-
公开(公告)号：CN117190979A
公开(公告)日：2023-12-08
申请号：CN202311008419.7
申请日：2023-08-10
Applicant: 武汉大学
Abstract: 本发明提供一种携带双镜头的观测无人机及观测方法，包括无人机本体、第一镜头、第二镜头和差分处理模块，无人机本体进行目标观测，第一镜头设在无人机本体上，下方设有漫反射白板，且第一镜头的镜头正对漫反射白板用于获取环境光光谱图像信息，第二镜头设在无人机本体上且设在第一镜头一侧，用于获取原始目标光谱图像信息，差分处理模块用于对环境光光谱图像信息和原始目标光谱图像信息进行差分处理获取真实目标光谱图像信息。本发明使用两个镜头同时获取环境光光谱图像信息和原始目标光谱图像信息，处理后获取真实目标光谱图像信息，无需在环境改变时不断建立新的漫反射白板装置以获取当前环境光信息，减轻人力成本，提高工作效率。
-
公开(公告)号：CN116883836A
公开(公告)日：2023-10-13
申请号：CN202310733450.0
申请日：2023-06-19
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/26 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于图卷积神经网络的农产品等级自动识别方法及系统，首先获取农产品的高光谱图像，并进行数据预处理；然后将预处理后的高光谱图像输入图卷积神经网络进行农产品等级的自动识别评估；输出农产品属于不同质量等级的概率值，选取概率最大的质量等级作为当前待预测农产品的等级。本发明采用高光谱成像技术获取的茶叶叶片高光谱图像，其具有近乎连续的光谱曲线与图谱合一的特性，可以实现茶叶等级的无损检测，并且提高识别的准确性。此外，使用图卷积神经网络模型，能够更加灵活地提取茶叶高光谱图像的光谱特征和空间特征，从而实现对茶叶等级的准确自动识别。
-
公开(公告)号：CN116883720A
公开(公告)日：2023-10-13
申请号：CN202310711018.1
申请日：2023-06-14
Applicant: 武汉大学
IPC: G06V10/764 , G06V10/774 , G06T5/00 , G06V10/80 , G06N3/0464 , G06N3/084 , G01N21/27
Abstract: 本发明公开了一种基于空谱注意力网络的果蔬农药残留检测方法及系统，首先采集果蔬高光谱图像，并进行数据预处理；然后将预处理后的高光谱图像输入空谱注意力网络进行农药残留检测；本发明能够自动检测食品中的农药残留，具有检测效率高、准确率高、操作简单等优点，为食品安全监管提供了有效手段。
-
公开(公告)号：CN116879184A
公开(公告)日：2023-10-13
申请号：CN202310667493.3
申请日：2023-06-06
Applicant: 武汉大学
Abstract: 本发明提供了一种基于高光谱图像的果蔬农药残留检测方法及系统，属于食品安全检测技术领域。首先，采用光谱仪采集加入不同类型和不同浓度农药的果蔬样本，构建果蔬过完备端元光谱库。其次，构建空‑谱协同的高光谱果蔬图像混合像元稀疏分解模型，并引入交替方向乘子法实现高光谱果蔬图像混合像元稀疏分解模型的快速求解。最后，基于求解出的丰度影像分析待检测果蔬中残留农药的化学成分及含量，快速评估果蔬的安全等级。本发明采用图谱合一的高光谱技术与混合像元稀疏分解理论实现果蔬农药残留检测，具有自动化、无损坏、无污染、快速高效等优点。
-
公开(公告)号：CN116840163A
公开(公告)日：2023-10-03
申请号：CN202310672426.0
申请日：2023-06-07
Applicant: 武汉大学
IPC: G01N21/25 , G06T7/00 , G06V20/68 , G06V10/30 , G06V10/25 , G06V10/77 , G06V10/58 , G06V10/54 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/80 , G06N3/0464 , G01N21/01
Abstract: 本发明公开了一种基于果品品质检测模型的果品品质检测方法及系统，首先获取待检测的原始果品高光谱图像R，并进行预处理；然后将预处理后的高光谱图像R2输入果品品质检测模型，获取果品表面缺陷结果以及内部品质指标数值；本发明与现有技术相比在低成本、高效率的情况下，能够实现果品内部和外部品质的同时检测，得到果品品质等级结果。
