-
公开(公告)号：CN117079036A
公开(公告)日：2023-11-17
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：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：CN104952247B
公开(公告)日：2016-08-24
申请号：CN201510306503.6
申请日：2015-06-06
Abstract: 本发明涉及一种基于双通信数据的拥堵等级分析平台，所述分析平台包括遥感数据接收设备、实地数据接收设备和主控设备，所述遥感数据接收设备接收遥感卫星发送的目标路段的路段遥感图像，所述实地数据接收设备接收处于目标路段的摄像头发送的目标路段的路段实地图像，所述主控设备根据所述路段遥感图像和所述路段实地图像确定目标路段的拥堵等级。通过本发明，能够将卫星遥感图像和实地图像结合用于确定实地拥堵程度，并能够根据云层厚度大小设置在确定拥堵程度时各个因素的权重值。
-
公开(公告)号：CN118736376A
公开(公告)日：2024-10-01
申请号：CN202410781055.4
申请日：2024-06-18
Applicant: 河南农业大学
IPC: G06V10/82 , G06N3/0464 , G06V10/774 , G06V20/10 , G06V10/80
Abstract: 本申请涉及农作物病害检测技术领域，提供了一种基于改进YOLOv8s的小麦小穗赤霉病检测方法及系统。该方法中，对YOLOv8s网络结构中的特征提取模块、特征融合模块以及损失函数进行改进，得到改进的OCE‑YOLOv8s模型，对获取的不同光照条件下的小麦小穗赤霉病图像进行预处理，得到训练数据集，对改进的OCE‑YOLOv8s模型进行训练，提高模型对目标区域特征的提取，实现低层特征与高层语义信息的融合，使模型能够提取到更丰富的特征信息；由改进的OCE‑YOLOv8s模型对小麦小穗赤霉病变进行检测，提高模型识别精度，实现对小麦小穗赤霉病的快速、准确识别，为小麦赤霉病小穗检测计数和赤霉病害监测提供支撑。
-
-
Patent Agency Ranking
公开(公告)号：CN110378521A
公开(公告)日：2019-10-25
申请号：CN201910575210.6
申请日：2019-06-28
Applicant: 河南农业大学
Abstract: 本发明公开了一种豫东北冬小麦产量预测模型的构建与应用，旨在解决现有方法无法准确、精确预测冬小麦产量的技术问题。本发明提供了某一地区冬小麦产量预测模型的构建方法及该地区冬小麦产量预测的方法。本发明能够准确、精确预测河南省东北部冬小麦的产量，为河南省冬小麦生产智能决策诊断提供新思路，为农业生产决策提供指导和建议，能够推动农业生产的效率，避免不必要的损失。
-
公开(公告)号：CN119314044A
公开(公告)日：2025-01-14
申请号：CN202411355090.6
申请日：2024-09-26
Applicant: 河南农业大学
IPC: G06V20/10 , G06V10/82 , G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/096
Abstract: 本发明涉及一种用于智能终端复杂背景下的轻量化小麦病害图像识别方法，与现有技术相比解决了难以实现复杂背景下小麦病害图像识别轻量化设计的缺陷。本发明包括以下步骤：获取小麦病害图像数据集；构建轻量化小麦病害识别模型；轻量化小麦病害识别模型的训练；待识别小麦病害图像的获取；小麦病害图像的识别。本发明能够在移动设备上灵活部署的同时实现高精确的病害程度识别，对模型结构进行了压缩，使用LeakyReLU和AdamW优化器对模型进行优化，提高了模型的响应速度，同时采用知识蒸馏方式学习高复杂度模型的特征提取结果，提高模型的准确率，最终实现了在移动设备上高效准确的识别小麦病害程度。
-
公开(公告)号：CN119068040A
公开(公告)日：2024-12-03
申请号：CN202411060010.4
申请日：2024-08-05
Applicant: 河南农业大学
Abstract: 本申请涉及农作物预测技术领域，提供了一种基于改进CNN的玉米叶面积指数估测方法及系统。在该方法中，对残差网络的输出层和特征提取模块分别进行改进，在残差网络中添加Triplet注意力机制模块以及对残差网络进行重新编排，根据样本图像对得到的玉米生育期识别模型进行训练，以根据玉米生育期图像对玉米叶面积指数进行预测。籍以，在残差网络的基础上改进输出结构，适配回归任务，并引入Triplet注意力机制模块实现特征融合和自注意力机制，提升玉米生育期识别准确率；通过对网络改进和重新编排，不但降低网络复杂度，而且提高了模型的计算速度，能够更好的进行玉米叶面积指数的预测，且具有识别快速精准和轻量化的特点。
-
公开(公告)号：CN117436526A
公开(公告)日：2024-01-23
申请号：CN202311453636.7
申请日：2023-11-03
Applicant: 河南农业大学
IPC: G06N5/04 , G06N5/025 , G06F18/2413 , G06F16/33 , G06F16/338
Abstract: 本发明涉及一种采用关键词进行标签表示与信息融合的食品安全评论信息检测方法，包括以下步骤：1)向量化餐饮评论文本数据进行文档表示；2)对数据集进行关键词抽取；3)利用关键词进行标签表示；4)将文档表示与标签表示进行信息融合与分类决策。该采用关键词进行标签表示与信息融合的食品安全评论信息检测方法，采用关键词进行标签显示与信息融合的方法来对餐饮食品评论进行自动检测并分析，通过关键词识别与信息融合，有效地提取食品安全问题，以便迅速采取必要的措施，使得食品安全评论的自动化分析变得更加高效，有助于食品安全机构和食品制造商及时了解潜在问题并采取措施，保护了公众健康。
-
公开(公告)号：CN116363344A
公开(公告)日：2023-06-30
申请号：CN202211545983.8
申请日：2022-12-05
Applicant: 河南农业大学
Abstract: 本申请提供了一种基于改进YOLOv5s的小麦小穗计数方法和系统。该方法中，首先对YOLOv5s网络结构进行模块调整与层次优化，得到改进的YOLOv5s网络模型；对预先获取的麦穗图像进行预处理，得到所述改进的YOLOv5s网络模型的训练数据集，以对所述改进的YOLOv5s网络模型进行训练；根据预先划分的小穗种类，训练完成改进的YOLOv5s网络模型，以对小麦小穗进行计数预测。籍此，实现对大田环境下小麦小穗的快速计数预测，为大田中通过小麦小穗数量估测品质、估算产量等提供信息技术支持。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.019 seconds)
