-
公开(公告)号：CN117286014A
公开(公告)日：2023-12-26
申请号：CN202311254140.7
申请日：2023-09-26
Applicant: 安徽大学
Abstract: 本发明涉及农业病菌孢子检测技术领域，具体是涉及一种能够捕捉气传真菌病害孢子的自动化装置，包括壳体、竖直设置于壳体内的孢子捕捉装置，孢子捕捉装置靠近壳体顶部设置；所述孢子捕捉装置还设有顶部捕捉仓和侧壁捕捉仓，顶部捕捉仓呈竖直状态设置于孢子捕捉装置顶部且穿过壳体置于防尘罩内；侧壁捕捉仓呈竖直状态固定设置于壳体边角处且一一对应壳体边角设置有多组；孢子检测装置呈竖直状态固定设置于壳体内且靠近壳体底部设置；所述壳体的外壁还折叠设置有用以为设置供电的太阳能供电模块；本发明不仅可以实现自动对孢子进行捕捉而且可以自动对其进行检测，可以实时对孢子进行检测，精确地预测孢子的传播以及病害情况。
-
公开(公告)号：CN118710544A
公开(公告)日：2024-09-27
申请号：CN202410911857.2
申请日：2024-07-09
Applicant: 安徽大学
IPC: G06T5/73 , G06T5/60 , G06N3/084 , G06N3/0985
Abstract: 本发明提供一种基于多尺度位置自注意力的任意尺寸图像锐化方法，获取待锐化的第一图像；输入第一图像至训练好的多尺度位置自注意力网络中，得到锐化后的第二图像，多尺度位置自注意力网络包括双线性空间插值单元、编码器单元、多尺度位置单元、多块集成单元以及解码器单元。该方法通过编码器单元提取图像特征，多尺度位置单元在提取多尺度信息提高表征能力的同时，还生成特征图用于自注意力计算，此外，还使用多块集成单元增强了对特征信息的全面利用能力，使用解码器单元和双线性空间插值单元根据要进行锐化的尺寸进行图像重建，实现了在任意尺寸图像锐化任务下的优异表现。
-
公开(公告)号：CN117576466A
公开(公告)日：2024-02-20
申请号：CN202311560217.3
申请日：2023-11-22
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/774 , G06V10/25 , G06V10/82 , G06V20/68 , G06V10/40 , G06V10/24 , G06V10/20 , G06V10/80 , G06N3/0464 , G06N3/0985
Abstract: 本发明涉及一种基于多源图像的果实损伤类别与区域识别方法，包括：搭建可见光和IR成像系统；通过可见光和IR成像系统进行果实图像采集与处理，获得多模态图像数据集，将多模态图像数据集划分为训练集、验证集和测试集；对DeepLabv3深度学习模型进行改进，得到ADS‑DeepLabv3+网络模型；采用训练集对ADS‑DeepLabv3+网络模型进行训练，将待识别的果实图像输入训练后的ADS‑DeepLabv3+网络模型，得到果实损伤类型和区域。本发明能够更好地获取果实“反—透”射特性，提高检测准确性，具有更好的适应性和抗干扰性；ADS‑DeepLabv3+网络模型通过融入特征金字塔网络和卷积注意模块来提高小目标损伤的识别能力，结合Dice_Loss和Focal_loss的损失函数得到的混合损失函数提高了对难区分样本的预测能力。
-
公开(公告)号：CN117455770A
公开(公告)日：2024-01-26
申请号：CN202311270151.4
申请日：2023-09-28
Applicant: 安徽大学
IPC: G06T3/4053 , G06T3/4046 , G06T7/10 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及一种基于逐层上下文信息聚合网络的轻量级图像超分辨率方法，包括：获取图像对作为训练样本，图像对由图像ILR和图像IHR组成；搭建逐层上下文信息聚合网络模型，利用训练样本对逐层上下文信息聚合网络模型进行训练，得到训练后的逐层上下文信息聚合网络模型；将待处理图像输入到训练后的逐层上下文信息聚合网络模型中，训练后的逐层上下文信息聚合网络模型输出超分辨率预测结果。本发明利用图像各个层次的多尺度信息构建网络，它不仅解决了显卡内存占用大、计算时间长的问题，还能够实现更高质量的超分任务；通过高分辨率图像重建单元将重参数化技术引入部分卷积，连接这两种信息，进行图像重建，实现了在多种超分辨率任务下的优异表现。
-
公开(公告)号：CN117197807A
公开(公告)日：2023-12-08
申请号：CN202311220559.0
申请日：2023-09-20
Applicant: 安徽大学
IPC: G06V20/69 , G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及基于YOLOv4‑tiny轻量化模型的小麦赤霉病孢子识别方法，与现有技术相比解决了赤霉病孢子检测准确率低、检测速度慢、计算量大的缺陷。本发明包括以下步骤：孢子图像数据集的建立；构建轻量化孢子识别模型；轻量化孢子识别模型的训练；待识别孢子图像的获取；小麦赤霉病孢子识别结果的获得。本发明利用YOLOv4‑tiny具有更高的检测速度和较好的实时性的特点，在保证准确性的同时实现快速检测；本发明通过将YOLOv4主干特征提取网络CSPDarknet53模块替换为CSPDarknet53_tiny模块，有效的实现了小麦赤霉病孢子快速准确检测识别。
