-
公开(公告)号：CN116030341A
公开(公告)日：2023-04-28
申请号：CN202211558787.4
申请日：2022-12-06
申请人： 浙江科技学院
IPC分类号： G06V20/10 , G06V10/82 , G06N3/08 , G06N3/0464
摘要： 本申请公开了一种基于深度学习的植物叶片病害检测方法、计算机设备和存储介质。基于深度学习的植物叶片病害检测方法包括：获取待检测病害的植物叶片图像；采用优化的YOLOv5s网络模型对植物叶片图像进行识别与检测，得到植物叶片病害的类别和位置；优化的YOLOv5s网络模型包括主干网络和颈部网络，颈部网络包括若干优化的CSP结构和CAM结构，优化的CSP结构包括Ghost结构和倒残差结构，优化的CAM结构包括EPSA注意力模块和倒残差结构。本发明对图像数据进行训练，融合语义和尺度不一致的特征来增强网络全局信息的提取能力，解决预测框中心点偏移量难以取到特殊点以及模型训练过程中预测框被错误缩放的问题，模型参数量较低，平均精度较高，鲁棒性更强，检测效果更好。
-
公开(公告)号：CN111539964A
公开(公告)日：2020-08-14
申请号：CN202010252664.2
申请日：2020-04-02
申请人： 浙江科技学院
摘要： 本申请涉及一种基于深度图像的植株冠层表面积获取方法、装置、计算机设备和存储介质。所述方法包括：获取目标植株冠层的深度图像；基于所述深度图像获取冠层像素点；基于所述深度图像获取每个所述冠层像素点的位置信息；基于所述位置信息获取每个所述冠层像素点对应区域的面积；基于每个所述冠层像素点对应区域的面积获取冠层表面积。上述基于深度图像的植株冠层表面积获取方法、装置、计算机设备和存储介质，通过将冠层进行切割，分别计算各个像素点对应区域的面积，再计算冠层表面积，避免植株冠层形状不规则对计算的影响与误差，计算结果较准确，精度较高。
-
公开(公告)号：CN111445513A
公开(公告)日：2020-07-24
申请号：CN202010112993.7
申请日：2020-02-24
申请人： 浙江科技学院
摘要： 本申请涉及一种基于深度图像的植株冠层体积获取方法、装置、计算机设备和存储介质。所述方法包括：获取目标植株冠层的深度图像；基于所述深度图像获取冠层像素点；基于所述深度图像获取每个所述冠层像素点的离地距离；基于所述离地距离获取每个冠层像素点对应区域的体积；基于每个冠层像素点对应区域的体积获取冠层体积。上述基于深度图像的植株冠层体积获取方法、装置、计算机设备和存储介质，通过将冠层进行切割，分别计算各部分体积，再计算冠层总体积，避免小型植株冠层形状不规则对计算的影响与误差，计算结果较准确，精度较高。
-
公开(公告)号：CN106780347B
公开(公告)日：2020-03-03
申请号：CN201710071158.1
申请日：2017-02-09
申请人： 浙江科技学院
发明人： 周扬 , 陈正伟 , 刘铁兵 , 毛建卫 , 王中鹏 , 赵芸 , 陈才 , 施秧 , 周武杰 , 陈芳妮 , 宋起文 , 陶红卫 , 吴茗蔚 , 王建芬 , 施祥 , 郑卫红 , 翁剑枫 , 邱薇薇
摘要： 本发明公开了一种基于OCT图像处理的枇杷早期瘀伤鉴别方法。采集枇杷果实的具有细胞图像细节的SD‑OCT图像，使用双三次插值算法，对图像进行降采样缩小图像分辨率，进行高斯模糊降噪处理，提取枇杷果实目标和背景的分界线，取分界线的最高点并作为参考点，根据参考点使得分界线变形为沿参考点的一条直线，对图像进行均值滤波，对图像进行二值化处理，将二值图像处理获得各个细胞对应的细胞区域，通过对细胞区域进行分析计算获得瘀伤鉴别的结果。本发明方法实现了枇杷果肉的早期瘀伤的全自动化检测，并完成瘀伤组织的皮下细胞标识和判别，提高了检测效率，为枇杷内在品质在线检测奠定技术基础。
-
公开(公告)号：CN107977972B
公开(公告)日：2019-03-05
申请号：CN201711254965.3
申请日：2017-12-01
申请人： 浙江科技学院
发明人： 赵芸 , 徐兴 , 默罕默德·拉米·金多 , 施祥
摘要： 本发明公开了一种图像分割方法，包括：(1)取待分割的图像，删除背景后进行二值化处理；(2)对二值图像进行腐蚀操作，形成连通区域；(3)对每个连通区域进行膨胀操作，提取边缘曲线；(4)边缘曲线之间的交点连线为分割线，形成初次分割区域；(5)提取每个初次分割区域的边缘曲线，对边缘曲线上的离散点进行重采样，查找出边缘曲线上相邻物品的交界点；通过一定规则将交界点连接，形成二次分割线。本发明先通过腐蚀膨胀将粘连程度较小的物品图像分割开来，使得粘连的物品数量减少，然后寻找粘连物品边缘曲线的交点，通过设定规则继续对图像进行分割，达到完全分割的目的，解决了现有方法无法对粘连物品进行有效分割的问题。
