茶树虫害领域概念及概念间关系的云化方法，将领域内不确定性知识确定化，并应用于智能诊断专家系统中。
-
公开(公告)号：CN117726945A
公开(公告)日：2024-03-19
申请号：CN202311779035.5
申请日：2023-12-22
Applicant: 安徽农业大学
IPC: G06V20/10 , G06V20/68 , G06V10/26 , G06V10/44 , G06V10/82 , G06V10/80 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于多尺度的苹果叶片病害识别方法，包括：1获取苹果叶片病害图像数据集并进行预处理；2构建多尺度特征融合网络模型；3离线训练构建的多尺度特征融合网络模型；4利用构建好的模型实现预测，以达到苹果叶片病害识别的目的。本发明用改进的特征融合网络处理苹果叶片病害图像，能解决图像尺度不一的问题，从而能提升苹果叶片病害识别的准确率。
-
公开(公告)号：CN109117743A
公开(公告)日：2019-01-01
申请号：CN201810805980.0
申请日：2018-07-20
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于深度卷积的小麦赤霉病的检测方法，包括如下步骤：S1、采集小麦麦穗高光谱图像像元，并对高光谱图像像元进行样本欠采样，以解决数据集不平衡的问题，从而得到目标数据；S2、对目标数据进行二维图像的重塑得到灰度图像，并基于灰度图像进行预处理；S3、基于预处理的数据运用深度卷积神经网络对数据进行训练；S4、基于训练的结果来分析深度卷积神经网络模型的分类效果；本发明利用高光谱成像技术对小麦赤霉病进行早期的快速和无破坏检测，提高了对被测小麦区域分类结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN109035231A
公开(公告)日：2018-12-18
申请号：CN201810805085.9
申请日：2018-07-20
Applicant: 安徽农业大学
CPC classification number: G06T7/0002 , G06K9/6268 , G06N3/0454 , G06T7/0012 , G06T2207/20081 , G06T2207/20104
Abstract: 本发明公开了一种基于深度循环的小麦赤霉病的检测方法，包括如下步骤:S1、采集小麦麦穗高光谱图像像元，并对高光谱图像像元进行样本欠采样，以解决数据集不平衡的问题，从而得到目标数据；S2、对目标数据进行二维图像的重塑来作为灰度图像，并基于灰度图像进行预处理；S3、基于预处理的数据运用深度循环神经网络对数据进行训练；S4、基于训练的结果来分析深度循环神经网络模型的分类效果；本发明利用高光谱成像技术对小麦赤霉病进行早期的快速和无破坏检测，提高了对被测小麦区域分类结果的准确性。
-
公开(公告)号：CN105930531A
公开(公告)日：2016-09-07
申请号：CN201610422472.5
申请日：2016-06-08
Applicant: 安徽农业大学
IPC: G06F17/30
CPC classification number: G06F16/285
Abstract: 本发明公开了一种基于混合模型的农业领域本体知识云维度优选方法，通过聚类个数的优选，对属性与类属性之间进行相关性测度，通过相关性值的大小对数据进行过滤获得相关属性集，同时对相关属性集进行冗余性测度，删除其中相互冗余的属性得到最相关属性集，并通过对最相关属性集的准确性测试，获得分类准确性最佳的子集作为相应的云维度的信息。本发明所提出的基于混合模型的云维度优选方法能够实现农业领域数据库中的带类标识属性数据和无类标识属性数据的云维度优选，去除其中的不相关、弱相关、冗余的属性，达到精简云本体规模的效果，从而提高构建领域云本体的质量，为农业领域知识服务、共享和重用做出了贡献。
-
公开(公告)号：CN109187552B
公开(公告)日：2021-07-09
申请号：CN201810999005.8
申请日：2018-08-30
Applicant: 安徽农业大学
IPC: G01N21/88
Abstract: 本发明属于农作物病害监测技术领域，具体涉及一种基于云模型的小麦赤霉病害等级判定方法，包括病害区域的提取、颜色特征的构造、生成小麦赤霉菌颜色特征云模型、建立综合评价模型以及评价模型的分析；利用小麦赤霉病在逐渐病变过程中，病害区域的颜色变化与小麦病穗率等级的关系，结合云模型三个数字特征得出病害区域的颜色特征云，利用云模型对小麦赤霉病等级实现非硬性划分，实现综合评价。
-
公开(公告)号：CN106372099B
公开(公告)日：2020-06-16
申请号：CN201610534240.9
申请日：2016-07-07
Applicant: 安徽农业大学
IPC: G06F16/28
Abstract: 本发明公开了一种农业领域本体有效性评估方法，结合查全率R、查准率P和F1指数对农业领域本体概念进行评估，结合概念间的语义相似度对农业领域本体概念间分类关系的一致性、准确性、简洁性进行评估，根据评估指标对农业领域本体概念间对象属性关系进行评估。如此，重点解决了农业领域本体有效性评估中存在的三个重要问题——本体概念的有效性评估、本体分类关系的有效性评估和本体非分类关系的有效性评估。本发明提出的农业领域本体有效性评估方法体系以农业领域本体为研究对象，可有效地评估农业领域本体的质量，提升农业本体构建效率。
-
公开(公告)号：CN106599117B
公开(公告)日：2019-12-03
申请号：CN201611087353.5
申请日：2016-12-01
Applicant: 安徽农业大学
IPC: G06F16/35
Abstract: 一种茶学领域虚拟本体建模方法，基于云计算的MapReduce框架的，包括若干个Map任务和一个Reduce任务。其中，Map任务主要开展茶学领域本体模块的虚拟抽取，Map任务的个数由所涉及到茶学领域本体的个数确定。Reduce任务主要是对虚拟抽取后的茶学领域本体模块进行映射，最终生成茶学领域虚拟本体。为了更好的发挥MapReduce的效率，方法中所涉及的茶学虚拟本体知识均储存在HBase数据库中。本方法能实现云计算环境下多个茶学本体知识的按需获取，有效提高茶学本体知识的共享和复用效率。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.022 seconds)
