-
公开(公告)号：CN113673612B
公开(公告)日：2024-10-29
申请号：CN202110981213.7
申请日：2021-08-25
Applicant: 河南农业大学
IPC: G06V10/764 , G06V10/77 , G06V10/44 , G06V10/762 , G06T3/4007 , G06N20/10
Abstract: 本发明公开了一种高场不对称离子迁移谱图分类识别方法，基于对检测样本的动态图谱和对图谱进行多尺度空域信息融合的技术路线，包括：分别将每个检测样本重复测量得到一组图谱样本从而获得全部动态图谱，每类检测样本都含有多个已知样本作为训练数据使用；基于每个检测样本的全部动态图谱，在多尺度空域上分别提取特征；基于多尺度空域上分别提取的特征并进行特征融合获得多尺度融合特征；基于多尺度融合特征建立多尺度信息融合的分类识别模型；基于分类识别模型进行高场不对称离子迁移谱图分类识别。还公开了对应的装置，该方法和装置进行自适应的FAIMS图谱分类识别，有效信息不丢失；冗余信息和噪声干扰小，模型建立开销小，鲁棒性强。
-
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：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。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN113673612A
公开(公告)日：2021-11-19
申请号：CN202110981213.7
申请日：2021-08-25
Applicant: 河南农业大学
Abstract: 本发明公开了一种高场不对称离子迁移谱图分类识别方法，基于对检测样本的动态图谱和对图谱进行多尺度空域信息融合的技术路线，包括：分别将每个检测样本重复测量得到一组图谱样本从而获得全部动态图谱，每类检测样本都含有多个已知样本作为训练数据使用；基于每个检测样本的全部动态图谱，在多尺度空域上分别提取特征；基于多尺度空域上分别提取的特征并进行特征融合获得多尺度融合特征；基于多尺度融合特征建立多尺度信息融合的分类识别模型；基于分类识别模型进行高场不对称离子迁移谱图分类识别。还公开了对应的装置，该方法和装置进行自适应的FAIMS图谱分类识别，有效信息不丢失；冗余信息和噪声干扰小，模型建立开销小，鲁棒性强。
-
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：CN116756320A
公开(公告)日：2023-09-15
申请号：CN202310766537.8
申请日：2023-06-27
Applicant: 河南农业大学
IPC: G06F16/35 , G06F16/33 , G06F16/332 , G06F40/211 , G06F40/30 , G06F40/258 , G06F40/289 , G06F40/216 , G06N7/01 , G06N20/00
Abstract: 本发明涉及基于预训练语言模型和主题增强的农业问句分类方法，包括以下步骤：S1、将农业问句分类文本数据进行预处理；S2、输入BERT模型得到文本的语义信息；S3、输入LDA模型得到文本的主题信息；S4、进行线性组合。该基于预训练语言模型和主题增强的农业问句分类方法，首先，我们使用chines‑bert‑wwm模型作为基础模型，对问句进行编码，得到问句的向量表示，然后，我们使用LDA模型来提取问句的主题特征向量，并将主题特征向量与问句的向量表示进行线性组合，得到新的问句表示，由此来强化主题这个特征的重要性，实验结果表明，本文提出的方法比其他模型有更好的分类性能，与BERT模型相比，本文提出的模型在F1指标上提高了2.88％。
-
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
9
records
(took 0.018 seconds)
