-
公开(公告)号：CN119888627A
公开(公告)日：2025-04-25
申请号：CN202510354707.0
申请日：2025-03-25
Applicant: 安徽省农业科学院畜牧兽医研究所
IPC: G06V20/52 , G06V10/10 , G06V10/20 , G06V10/40 , G06V10/54 , G06V10/56 , G06V10/80 , G06V20/10 , G01N21/84
Abstract: 本发明涉及机器视觉技术领域，揭露了一种基于机器视觉的田菁生长状态实时监测系统及方法，该系统包括田菁分布式生长树生成模块、田菁时间序列图像生成模块、多模态植株特征提取模块、全局生长状态分析模块及实时生长状态监测模块，对田菁生长区域双重划分得到分布式生长树，提取叶节点对应区域；按照角度采集多模态图像并生成时间序列图像；根据时间序列图像重建植株图像，提取植株重建图像的多模态特征；根据多模态特征分析局部生长状态，并根据局部生长状态确定全局状态；通过局部生长状态及全局生长状态动态生成监测策略，实现田菁生长区域实时动态监测。本发明可以提高植物生长状态监测时的精确度。
-
公开(公告)号：CN119564379A
公开(公告)日：2025-03-07
申请号：CN202411933840.3
申请日：2024-12-26
Applicant: 安徽省农业科学院畜牧兽医研究所 , 安徽农业大学
Abstract: 本发明涉及牛养殖技术领域，公开了牛药浴栏，包括支撑机构，支撑机构的连接有承接机构，承接机构内部设置有与支撑机构底部连接的分流驱动机构，分流驱动机构的两侧均安装有与支撑机构顶部滑动连接的侧边喷淋机构。本发明提高喷药效率和效果，尤其是能够对牛底部下侧部位进行喷药；在喷药的时候采用内侧防护隔离的方式对喷淋部件进行防护，避免牛对喷淋部件挤压碰撞损坏，并采用抵触触发方式调节喷药状态，避免喷洒的药液与防护机构碰撞而到处飞溅，即节省药液同时避免药液飞溅污染；实现对喷洒后的药液汇集回收操作，提高牛养殖安全性，降低环境污染，便于对喷洒后的药液收集操作。
-
公开(公告)号：CN118485731A
公开(公告)日：2024-08-13
申请号：CN202410651131.X
申请日：2024-05-24
Applicant: 安徽省农业科学院畜牧兽医研究所
Abstract: 本发明公开了一种基于色卡标定的牛肉肉色检测方法，包括以下步骤：在样本旁边放置标准比色卡，从样本正上方进行拍照，要求能够同时拍到色卡和样本，然后标定拍摄到的色卡图像的颜色，将图像中的色卡Lab色值作为自变量，已知的色卡真实Lab色值作为因变量构建函数，最后选定样本需要测定肉色的区域，将该区域所有像素点的Lab色值代入函数求得所有像素点的真实Lab色值，然后构建该区域所有像素点的真实Lab色值的直方图，以分布最大所对应的值为选定区域的肉色的Lab色值。本发明的方法测定条件比较宽泛，在普通自然的环境光下，无需多次采样，采用普通的设备就可以实现，且测定结果真实可靠，不受环境光的影响。
-
公开(公告)号：CN116472970A
公开(公告)日：2023-07-25
申请号：CN202310412099.5
申请日：2023-04-18
Applicant: 安徽省农业科学院畜牧兽医研究所
Abstract: 本发明涉及肉牛养殖技术领域，公开了一种肉牛养殖用体重智能分群系统，包括牛舍和开设在牛舍的区分通道，区分通道的一侧设有开设在牛舍的栏舍一，区分通道的另一侧设有开设在牛舍的栏舍二，牛舍内设有连通组件，牛舍的外侧设有与区分通道连通的踏板，踏板的内部滑动连接有称重板，踏板的内壁固定有重量传感器，称重板的底部开设有容纳槽，重量传感器的感应端滑动在容纳槽的内部。本发明可快速的对肉牛进行称重，且可对称重后的肉牛进行分区管理，且可引导肉牛进入相应的腔室，工作性能高，使用方便。
-
公开(公告)号：CN109903282B
公开(公告)日：2023-06-09
申请号：CN201910151420.2
申请日：2019-02-28
Applicant: 安徽省农业科学院畜牧兽医研究所
IPC: G06T7/00 , G06V20/69 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种细胞计数方法、系统、装置和存储介质。所述方法包括将待计数细胞图像输入到深度学习网络中，返回所述深度学习网络输出的细胞计数值等步骤，所述深度学习网络经过使用训练数据集进行的训练。本发明使用卷积神经网络来对待计数细胞图像进行处理，可以避免待计数细胞图像中的细胞出现的相互粘连和遮挡等情况产生的干扰，从而准确快速地输出细胞计数值。所使用的卷积神经网络所用的训练数据集的一部分是通过生成式对抗网络生成的，可以避免完全依靠人工标记来建立训练数据集导致的效率低下和数据集规模过小造成训练效果不佳的缺点，使得卷积神经网络可以得到良好的训练，具有较高的识别准确度。本发明广泛应用于图像识别技术领域。
-
Patent Agency Ranking
