-
公开(公告)号:CN117036958A
公开(公告)日:2023-11-10
申请号:CN202311157101.5
申请日:2023-09-08
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/20 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种小麦幼苗期分蘖数的检测方法,包括:获取小麦幼苗根茎部图像并进行预处理;构建小麦幼苗分蘖数检测识别模型;将卷积注意力模块加入小麦幼苗分蘖数检测识别模型中;将训练集输入改进的小麦幼苗分蘖数检测识别模型进行训练,得到训练后的小麦幼苗分蘖数检测识别模型;将待识别的小麦幼苗根茎部图像输入训练后的小麦幼苗分蘖数检测识别模型中,得到小麦幼苗分蘖数图像检测识别分类结果。本发明的训练结果较好,对小麦幼苗分蘖数检测识别模型性能的提高更加显著,对小麦幼苗的分蘖数检测精确度明显提高,可以有效解决小麦幼苗图像中存在的遮挡重叠问题,实现分蘖期小麦幼苗分蘖部位的准确检测和分蘖数的准确识别。
-
公开(公告)号:CN117152735A
公开(公告)日:2023-12-01
申请号:CN202311119458.4
申请日:2023-09-01
Applicant: 安徽大学
IPC: G06V20/68 , G06V10/774 , G06V10/776 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/25 , G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于改进yolov5s的番茄成熟度分级方法,包括:获取图像;进行图像预处理,得到训练集、测试集和验证集;对yolov5s模型进行改进;采用训练集对改进后的yolov5s模型进行训练,得到训练好的yolov5s模型;采用测试集对训练好的yolov5s模型进行测试,利用测试集中的图片进行定性以及定量的相关指标的评估;将待分级的番茄图片输入训练好的yolov5s模型,训练好的yolov5s模型识别出成熟的番茄。本发明用高像素相机获取成熟番茄图像,将深度学习技术中的全卷积图像分割网络应用到番茄智能采摘中,根据实际使用场景对网络结构进行调整,利用采集的番茄图像数据集训练卷积神经网络,最终使网络能够自动检测成熟番茄。
-
公开(公告)号:CN117063903A
公开(公告)日:2023-11-17
申请号:CN202311223649.5
申请日:2023-09-21
Applicant: 安徽大学
IPC: A01M1/04 , A01M1/20 , G06V10/764 , G06V10/774
Abstract: 本发明涉及一种大型虫情监测回收方法,包括下列顺序的步骤:打开黑光引虫灯管和加热仓的上仓门,吸引虫子来到加热仓;关闭加热仓的上仓门和下仓门,执行加热杀虫工作,杀死虫子后,打开下仓门,加热烘干的虫子落到圆盘上摆放;位于圆盘正上方的相机对圆盘上的虫子进行拍照;拍摄的照片分别存储本地和上传云端进行识别,通过基于深度学习的图像识别模型,对图片内容进行依次识别;启动电刷对圆盘上的害虫进行清扫和回收。本发明还公开了一种大型虫情监测回收装置。本发明基于硬件、软件、电子、网络实现了自动化、智能化的虫情测报设备,为农业、林业等各个领域提供虫情的监测功能;实现软硬件的自动化,这使得虫情测报灯的工作更高效。
-
-