-
公开(公告)号：CN107730565A
公开(公告)日：2018-02-23
申请号：CN201710944300.9
申请日：2017-10-12
申请人： 浙江科技学院
IPC分类号： G06T11/00
CPC分类号： G06T11/008 , G06T2207/10101
摘要： 本发明公开了一种基于OCT图像的材料内在光谱特征提取方法。分别将平面反射镜和待测对象垂直于光轴地正对放置在OCT扫描装置的镜头正前方，使用OCT扫描装置在沿光轴不同探测位置处的CCD原始断层图像，傅立叶变换后使用光谱特征提取算法提取得到光谱矩阵，利用平面反射镜的光谱矩阵整合成为校正矩阵，将平面反射镜和待测对象的光谱矩阵结合校正矩阵，提取获得待测对象的目标区域的光谱矩阵。在本发明中，针对OCT光谱仪中频率分辨率下降的问题，提出了一套系统的校正方法，能够将不同焦距的光谱信号进行强度校正，并能通过多个正交窗口提高时间和频率分辨率。
-
公开(公告)号：CN103207989B
公开(公告)日：2016-05-11
申请号：CN201310086925.8
申请日：2013-03-18
申请人： 浙江科技学院
IPC分类号： G06K9/00
摘要： 本发明提供了一种基于主成分分析的轻度虫害叶片的叶脉识别方法，包括：（1）对原高光谱图像做主成分分析，取前三个主成分分量代入RGB彩色空间，组成RGB图像；（2）对RGB图像依次做彩色边缘检测和二维边缘检测，获得初始叶脉图像；（3）对初始叶脉图像依次做孔洞填充、线性空间滤波、连通标注操作和线性空间滤波，将非叶脉边缘像素过滤掉；（4）对过滤掉非叶脉边缘像素的初始叶脉图像做数学形态学处理，获得最终叶脉图像。与现有技术相比，本发明先对轻度虫害叶片的原高光谱图像进行主成分分析，再进行叶脉提取运算，获得的最终叶脉图像中主脉和侧脉能够被完整识别，大部分的细脉也能被完整识别。
-
公开(公告)号：CN105067532A
公开(公告)日：2015-11-18
申请号：CN201510417015.2
申请日：2015-07-15
申请人： 浙江科技学院
IPC分类号： G01N21/25
摘要： 本发明公开了一种鉴别油菜菌核病和灰霉病早期病斑的方法，该方法包括：(1)取待测油菜叶片的高光谱图像，再挑选所述高光谱图像的病斑局部的像素；(2)计算获得所述像素在681.95nm～748.23nm波段的波段比运算值和波段差分运算值；(3)将由所述像素在555.29nm处的光谱值、所述波段比运算值和波段差分运算值构成的特征向量输入经训练的最小二乘支持向量机模型，根据输出结果判断病斑类型。本发明从带有菌核病、灰霉病早期病斑的高光谱图像信息中分析获得特征差异波段，通过特征波长、波段比运算值和波段差分运算值与最小二乘支持向量机的结合，实现了菌核病和灰霉病早期病斑的准确分类，鉴别精度更高。
-
公开(公告)号：CN103487380B
公开(公告)日：2015-08-12
申请号：CN201310422474.0
申请日：2013-09-16
申请人： 浙江科技学院
IPC分类号： G01N21/25
摘要： 本发明公开了一种梨树叶片上梨锈病斑的识别方法，包括以下步骤：（1）取梨树叶片，采集梨树叶片在550nm、565nm、575nm、623nm和655nm处的单波段图像；（2）对梨树叶片在550nm、575nm、655nm处的单波段图像进行一阶导数变换，并作为三个特征值输入经训练的高斯过程分类模型，提取得到病斑图像；（3）对梨树叶片在565nm、623nm处的单波段图像作差分运算并对结果图像二值化，提取得到锈点图像；（4）将病斑图像和锈点图像重叠合并，如果单个病斑和单个锈点合并形成新的连通区域，则该病斑为梨锈病斑。本发明不但操作简单，而且准确率高，有利于及时有效地对梨锈病进行预防及控制。
-
公开(公告)号：CN103072403B
公开(公告)日：2015-05-20
申请号：CN201310004915.5
申请日：2013-01-06
申请人： 浙江科技学院
摘要： 本发明公开了一种自动铅笔，包括螺纹配合的笔筒和笔头，所述笔头的出芯端插接有接芯管，所述笔筒内设有储芯管，储芯管外部依次套设有锁紧箍和护芯管，所述笔头内开有与接芯管对正的轴向滑槽，轴向滑槽内由接芯管至笔筒方向依次滑动安装有残芯夹爪以及用于驱动残芯夹爪收拢的挤压件；所述笔筒的侧壁开有轴线延伸的条形孔，该条形孔内配合有定位滑动的压迫杆，该压迫杆的一端伸入笔头内且带有套设在挤压件上的压迫帽，所述锁紧箍与护芯管朝向笔头的一端均抵靠该压迫帽。与现有技术相比，本发明自动铅笔能够方便有效地对铅笔芯的最后一段残芯进行利用，节约资源，减少浪费。
-
-
-
-
-
-
-
-
-
搜索结果
58 条记录 (耗时 0.038 秒)