公开(公告)号：CN111613273A
公开(公告)日：2020-09-01
申请号：CN202010277398.9
申请日：2020-04-10
Applicant: 安徽省农业科学院畜牧兽医研究所
Abstract: 本发明公开了一种模型训练方法、蛋白质相互作用预测方法、装置和存储介质。模型训练方法包括获取由第一描述信息、第二描述信息和标签信息组成的训练数据，使用训练数据执行至少一次迭代操作，直至所述人工智能模型的损失函数满足收敛条件等步骤。通过对人工智能模型进行训练，可以使得人工智能模型具有获取不同蛋白质的序列信息之间相似性的能力，由于根据序列信息相似性来判断两种蛋白质之间是否能够发生相互作用，更符合蛋白质相互作用的机理，训练所得的人工智能模型能够准确地预测两种蛋白质之间是否能够发生相互作用，将人工智能模型用于预测蛋白质之间能否发生相互作用时，能够达到较高的准确率。本发明广泛应用于计算机技术领域。
-
公开(公告)号：CN110378385A
公开(公告)日：2019-10-25
申请号：CN201910534881.8
申请日：2019-06-20
Applicant: 安徽省农业科学院畜牧兽医研究所
IPC: G06K9/62
Abstract: 本发明公开了一种牛肉纹理自动评级方法、系统、装置和存储介质，所述方法包括将作为处理对象的牛肉图像输入到经过训练的纹理特征提取网络中，接收所述纹理特征提取网络输出的第一纹理特征，将所述第一纹理特征输入到经过训练的支撑向量机中，以及接收所述支撑向量机输出的评分等级等步骤。本发明所使用的支撑向量机能够很好的对小样本进行分类，因此本发明克服了现有的通过深度学习来进行牛肉纹理自动评级的技术虽然可以提取鲁棒的特征，但需要海量的样本的缺点，解决了因样本不足无法精确训练对牛肉纹理进行分类的问题。本发明广泛应用于牛肉图像处理技术领域。
-
公开(公告)号：CN107354216A
公开(公告)日：2017-11-17
申请号：CN201710678279.2
申请日：2017-08-09
Applicant: 安徽省农业科学院畜牧兽医研究所
IPC: C12Q1/68
CPC classification number: C12Q1/6888 , C12Q1/683 , C12Q2600/124 , C12Q2600/156 , C12Q2531/113 , C12Q2521/301
Abstract: 本发明公开了一种肉牛脂肪颜色性状的分子标记方法。该方法包括了牛基因组DNA的提取、β胡萝卜素9’，10’双加氧酶(BCO2)基因第3外显子引物设计、体外扩增和基因型检测4个步骤。本发明可以用于牛的育种中脂肪颜色性状的辅助选择，可实现种牛的早期选种，运用该基因聚合方法可以经过一个世代就可以将BCO2基因的优良基因型稳定下来，即经一个世代的选育即将一个肉牛品系的脂肪颜色性状的优良基因达到纯合，大大缩短了世代间隔，加快选择进程。本发明操作简便，聚合酶链式反应过程中条件要求不高，扩增片段长度较短(525bp)，扩增较容易，提高了扩增效率及判断基因型的准确性。
-
公开(公告)号：CN119257004A
公开(公告)日：2025-01-07
申请号：CN202411457953.0
申请日：2024-10-18
Applicant: 安徽省农业科学院畜牧兽医研究所 , 安徽农业大学
Abstract: 本发明涉及犊牛饲喂技术领域，公开了智能犊牛饲喂器，包括基座和设置在基座上方的安装座，基座的外部活动套设有支撑框，安装座一端的顶部固定有壳体，壳体的顶部活动套接有盖体，盖体的内壁固定有紫外线灯，壳体一侧的底部内壁固定有多个加热管，安装座远离壳体一端的两侧固定有安装板，壳体靠近安装板的一侧连接有与安装板对应的输送管。本发明可对犊牛进行饲喂，可根据犊牛体高进行适应性调控，可对饲喂器进行消毒杀菌处理，可对饲喂器内的饲粮或者药液进行加热处理，可对饲喂器的内壁进行冲洗，可对饲喂器内部的物料进行均匀的搅拌处理，工作性能高。
-
公开(公告)号：CN111613273B
公开(公告)日：2023-03-28
申请号：CN202010277398.9
申请日：2020-04-10
Applicant: 安徽省农业科学院畜牧兽医研究所
Abstract: 本发明公开了一种模型训练方法、蛋白质相互作用预测方法、装置和存储介质。模型训练方法包括获取由第一描述信息、第二描述信息和标签信息组成的训练数据，使用训练数据执行至少一次迭代操作，直至所述人工智能模型的损失函数满足收敛条件等步骤。通过对人工智能模型进行训练，可以使得人工智能模型具有获取不同蛋白质的序列信息之间相似性的能力，由于根据序列信息相似性来判断两种蛋白质之间是否能够发生相互作用，更符合蛋白质相互作用的机理，训练所得的人工智能模型能够准确地预测两种蛋白质之间是否能够发生相互作用，将人工智能模型用于预测蛋白质之间能否发生相互作用时，能够达到较高的准确率。本发明广泛应用于计算机技术领域。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.037 seconds)
