-
公开(公告)号：CN118347984A
公开(公告)日：2024-07-16
申请号：CN202410457986.9
申请日：2024-04-17
Applicant: 安徽大学
Abstract: 本发明提供一种基于SERS和戊唑醇对镰孢菌孢子的检测方法，包括如下步骤：合成银纳米颗粒溶液；配置戊唑醇溶液；将待测溶液和戊唑醇溶液按1:(1～10)的体积比混合，以获得溶液a；将溶液a与银纳米颗粒溶液按1:(1～4)的体积比混合并震荡，以获得溶液b；利用拉曼光谱仪采集溶液b的拉曼光谱，得到第一光谱数据；根据第一光谱数据以及预设光谱数据求得待测溶液中镰孢菌孢子的类别和浓度。戊唑醇能够抑制真菌的麦角甾醇合成，从而改变细胞膜的通透性和吸附性，促进孢子内部物质释放以及纳米颗粒和细胞间的热点区域构筑，以提高不同孢子的特异性物质和纳米颗粒的结合概率，大大提高镰孢菌孢子的检测效果和灵敏度。
-
公开(公告)号：CN116453018A
公开(公告)日：2023-07-18
申请号：CN202310380999.6
申请日：2023-04-11
Applicant: 安徽大学
Abstract: 本发明涉及一种果园水果产量统计方法及系统。将果园水果视频逐帧传入到YOLOV7检测网络，得到每一帧图片中水果的检测框信息；当检测框的置信度大于第一置信度阈值时，对检测框进行追踪；当检测框的置信度大于第二置信度阈值时，判定检测框为高分检测框；当检测框的置信度小于或等于第二置信度阈值时，判定检测框为低分检测框；将高分检测框和低分检测框分别输入高分匹配单元和低分匹配单元，与轨迹保存模块中的轨迹进行匹配，得到匹配结果；根据匹配结果为每个轨迹上的水果赋予一个独立的ID；统计共分配ID的数量，得到水果的产量。本发明能够实现高精度的果实计数，有效减少错误检测，降低重复计数。
-
公开(公告)号：CN118521476A
公开(公告)日：2024-08-20
申请号：CN202410518449.0
申请日：2024-04-28
Applicant: 安徽大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/048
Abstract: 本发明提供一种图像超分辨率方法、电子设备及存储介质，其中图像超分辨率方法包括如下步骤：获取待处理的低分辨率图像；利用训练得到的超分网络的编码器对低分辨率图像进行处理，以提取低分辨率图像的基本特征，得到潜码；利用超分网络的多尺度隐式Transformer对潜码进行处理，以提取潜码的多尺度信息，得到注意力潜码；利用超分网络的解码器对注意力潜码进行处理，得到高分辨率图像。该方法通过构建和训练超分网络，将待处理的低分辨率图像和超分后图像的宽高输入到训练好的超分网络中，该超分网络会自动输出设定尺寸的高分辨率图像，宽高还可以分别具有不同的放大倍率，该方法实现了在任意尺度超分辨率任务下的优异表现。
-
公开(公告)号：CN119339088B
公开(公告)日：2025-03-18
申请号：CN202411874111.5
申请日：2024-12-19
Applicant: 安徽大学
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06T7/90 , G06T7/529 , G06V10/82
Abstract: 本发明提供一种基于感知增强门控网络的小麦染病麦穗分割方法，包括：获取待检测小麦图像，待检测小麦图像中包括若干小麦麦穗；将待检测小麦图像输入至训练好的感知增强门控网络模型中，得到分割图像；分割图像中的健康小麦麦穗的颜色、患病小麦麦穗的颜色、背景区域的颜色相异；感知增强门控网络模型融合了双门控机制和多尺度扩张卷积块，以实现对小麦麦穗的精确分割。该方法通过两种不同的门控单元在语义特征提取分支中保留了浅层局部特征的同时又提取到了更深层次的上下文特征，获取多样的特征细节，使得语义分割模型在复杂场景下仍然可以拥有优异的性能表现，进而得到非常精确的分割图像。
-
Patent Agency Ranking
公开(公告)号：CN117333365A
公开(公告)日：2024-01-02
申请号：CN202311270123.2
申请日：2023-09-28
Applicant: 安徽大学
IPC: G06T3/40 , G06T7/10 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及一种基于混合Transformer超分辨率网络的图像超分辨率方法，包括：首先获取图像对作为训练样本，图像对由图像ILR和图像IHR组成；搭建混合Transformer超分辨率网络模型；利用训练样本对混合Transformer超分辨率网络模型进行训练，得到训练后的混合Transformer超分辨率网络模型；将待处理图像作为LR图像导入到训练后的混合Transformer超分辨率网络模型中，混合Transformer超分辨率网络模型输出的结果即为HR图像。本发明通过构建混合Transformer超分辨率网络模型，在参数和性能做出合适权衡；增强了网络的局部信息的提取能力，并且提高网络全局建模的效率，得到更加优秀的超分辨率图像，通过对图像中的全局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：CN115937682A
