-
公开(公告)号：CN118823773A
公开(公告)日：2024-10-22
申请号：CN202411055089.1
申请日：2024-08-02
Abstract: 本发明涉及一种遮挡场景下的小麦赤霉病孢子目标检测方法，与现有技术相比解决了难以在遮挡场景下进行小麦赤霉病孢子检测的缺陷。本发明包括以下步骤：小麦赤霉病孢子图像的获取及预处理；构建遮挡场景孢子目标检测模型；遮挡场景孢子目标检测模型的训练；孢子遮挡图像的获取和预处理；孢子目标检测结果的获得。本发明有效实现了遮挡场景下的小麦赤霉病孢子检测，提高了在孢子小目标检测及遮挡场景检测下的实时性、检测率、鲁棒性和召回率。
-
公开(公告)号：CN115588015A
公开(公告)日：2023-01-10
申请号：CN202211159164.X
申请日：2022-09-22
Applicant: 安徽大学
Abstract: 本发明特别涉及一种基于Improved_Unet网络的倒伏区域分割方法，包括如下步骤：利用无人机获取指定高度、指定生长期的待检测麦田图像；对待检测麦田图像进行几何校正和拼接处理得到一张待检测RGB大图；将待检测RGB大图输入至训练好的Improved_Unet网络中得到倒伏区域分割图，其中Improved_Unet网络为使用Involution算子代替Unet网络骨干位置的卷积操作得到。Improved_Unet网络结合了Segnet和Unet网络的优点，使用involution算子代替骨干部分的卷积操作，实现了空间特异性，对不同的像素采取不同的操作，确保了信息最大化提取，大幅提高了分割精度。
-
公开(公告)号：CN117557995A
公开(公告)日：2024-02-13
申请号：CN202311562904.9
申请日：2023-11-22
IPC: G06V20/69 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明涉及基于YOLOv8和CBAM注意力机制的小麦赤霉病孢子检测方法，与现有技术相比解决了由于背景复杂和目标微小而导致的检测准确率低的缺陷。本发明包括以下步骤：数据采集和预处理；构建小麦赤霉病孢子检测模型；小麦赤霉病孢子检测模型的训练；待检测小麦赤霉病孢子图像的获取；小麦赤霉病孢子检测结果的获得。本发明能够有效提高小麦赤霉病孢子检测的准确率和泛化能力。
-
公开(公告)号：CN116630971B
公开(公告)日：2023-09-29
申请号：CN202310904702.1
申请日：2023-07-24
IPC: G06V20/69 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/77 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明涉及基于CRF_ResUnet++网络的小麦赤霉病孢子分割方法，与现有技术相比解决了难以针对样本为赤霉病孢子的小目标密集且存在粘连进行精准分割的缺陷。本发明包括以下步骤：小麦赤霉病孢子识别图像的获取；CRF_ResUnet++网络的构建；CRF_ResUnet++网络的训练；待分割小麦赤霉病孢子图像的获取；小麦赤霉病孢子分割结果的获得。本发明利用具有编码器解码器结构的Unet++对孢子图像进行初始分割，再在Unet++中引入残差块ResNet，以强化特征的传播能力，提取更多孢子细节信息，最后使用全连接条件随机场模型进行后处理，得到更精确的边缘和完整孢子区域。
-
公开(公告)号：CN116385432A
公开(公告)日：2023-07-04
申请号：CN202310637503.9
申请日：2023-06-01
Abstract: 本发明涉及一种轻量化解耦小麦赤霉病孢子检测方法，与现有技术相比解决了从未关注的亚洲镰孢和禾谷镰孢因类内与类间差异小、无法有效对小麦赤霉病两种主要致病孢子做出检测区分的缺陷。本发明包括以下步骤：小麦赤霉病致病孢子显微图像获取及预处理；轻量化解耦小麦赤霉病孢子检测模型的构建；轻量化解耦小麦赤霉病孢子检测模型的训练；获取待检测的小麦赤霉病致病孢子显微图像并进行预处理；小麦赤霉病孢子检测结果的获得。本发明考虑了现有农田检测设备有存储空间和功耗的限制，能精准快速对小麦赤霉病主要致病孢子显微图像进行检测。
-
Patent Agency Ranking
公开(公告)号：CN115588016A
公开(公告)日：2023-01-10
申请号：CN202211159179.6
申请日：2022-09-22
Applicant: 安徽大学