-
Patent Agency Ranking
公开(公告)号：CN118425144A
公开(公告)日：2024-08-02
申请号：CN202410505779.6
申请日：2024-04-25
Applicant: 武汉大学
Abstract: 本发明提供一种茶叶中农药残留检测方法、装置及电子设备，其中，该茶叶中农药残留检测方法包括获取待测茶叶，对所述待测茶叶进行图像采集，获取所述待测茶叶的高光谱图像；对所述待测茶叶的高光谱图像进行特征提取处理，得到所述待测茶叶的目标高光谱图像；调用预训练后的茶叶农药残留检测模型，将所述待测茶叶的目标高光谱图像输入所述茶叶农药残留检测模型，确定所述待测茶叶的农残检测结果。通过本发明，不仅能够更加精确地对待测茶叶的农药残留进行检测，还能够解决现有的农残检测技术中可能对茶叶造成损伤的问题。
-
公开(公告)号：CN116978487A
公开(公告)日：2023-10-31
申请号：CN202310672843.5
申请日：2023-06-07
Applicant: 武汉大学
IPC: G16C20/70 , G16C20/20 , G06V10/764 , G06V10/82 , G06V20/10 , G06N3/08 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于空间‑光谱Transformer模型的农药残留种类识别方法及系统，首先通过将不同类型和不同浓度的农药喷洒到大白菜上，制备出喷洒农药后的大白菜样本；利用成像光谱仪采集大白菜样本的高光谱图像，并进行数据预处理；输入空间‑光谱Transformer模型进行训练和测试；进行大白菜农药残留的检测与分析。本发明能够实现对大白菜中农药残留的准确检测，具有检测速度快、精度高、操作简单等优点，也可以广泛应用于其他农作物的农药残留检测中，具有很好的推广应用前景。
-
公开(公告)号：CN116884512A
公开(公告)日：2023-10-13
申请号：CN202310672849.2
申请日：2023-06-07
Applicant: 武汉大学
IPC: G16C20/20 , G16C20/70 , G06V20/10 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络的农作物农药残留检测方法及系统，首先采集农作物样本高光谱图像，并进行数据预处理；然后将预处理后的高光谱图像输入农药残留检测卷积神经网络进行农药残留检测；本发明结合高光谱成像技术和深度学习方法，具有无损坏、自动化和高效的优点。
-
公开(公告)号：CN117470782A
公开(公告)日：2024-01-30
申请号：CN202311021718.4
申请日：2023-08-14
Applicant: 武汉大学
Abstract: 本发明公开了一种手持式农药残留检测仪、农药残留检测方法及系统，解决了农药残留检测门槛高、耗时费力的问题。本发明包括：手持式农药残留检测仪获取农作物高光谱影像；服务器对高光谱影像进行预处理，并基于混合Ghost模型进行农药残留检测，将农药残留检测结果发送到手持式农药残留检测仪。
-
公开(公告)号：CN117011707A
公开(公告)日：2023-11-07
申请号：CN202310884037.4
申请日：2023-07-18
Applicant: 武汉大学
IPC: G06V20/10 , G06N3/0464 , G06V10/82 , G06V10/764 , G06V10/77 , G06V10/40 , G06V10/774 , G06N3/048 , G01N21/25
Abstract: 本发明公开了一种基于多尺度卷积神经网络农产品农药残留检测方法及系统，首先采集农产品高光谱影像；然后将高光谱影像输入多尺度卷积神经网络中进行农药残留的快速检测与分析；多尺度卷积神经网络包括空间注意力模块、特征提取模块、分类模块；空间注意力模块，包括全局最大池化层、全局平均池化层、连接层、降维卷积层、sigmoid激活函数层和乘运算层；特征提取模块包括4个多尺度卷积块，每个多尺度卷积块包括批量归一化层、多尺度卷积层与LeakyReLU激活函数层；分类器模块由一个全连接层和一个Softmax激活函数层组成。本发明能够实现农作物中农药残留的快速检测，对于保障食品安全和促进健康饮食具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.013 seconds)
