-
公开(公告)号：CN117196945A
公开(公告)日：2023-12-08
申请号：CN202311095629.4
申请日：2023-08-29
Applicant: 河南农业大学
Abstract: 本发明公开了一种无人机图像并行拼接方法，当航线数量小于执行多进程任务设备的CPU核心数量或每条航线的图像数量不均衡时，采用倒二叉树并行处理算法，将所有图像数量两两分组视为二叉树，根据执行多进程任务设备的CPU核心数量及内存大小划分并行的进程数量，每个进程均执行子任务中的特征点的提取和匹配，获取每条航线的执行结果，将每条航线的执行结果存入文件中阻塞等待所有航线任务完成，将所有航线之间的图像融合，获得图像拼接结果；否则，采用航线并行处理算法，根据无人机的航线数量划分并行的进程数量，每个进程均执行子任务中的特征点的提取和匹配，获得图像拼接结果，该方法能够提高图像拼接的速度。
-
公开(公告)号：CN110852398B
公开(公告)日：2023-05-23
申请号：CN201911127841.8
申请日：2019-11-18
Applicant: 河南农业大学
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/096 , G06N3/048
Abstract: 本发明公开了一种基于卷积神经网络的棉蚜识别方法，该方法包括：获取棉蚜危害图像；采用迁移学习和微调的方式，建立基于卷积神经网络的棉蚜识别模型；将棉蚜危害图像输入至基于卷积神经网络的棉蚜识别模型，确定棉蚜危害等级。本发明使用手机采集棉花蚜虫危害图像，通过前期大量的调查数据，结合数据挖掘、深度学习的深度卷积神经网络方法，建立植物病虫害的识别方法和模型，对棉花蚜虫危害等级进行识别与区分，减少目前植保调查中人为因素产生的差异，而且提高调查效率，降低了试验成本，即利用该方法可方便快捷采集图像，并快速进行分类，为病虫害调查提供方便快捷准确的调查体系，并根据高时效性的理论数据为相关决策部门提供决策支持。
-
公开(公告)号：CN114609134A
公开(公告)日：2022-06-10
申请号：CN202210172579.4
申请日：2022-02-24
Applicant: 河南中烟工业有限责任公司 , 中国烟草总公司郑州烟草研究院 , 河南农业大学
IPC: G01N21/84 , G01N21/25 , G01N21/01 , H04M1/72409 , H04M1/72439
Abstract: 本申请公开了一种基于线性判别的烤烟烟叶田间成熟度手机智能判别方法，该方法按照如下步骤进行：通过手机拍照获得待判别田间成熟度的烤烟烟叶图像，首先经过手机搭载的阈值0.20～0.40最大类间方差算法进行烤烟烟叶图像的背景去除预处理，其次利用手机搭载的图像特征提取功能获得待判别田间成熟度烤烟烟叶图像的红色R、绿色G、蓝色B、色调H、饱和度S、明亮度V、能量ASM、熵ENT、惯性矩INE、相关性CORRL十个特征参数数据，然后采用手机搭载的十个特征参数数据作为输入的线性判别模型进行烤烟烟叶田间成熟度的判别，最后通过手机搭载的结果展示功能显示待判别烤烟烟叶的田间成熟度。本发明正确率较高、客观无损、田间操作方便、成本低廉。
-
公开(公告)号：CN112883915A
公开(公告)日：2021-06-01
申请号：CN202110299041.5
申请日：2021-03-20
Applicant: 河南农业大学
Abstract: 本发明公开了一种基于迁移学习的麦穗自动识别方法和系统，涉及迁移学习技术领域，所述方法包括：采集带有地面标准和未带地面标准的麦穗图像；构建基于麦穗图像的数据集；将构建的数据集输入Yolov5模型中对模型进行迁移学习和目标识别训练；将待测试图像输入训练后的Yolov5模型中实现单位面积麦穗的识别与计数。采用本发明的方法和系统，经过迁移学习的模型精度为91.10%，mAP@0.5为98.20%，应用迁移学习后的麦穗密度识别R2=0.83，在此基础上，通过MAIR特征检测算法优化了K‑means特征提取算法来改善识别精度，经过优化后的麦穗密度识别R2=0.95，单张图像的平均处理时间12.17s，模型的FPS达到111。
-
公开(公告)号：CN108375550A
公开(公告)日：2018-08-07
申请号：CN201810030881.X
申请日：2018-01-12
Applicant: 河南农业大学
Abstract: 本发明公开了一种基于光谱指数的冬小麦全蚀病病害指数预测模型的构建方法，旨在提供一种行之有效、简单方便的方法，预测冬小麦全蚀病病害指数。本发明首先对采样点内冬小麦病害情况进行调查，以采集的灌浆期冬小麦冠层地面ASD光谱数据和UHD185成像高光谱数据为基础，对不同病害指数条件下冬小麦冠层的高光谱信息差异进行比较，利用ASD光谱数据筛选UHD185光谱数据中对冬小麦全蚀病敏感的波段范围和光谱指数，并建立该光谱指数与冬小麦全蚀病病害指数的线性回归模型，预测冬小麦全蚀病病害情况。本发明还公开了利用该模型预测冬小麦全蚀病病害情况的方法，该方法工作效率高、预测结果精度高，为防治全蚀病小麦的发生、发展提供了科学的技术指导。
-
Patent Agency Ranking
公开(公告)号：CN106055124A
公开(公告)日：2016-10-26
申请号：CN201610407393.7
申请日：2016-06-12