公开(公告)日：2023-04-07
申请号：CN202211633607.4
申请日：2022-12-19
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/047 , G06N3/0475 , G06N3/0895
Abstract: 本发明涉及一种标注样本缺失下的植物叶部病害视觉识别方法，包括：获取原始的植物叶部病害数据集，进行数据标注；进行数据增强处理；基于生成对抗网络GAN和分类器，构建双策略半监督学习模型GANC‑DGAN；利用增强后的植物叶部病害数据集对双策略半监督学习模型GANC‑DGAN进行训练，使用训练好的双策略半监督学习模型GANC‑DGAN进行植物叶部病害识别。本发明的实际应用价值高，通过构建双策略半监督学习模型GANC‑DGAN，针对标注图像缺少、训练样本少的问题，提高了识别效率，为农作物病害识别提供了理论指导与技术支撑，对农业作物病害监测具有重大的现实意义。
-
公开(公告)号：CN119375209A
公开(公告)日：2025-01-28
申请号：CN202411630323.9
申请日：2024-11-15
Applicant: 安徽大学
Abstract: 本发明提供一种一种空气真菌病害孢子微流控SERS采集系统及方法，该系统包括微流控纯化模块，用于对抽取的气体进行分离富集，得到富集的孢子；SERS传感模块，用于将富集的孢子和增强粒子进行混合，得到被测溶液；光谱采集模块，用于采集被测溶液的光谱后输出；以及控制模块，控制模块与微流控纯化模块、SERS传感模块以及光谱采集模块电连接，用于控制这些模块的启停时序。微流控纯化模块从物理方法上实现孢子的纯化，SERS传感单元生成被测溶液，光谱仪采集溶液的拉曼光谱数据，这些模块体积都比较小巧，使得本系统可以部署在无人机上，方便在任意位置进行数据采集，该采集过程是全自动的，无需人员参与，可大幅提高检测效率。
-
公开(公告)号：CN119339088A
公开(公告)日：2025-01-21
申请号：CN202411874111.5
申请日：2024-12-19
Applicant: 安徽大学
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06T7/90 , G06T7/529 , G06V10/82
Abstract: 本发明提供一种基于感知增强门控网络的小麦染病麦穗分割方法，包括：获取待检测小麦图像，待检测小麦图像中包括若干小麦麦穗；将待检测小麦图像输入至训练好的感知增强门控网络模型中，得到分割图像；分割图像中的健康小麦麦穗的颜色、患病小麦麦穗的颜色、背景区域的颜色相异；感知增强门控网络模型融合了双门控机制和多尺度扩张卷积块，以实现对小麦麦穗的精确分割。该方法通过两种不同的门控单元在语义特征提取分支中保留了浅层局部特征的同时又提取到了更深层次的上下文特征，获取多样的特征细节，使得语义分割模型在复杂场景下仍然可以拥有优异的性能表现，进而得到非常精确的分割图像。
-
公开(公告)号：CN116500035A
公开(公告)日：2023-07-28
申请号：CN202310254923.9
申请日：2023-03-16
Applicant: 安徽大学
IPC: G01N21/88 , G01N25/72 , G06T7/33 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于RIFT算法的分析水果不可见损伤的无损检测装置，包括金属外壳，其内设置中央处理箱，中央处理箱、成像集成箱和显示器下端设置隔热板，成像集成箱的集成镜头穿过隔热板的中心位置处，金属外壳壳体的底部安装升降载物台，升降载物台上设置硬质灰板，待测水果放置在硬质灰板上且位于集成镜头的正下方，升降载物台的两侧对称布置第一加热升降装置、第二加热升降装置。本发明还公开了一种基于RIFT算法的分析水果不可见损伤的无损检测方法。本发明可以很好的将RIFT算法合适的用于农业领域的多模态配准，并且在水果的不可见损伤的检测与分类上可以精确地识别出不同损伤类别的水果，极大地提高了检测的效率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.022 seconds)