Abstract: 本发明特别涉及一种基于Lstm_PSPNet深度学习网络的小麦倒伏分割方法，包括如下步骤：利用无人机采集待检测麦田图像，并进行几何校正和拼接处理得到一张待检测RGB大图；将待检测RGB大图输入至训练好的Lstm_PSPNet网络中得到倒伏区域分割图；所述的Lstm_PSPNet网络包括特征图计算模块、改进后的空间金字塔池化模块以及分割预测模块。本发明通过引入具有记忆长短期信息的能力的ConvLSTM神经网络，插入卷积注意力模块CBAM以及Tversky损失函数对PSPNet模型进行改进，将不同生育期之间的时序关系进行逐网络传递，从而提高分割精度。
-
公开(公告)号：CN116630971A
公开(公告)日：2023-08-22
申请号：CN202310904702.1
申请日：2023-07-24
IPC: G06V20/69 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/77 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明涉及基于CRF_ResUnet++网络的小麦赤霉病孢子分割方法，与现有技术相比解决了难以针对样本为赤霉病孢子的小目标密集且存在粘连进行精准分割的缺陷。本发明包括以下步骤：小麦赤霉病孢子识别图像的获取；CRF_ResUnet++网络的构建；CRF_ResUnet++网络的训练；待分割小麦赤霉病孢子图像的获取；小麦赤霉病孢子分割结果的获得。本发明利用具有编码器解码器结构的Unet++对孢子图像进行初始分割，再在Unet++中引入残差块ResNet，以强化特征的传播能力，提取更多孢子细节信息，最后使用全连接条件随机场模型进行后处理，得到更精确的边缘和完整孢子区域。
-
公开(公告)号：CN116385432B
公开(公告)日：2023-08-15
申请号：CN202310637503.9
申请日：2023-06-01
Abstract: 本发明涉及一种轻量化解耦小麦赤霉病孢子检测方法，与现有技术相比解决了从未关注的亚洲镰孢和禾谷镰孢因类内与类间差异小、无法有效对小麦赤霉病两种主要致病孢子做出检测区分的缺陷。本发明包括以下步骤：小麦赤霉病致病孢子显微图像获取及预处理；轻量化解耦小麦赤霉病孢子检测模型的构建；轻量化解耦小麦赤霉病孢子检测模型的训练；获取待检测的小麦赤霉病致病孢子显微图像并进行预处理；小麦赤霉病孢子检测结果的获得。本发明考虑了现有农田检测设备有存储空间和功耗的限制，能精准快速对小麦赤霉病主要致病孢子显微图像进行检测。
-
公开(公告)号：CN116542909A
公开(公告)日：2023-08-04
申请号：CN202310377129.3
申请日：2023-04-11
Abstract: 本发明涉及一种基于轮廓角距比的小麦赤霉病粘连孢子计数方法，与现有技术相比解决了难以针对镰刀状小麦赤霉病孢子进行计数的缺陷。本发明包括以下步骤：小麦赤霉病粘连孢子图像的获取；小麦赤霉病粘连孢子图像的预处理；孢子杂质去除处理；凹点寻找处理；轮廓角距比筛选；小麦赤霉病粘连孢子的计数。本发明利用均值漂移、Sobel算子边缘检测、形状特征因子筛选对孢子图像进行处理，提升显微镜下拍摄的赤霉病孢子图像质量，再根据形状特征因子筛选出赤霉病粘连孢子，最后基于镰刀形赤霉病孢子的轮廓角距比对粘连孢子进行分割，从而快速精确地完成对小麦赤霉病孢子的计数。
-
公开(公告)号：CN116524255A
公开(公告)日：2023-08-01
申请号：CN202310444199.6
申请日：2023-04-24
IPC: G06V10/764 , G06V10/82 , G06V10/52 , G06V10/20 , G06V10/80 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明涉及基于Yolov5‑ECA‑ASFF的小麦赤霉病孢子识别方法，与现有技术相比解决了难以针对样本为赤霉病孢子的小目标进行检测识别的缺陷。本发明包括以下步骤：孢子图像数据集的建立；构建小麦赤霉病孢子识别模型；小麦赤霉病孢子识别模型的训练；待识别小麦赤霉病孢子的获取；待识别小麦赤霉病孢子识别结果的获得。本发明在YOLOv5s骨干网络的CSPNet残差块末端添加具有ECA空间注意力机制，用以加强输入端特征图的通道特征；在其Neck特征提取网络末端引入具有自适应特征融合机制的ASFF模块，有效的实现了小麦赤霉病孢子快速准确检测识别。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.026 seconds)