Applicant: 河南农业大学
IPC: G06F3/023
CPC classification number: G06F3/0236
Abstract: 本发明属于自然语言预处理领域，具体的涉及一种实现纳西东巴象形文和中文的综合输入方法，主要包括计算机、操作系统和基于操作系统的输入法编辑器组件，该综合输入法包括以下步骤：建立纳西东巴象形文字字库；建立纳西东巴象形文字与汉语一一对应的码表；设置显示候选窗口，使得汉字、与汉字相同意思的纳西东巴象形文字比邻显示。本发明的输入法支持中文和纳西东巴象形文的综合输入，用户使用本发明的输入方法既可以输入中文，也可以输入纳西东巴象形文。用户可以方便快捷地完成中文和纳西东巴象形文的综合输入。避免了输入法只支持纳西东巴象形文的输入，不支持中文输入。同时对挽救和保护纳西东巴象形文字具有重要的意义。
-
公开(公告)号：CN119048340A
公开(公告)日：2024-11-29
申请号：CN202410442131.9
申请日：2024-04-12
Applicant: 河南农业大学
IPC: G06T3/4038 , G06T5/50 , G06T1/20 , G06V20/17 , G06V20/70 , G06V10/26 , G06V10/46 , G06V10/75 , G06V10/764 , G06V10/82
Abstract: 本发明公开一种无人机图像并行拼接方法、系统、设备及存储介质，涉及图像处理技术领域，该方法包括：将图像拼接识别任务划分为多个子任务，每个子任务均包括无人机图像的畸变校正、特征点提取、特征点匹配、无人机图像识别以及图像融合；采用倒二叉树并行处理算法将所有图像数量两两分组视为二叉树，每个进程均执行子任务中特征点提取和特征点匹配，采用加权平均融合方法对图像重叠部分的像素点分配权重后进行融合，获取无人机每条航线的执行结果，将所有航线之间的图像融合，获得图像拼接结果；通过倒二叉树并行方法在拼接的过程中利用空闲的计算资源同时进行识别，提升了拼接时的准确率和效率。
-
公开(公告)号：CN117079036B
公开(公告)日：2024-06-07
申请号：CN202311060349.X
申请日：2023-08-22
Applicant: 河南农业大学
IPC: G06V10/764 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V20/10
Abstract: 本申请涉及一种基于YOLOv8s轻量化改进的农作物病害检测方法和系统。该方法包括：对YOLOv8s网络结构的主干网络中的特征提取模块、以及所述YOLOv8s网络结构的Neck网络中的检测头进行调整优化，得到改进的YOLOv8s轻量化网络模型；对预先获取的农作物图像在数据增强后进行标注，并根据标注结果对所述农作物图像进行农作物种类划分；根据所述农作物图像的农作物种类划分结果，对所述改进的YOLOv8s轻量化网络模型进行训练，以对农作物病害进行检测。籍此，实现对农作物病害的快速准确识别，为农作物病害的实时快速准确检测提供支持。
-
公开(公告)号：CN116934701A
公开(公告)日：2023-10-24
申请号：CN202310874790.5
申请日：2023-07-17
Applicant: 河南农业大学 , 中国烟草总公司郑州烟草研究院
Abstract: 本发明公开了一种基于极限学习机的烤烟烟叶田间成熟度手机智能判别方法；通过手机拍照、图像处理功能获得待判别田间成熟度的烤烟烟叶图像及其十个特征参数数据，采用手机搭载的隐含层节点数5～7极限学习机模型进行烤烟烟叶田间成熟度的判别，采用对十个图像特征参数的极限学习机模型进行判别，能够在不损失主要信息的前提下尽可能多地保留细节信息，烤烟烟叶田间成熟的判别正确率较高；利用手机替代计算机、数码相机设备，田间操作方便，烤烟烟叶田间成熟的判别结果现场显示，智能性高、客观性强，避免了人工判别烤烟烟叶田间成熟的主观因素大、经验性高的问题，具有便捷实用，成本低廉，容易普及应用。
-
公开(公告)号：CN112883915B
公开(公告)日：2023-05-23
申请号：CN202110299041.5
申请日：2021-03-20
Applicant: 河南农业大学
IPC: G06V20/10 , G06V10/44 , G06V10/762 , G06V10/774 , G06T7/00 , G06T7/12 , G06T7/13 , G06N20/00
Abstract: 本发明公开了一种基于迁移学习的麦穗自动识别方法和系统，涉及迁移学习技术领域，所述方法包括：采集带有地面标准和未带地面标准的麦穗图像；构建基于麦穗图像的数据集；将构建的数据集输入Yolov5模型中对模型进行迁移学习和目标识别训练；将待测试图像输入训练后的Yolov5模型中实现单位面积麦穗的识别与计数。采用本发明的方法和系统，经过迁移学习的模型精度为91.10%，mAP@0.5为98.20%，应用迁移学习后的麦穗密度识别R2=0.83，在此基础上，通过MAIR特征检测算法优化了K‑means特征提取算法来改善识别精度，经过优化后的麦穗密度识别R2=0.95，单张图像的平均处理时间12.17s，模型的FPS达到111。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.022 seconds)
