-
公开(公告)号:CN113869246B
公开(公告)日:2022-04-01
申请号:CN202111163882.X
申请日:2021-09-30
Applicant: 安徽大学
IPC: G06V20/69 , G06V10/774 , G06K9/62
Abstract: 本发明涉及基于改进CenterNet技术的小麦条锈病菌夏孢子显微图像检测方法,与现有技术相比解决了难以针对夏孢子显微图像进行检测的缺陷。本发明包括以下步骤:夏孢子显微图像的获取和预处理;夏孢子检测网络的构建;夏孢子检测网络的训练;待检测夏孢子显微图像的获取;待检测夏孢子显微图像检测结果的获得。本发明能够精准检测并分割出夏孢子显微图像中的夏孢子,且检测速度快。
-
公开(公告)号:CN113869246A
公开(公告)日:2021-12-31
申请号:CN202111163882.X
申请日:2021-09-30
Applicant: 安徽大学
Abstract: 本发明涉及基于改进CenterNet技术的小麦条锈病菌夏孢子显微图像检测方法,与现有技术相比解决了难以针对夏孢子显微图像进行检测的缺陷。本发明包括以下步骤:夏孢子显微图像的获取和预处理;夏孢子检测网络的构建;夏孢子检测网络的训练;待检测夏孢子显微图像的获取;待检测夏孢子显微图像检测结果的获得。本发明能够精准检测并分割出夏孢子显微图像中的夏孢子,且检测速度快。
-
公开(公告)号:CN115565012A
公开(公告)日:2023-01-03
申请号:CN202211285868.1
申请日:2022-10-20
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/10 , G06V20/52 , G06N3/04 , G06N3/08 , G06Q50/02 , G06Q50/26
Abstract: 本发明涉及一种基于自旋式Unet++网络的小麦条锈病夏孢子监测方法,包括:获取夏孢子显微图像;构建样本数据集;将样本数据集分为训练集、测试集和验证集;对Unet++网络模型进行改进,得到改进后的Unet++网络模型;将样本数据集中的图像输入至改进后的Unet++网络模型中,进行自旋式训练,得到夏孢子计数网络模型,并输出带检测框的样本数据集中的图像;训练夏孢子计数网络模型;将待检测的夏孢子显微图像输入到训练后的夏孢子计数网络模型,输出带检测框和计数的图像。本发明中夏孢子计数网络模型的计数准确率高,达到了99.03%;分割率较高,达到了86.45%;检测速率较高,达到了14张/秒,占用内存较小,仅为46.8MB。
-
公开(公告)号:CN116630223A
公开(公告)日:2023-08-22
申请号:CN202211095048.6
申请日:2023-04-25
Applicant: 安徽大学
Abstract: 本申请涉及农业图像处理的领域,并公开了一种基于深度卷积神经网络的水稻图像去雨方法,包括以下步骤:获取待去雨的水稻的有雨图像;将待去雨的水稻的有雨图像输入训练后的水稻图像去雨网络,并输出去雨后的水稻图像信息;将无雨的水稻图像信息进行远程传输后进行表型监测。本申请解决了现有技术中在农业水稻图像领域,雨痕易于重叠,水稻图像去雨痕较难的技术问题,实现了可以具有很好的去雨效果,并且可以使得图片雨线或者雨滴更容易去除。
-
-
-