-
Patent Agency Ranking
公开(公告)号：CN116245935A
公开(公告)日：2023-06-09
申请号：CN202310025679.9
申请日：2023-01-09
Applicant: 安徽大学
Abstract: 本发明涉及一种基于双目立体视觉的番茄叶面积测定方法，包括：利用棋盘标定法进行双目标定：设定多个坐标系，结合定焦多角度图像，求解双目相机的内参数；利用左右视差计算出双目相机到番茄叶的距离；进行立体校正和畸变矫正：计算双目相机的旋转矩阵和平移矩阵，得到平行配置双目立体图像对，并利用纠正公式进行畸变矫正；统计番茄叶的像素面积，推算出实际叶面积。本发明可无损、快速测定番茄叶面积，动态追踪作物生长过程中的叶面积变化，不破坏叶面结构，解放人力，效率较高；精度较高、速度快、柔性较好,具有较大潜力；对双目相机获得的图片进行畸变处理，得到平行配置双目立体图像对，排除了拍摄过程中角度等因素的影响，准确度较高。
-
公开(公告)号：CN118887092A
公开(公告)日：2024-11-01
申请号：CN202410911879.9
申请日：2024-07-09
Applicant: 安徽大学
IPC: G06T3/4053 , G06T3/4046 , G06T3/4007 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于图像结构建模的Transformer超分辨率网络的图像超分辨率方法，包括如下步骤：获取待超分的第一图像；输入所述第一图像至训练好的Transformer超分辨率网络中，得到超分后的第二图像，其中，所述Transformer超分辨率网络的表达式如下：ISR＝HREC(HDF(HSF(ILR)))，式中，ILR为所述第一图像，ISR为所述第二图像，HSF、HDF、HREC分别是浅层特征提取单元、深层特征提取单元以及高分辨率重建单元的函数，所述深层特征提取单元由Transformer层构成。该方法通过对图像中的结构信息局部纹理信息作有针对性的处理，实现了在多种超分辨率任务下的优异表现。
-
公开(公告)号：CN117272021A
公开(公告)日：2023-12-22
申请号：CN202311211477.X
申请日：2023-09-19
Applicant: 安徽大学
IPC: G06F18/213 , G06F18/2451 , G01N25/72
Abstract: 本发明涉及一种基于水果表面不同组织热特性的水果损伤检测方法，与现有技术相比解决了难以针对水果进行损坏检测的缺陷。本发明包括以下步骤：温度数据的采集；温度数据特征值的提取；特征值的计算；分类器的训练；获取待检测水果的温度数据；水果损伤检测结果的获得。本发明通过热电堆传感器采集水果样品不同感兴趣区域的温度数据；对温度数据进行压缩和傅里叶变换分析，提取曲线峰值作为特征值；将特征值输入最小二乘法线性分类器进行分类训练，从而实现对待测水果损伤的检测。
-
公开(公告)号：CN117115660A
公开(公告)日：2023-11-24
申请号：CN202311239981.0
申请日：2023-09-25
Applicant: 安徽大学
IPC: G06V20/10 , G06V20/68 , G06V10/22 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种结合检测网络和点回归的葡萄图像采摘点位置单阶段定位方法，与现有技术相比解决了难以定位出葡萄图像中茎位置的缺陷。本发明包括以下步骤：葡萄图像的获取及预处理；葡萄采摘点定位模型的构建；葡萄采摘点定位模型的训练；待定位葡萄图像的获取；葡萄图像采摘点位置的定位。本发明使用了具有点回归的检测网络来检测葡萄茎并同时确定采摘点，获得了良好而准确的采摘点定位，其简单性、可部署性和可操作性远远优于两阶段方法，为葡萄果实采摘提供了实用可靠的技术支撑。
-
公开(公告)号：CN118711215A
公开(公告)日：2024-09-27
申请号：CN202410911889.2
申请日：2024-07-09
Applicant: 安徽大学
IPC: G06V40/10 , G06V40/40 , G06V10/143 , G06V10/40 , G06V10/80
Abstract: 本发明提供一种基于掌静脉的身份识别方法及装置，该方法包括：获取红外相机拍摄的用户掌静脉的多帧红外图像；对多帧红外图像进行缩放和增强处理，得到多帧增强图像；对多帧增强图像进行处理，得到包含了心跳周期信息的多维时空特征图；根据多帧红外图像和多维时空特征图进行处理，构建用户掌静脉的联合编码；将用户掌静脉的联合编码与预存的联合编码进行特征对比，得到识别结果。该方法提出利用欧拉放大和拉普拉斯金字塔来增强和融合空域和时域信息，为后续检测过程提供了丰富的特征信息，同时构建逐时间、逐空间的掌静脉血管的时空特征能量图，结合脉搏信息进行信息编码，最后可以得到非常准确的编码信息，确保识别更精准。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.017 seconds)
