-
公开(公告)号：CN111881803A
公开(公告)日：2020-11-03
申请号：CN202010711196.0
申请日：2020-07-22
Applicant: 安徽农业大学 , 蒙城县京徽蒙农业科技发展有限公司
Abstract: 本发明公开了一种基于改进YOLOv3的畜脸识别方法，以YOLOv3算法为基础构建卷积神经网络模型，依次引入DenseBlock单元和改进的SPP单元，通过调节DenseBlock单元的层数以及DenseBlock单元叠加使用的次数以控制参数数目；通过改进的SPP单元，对特征提取器输出的特征图采用三种不同大小的最大池化处理，最大池化处理后再与特征提取器输出的特征图进行拼接以获取多尺度信息，最终得到YOLOv3_DB_SPP识别模型。YOLOv3_DB_SPP识别模型能够在三个尺度特征图上对不同大小的目标进行检测，能够有针对性地识别样本中的多个目标；且在完成猪脸数据集上检测任务时，对单个样本和多只圈养样本的准确率均有提高，能够实现对远距离、有遮挡小目标的识别。
-
公开(公告)号：CN111881803B
公开(公告)日：2023-10-31
申请号：CN202010711196.0
申请日：2020-07-22
Applicant: 安徽农业大学 , 蒙城县京徽蒙农业科技发展有限公司
IPC: G06V40/10 , G06V10/764 , G06N3/0464 , G06N3/048 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种基于改进YOLOv3的畜脸识别方法，以YOLOv3算法为基础构建卷积神经网络模型，依次引入DenseBlock单元和改进的SPP单元，通过调节DenseBlock单元的层数以及DenseBlock单元叠加使用的次数以控制参数数目；通过改进的SPP单元，对特征提取器输出的特征图采用三种不同大小的最大池化处理，最大池化处理后再与特征提取器输出的特征图进行拼接以获取多尺度信息，最终得到YOLOv3_DB_SPP识别模型。YOLOv3_DB_SPP识别模型能够在三个尺度特征图上对不同大小的目标进行检测，能够有针对性地识别样本中的多个目标；且在完成猪脸数据集上检测任务时，对单个样本和多只圈养样本的准确率均有提高，能够实现对远距离、有遮挡小目标的识别。
-
公开(公告)号：CN110689898A
公开(公告)日：2020-01-14
申请号：CN201911128880.X
申请日：2019-11-18
Applicant: 安徽农业大学 , 安徽泓森物联网有限公司
Abstract: 本发明实施方式提供一种用于生猪的音频信号的压缩方法及系统，属于音频信号的压缩传输技术领域。所述压缩方法包括：获取所述音频信号；将所述音频信号转换为数字信号模式；对所述音频信号进行加重处理；对加重处理后的所述音频信号执行归一化操作；对归一化操作后的所述音频信号进行加窗分帧处理；对加窗分帧处理后的所述音频信号进行端点检测以确定所述音频信号的有效信号部分；提取所述有效信号部分以作为预处理后的所述音频信号；采用谱减法压缩预处理后的所述音频信号。该压缩传输方法及系统能够解决现有技术中存在的生猪的音频信号在传输时出现的信息碰撞和拥塞的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN110533604B
公开(公告)日：2023-05-16
申请号：CN201910676288.7
申请日：2019-07-25
Applicant: 安徽农业大学 , 安徽泓森物联网有限公司
Abstract: 本发明实施方式提供一种用于复原病猪反光器官图像的方法、系统及存储介质，属于图像处理技术领域。该方法包括：以预设的像素块对图像的待修复区域进行预标记以形成预标记图像；对预标记图像进行二值化处理以形成二值化图像；对二值化图像进行形态学的闭操作以形成预处理图像；将预处理图像与图像进行叠加以得到标记后的图像；对标记后的图像进行图像修复。该方法、系统及存储介质可以相对于现有技术中的图像复原方法而言，具备更好的修复效果和更高的修复效率。
-
公开(公告)号：CN110533604A
公开(公告)日：2019-12-03
申请号：CN201910676288.7
申请日：2019-07-25
Applicant: 安徽农业大学 , 安徽泓森物联网有限公司
Abstract: 本发明实施方式提供一种用于复原病猪反光器官图像的方法、系统及存储介质，属于图像处理技术领域。该方法包括：以预设的像素块对图像的待修复区域进行预标记以形成预标记图像；对预标记图像进行二值化处理以形成二值化图像；对二值化图像进行形态学的闭操作以形成预处理图像；将预处理图像与图像进行叠加以得到标记后的图像；对标记后的图像进行图像修复。该方法、系统及存储介质可以相对于现有技术中的图像复原方法而言，具备更好的修复效果和更高的修复效率。
-
公开(公告)号：CN109784417B
公开(公告)日：2023-03-24
申请号：CN201910078350.2
申请日：2019-01-28
Applicant: 安徽农业大学 , 安徽泓森物联网有限公司
IPC: G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/096
Abstract: 本发明实施方式提供一种黑毛猪肉图像的识别方法，属于黑毛猪肉的新鲜度识别技术领域。所述识别方法包括：预设一残差网络模型；采用预设的数据库对残差网络模型进行训练，初始化残差网络模型的参数和残差网络模型的各个变量的权重，其中，数据库包括至少一张猪肉的图像；将LReLU函数作为自适应网络的激活函数；采用预设的样本集再次训练残差网络模型，其中，样本集包括至少一张黑毛猪肉的图像；输出残差网络模型；采用残差网络模型识别黑毛猪肉图像。该黑毛猪肉图像的识别方法提高了黑毛猪肉图像新鲜度的识别率。
-
公开(公告)号：CN109784417A
公开(公告)日：2019-05-21
申请号：CN201910078350.2
申请日：2019-01-28
Applicant: 安徽农业大学 , 安徽泓森物联网有限公司
Abstract: 本发明实施方式提供一种残差网络模型及其训练方法、系统、识别方法及系统，属于黑毛猪肉的新鲜度识别技术领域。所述残差网络模型包括多个残差模块，每个所述残差模块包括串联的至少一个卷积层和一个池化层，所述卷积层用于对输入的黑毛猪肉图像进行滤波处理，所述池化层用于对处理后的所述黑毛猪肉图像进行进一步整合，每个所述残差模块的输入端和输出端连接；自适应网络，与所述残差模块连接，用于对所述黑毛猪肉图像进行识别和分类。该残差网络模型具备对黑毛猪肉图像的高精度识别功能；该训练方法、系统可以训练出高精度识别功能的残差网络模型；该识别方法、系统通过采用残差网络模型对黑毛猪肉进行识别，提高了黑毛猪肉图像新鲜度的识别率。
-
公开(公告)号：CN208675273U
公开(公告)日：2019-03-29
申请号：CN201821391403.3
申请日：2018-08-27
Applicant: 安徽农业大学 , 安徽泓森物联网有限公司
Abstract: 本实用新型实施方式提供一种面向低功耗广域网的汇聚点，属于物联网信息传输技术领域。所述汇聚点包括：Lora模块，用于与外部建立长距离无线通信；ZigBee模块，用于与外部建立短距离无线通信；DEBUG模块，用于调试写入所述汇聚点的算法；RST模块，用于对所述汇聚点进行重启；Power模块，用于向所述汇聚点供电；USB模块，用于供外部设备接入所述汇聚点；控制模块，分别与所述Lora模块、ZigBee模块、DEBUG模块、RST模块、Power模块和USB模块连接，用于控制所述Lora模块、ZigBee模块、DEBUG模块、RST模块、Power模块和USB模块的工作。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.039 seconds)
