公开(公告)号：CN118038445A

公开(公告)日：2024-05-14

申请号：CN202410030153.4

申请日：2024-01-09

Applicant: 浙江香满亭生物科技有限公司 ,  电子科技大学长三角研究院(衢州)

Inventor： 袁国慧 ,  何思佳 ,  王卓然 ,  朱佑存 ,  杨礼远 ,  秦帅 ,  曾志宏

IPC: G06V20/68 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06V10/764

Abstract: 本发明公开了一种基于多模态模型的花菇分级采摘方法及系统，该方法包括以下步骤：获取花菇图像数据，进行预处理以及数据集生成；搭建多模态的花菇分级模型，所述多模态的花菇分级模型包括花菇检测与区域提取模块、图像特征提取模块以及多模态特征融合分级模块；将摄像头、机械臂与多模态分级模型进行关联；通过摄像头采集并实时传输花菇采集数据至多模态分级模型中，生成花菇分级与定位信息；获取机械臂的位置信息，生成采摘运动轨迹信息；根据运动轨迹信息控制机械臂对花菇进行分级采摘。本发明结合花菇级别的评判标准，利用多模态特征融合的方法，实现花菇的图像文本多模态分级检测，并级联摄像头、机械臂等硬件，实现对不同级别花菇的自动分级、定位及采摘，能够保证较好的分级采摘准确性。

公开(公告)号：CN117694183A

公开(公告)日：2024-03-15

申请号：CN202410033177.5

申请日：2024-01-09

Applicant: 电子科技大学长三角研究院(衢州) ,  浙江香满亭生物科技有限公司

Inventor： 袁国慧 ,  曾志宏 ,  王卓然 ,  朱佑存 ,  杨礼远 ,  何思佳 ,  秦帅

IPC: A01G18/69

Abstract: 本发明专利属于深度强化学习和环境控制领域，提供了一种基于深度强化学习的花菇种植的智能环境控制方法。主旨在于解决传统花菇种植方法中缺乏动态环境调节和智能化环境控制的问题，主要方案包括s1.根据花菇生长过程以及生长环境的控制，构建花菇种植生长环境模型；s2.整合现有的花菇种植的专家经验策略和种植数据，构建智能环境控制算法的采样池，并设计算法的采样策略；s3.根据花菇的生长过程特点，设计指导智能控制算法的奖励函数；s4.设计智能环境控制算法的训练流程，使用智能环境控制算法学习环境控制策略，根据输出的环境控制策略改变花菇生长环境。本发明利用深度强化学习实现花菇种植的智能环境控制，进而提升花菇种植产量。

公开(公告)号：CN117830851A

公开(公告)日：2024-04-05

申请号：CN202410027846.8

申请日：2024-01-09

Applicant: 浙江香满亭生物科技有限公司 ,  电子科技大学长三角研究院(衢州)

Inventor： 袁国慧 ,  秦帅 ,  王卓然 ,  朱佑存 ,  杨礼远 ,  何思佳 ,  曾志宏

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明属于行为克隆技术的实际应用领域，提供了一种基于行为克隆的智能花菇培育方法。目的在于解决目前的花菇培育技术普遍存在的培育过程难以脱离人工，智能植物工厂应用到花菇培育领域效率较低的问题。主要方案包括：使用深度学习的目标检测算法分割出花菇图像；将花菇的状态信息和对应的专家行为使用神经网络进行模型训练；使用数据融合的方式扩充数据集；将训练好的模型应用到智能系统之中，实现对专家行为的克隆。本发明的有益效果是：本发明采用YOLO‑V5目标检测算法，检测速度快，检测精度高，能实现对花菇生长过程中的实时检测以及控制；本发明在行为克隆过程中加入了数据融合过程，使没有探索性的行为克隆具备了一定的探索性，能够更好地应用到花菇培育之中。

公开(公告)号：CN116935304A

公开(公告)日：2023-10-24

申请号：CN202310715444.2

申请日：2023-06-16

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 袁国慧 ,  王卓然 ,  傅杭铭 ,  何思佳

IPC: G06V20/52 ,  G06V20/40 ,  G06V40/10 ,  G06V10/774 ,  G06V10/82 ,  G06T7/20 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于人群密集度的自适应检测与跟踪方法，包括以下步骤：监控视频数据预处理及数据集生成；利用行人数据集和头部数据集各自训练目标检测算法；搭建基于深度学习的目标检测与跟踪算法；利用目标位置信息进行距离估计；根据距离估计结果进行人群密集度评估；根据密集度评估结果进行自适应的检测与跟踪方法切换。本发明结合目标检测与目标跟踪算法，采用距离估计方法进行密集度评估以选择合适的检测与跟踪目标，实现自适应检测与跟踪方法，能够适应任意密集度场景，一定程度上解决密集人群遮挡等问题，提升目标检测能力，改善行人检测与跟踪效果。