-
公开(公告)号：CN114943697A
公开(公告)日：2022-08-26
申请号：CN202210526772.3
申请日：2022-05-16
Applicant: 福建农林大学
IPC: G06T7/00 , G06T7/90 , G06T7/73 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于轻量化改进YOLO的番茄成熟度检测方法。采集大棚环境下的番茄图像，并基于成熟度将数据集划分为成熟、半成熟、未成熟三种状态。利用K‑means聚类算法对番茄数据集中已标注的目标边界锚框聚类，产生不同数量、不同大小的先验框。构建改进后的YOLO v5模型，摘除原YOLOv5的Focus层，利用MobileNet V3的bneck模块替换原YOLOv5的backbone部分，实现模型的轻量化。调用摄像头，采集大棚环境下番茄视频流，并实时输入改进后的YOLOv5模型，利用显示终端输出预测结果，即番茄的位置、类别和数量。本发明在保证模型检测精度的条件下，减少了模型参数及运算量，提高了检测速度，降低了对于硬件设备的算力要求。
-
公开(公告)号：CN106180001A
公开(公告)日：2016-12-07
申请号：CN201610835352.8
申请日：2016-09-21
Applicant: 福建农林大学
IPC: B07C5/342 , G01N21/892
CPC classification number: B07C5/3422 , G01N21/892
Abstract: 本发明涉及一种类球形坚果无损检测分级输送装置及其控制方法，包括一机架，设置于机架上的输送机构，与所述输送机构的入口端相接合的上料机构，以及设置于所述输送机构的上方的图像检测机构和分级执行机构，所述分级执行机构设置于图像检测机构与输送机构的出口端之间；机架上还设有收集机构，所述收集机构沿分级执行机构的水平方向设置。本发明的有益效果在于：通过上料机构完成类球形坚果单层逐个输送至输送机构的凹坑座内，通过输送机构将待检测的类球形坚果输送至图像检测机构进行检测，确定分级结果，再根据分级结果将类球形坚果输送至分级执行机构吹至对应的分级隔槽内，可以实现无损检测分离，减小在检测过程中对类球形坚果造成破坏。
-
公开(公告)号：CN115266607B
公开(公告)日：2025-03-07
申请号：CN202210875859.1
申请日：2022-07-25
Applicant: 福建农林大学
IPC: G01N21/25 , G01N21/59 , G06N3/0464 , G06N3/09 , G06V10/25 , G06V10/764 , G06V10/82 , G06V20/69
Abstract: 本发明提出一种基于显微高光谱图像秀珍菇菌种退化无损检测方法，包括：步骤S1：选取秀珍菇菌种进行活化培养；步骤S2：分析已选定秀珍菇菌种退化情况，划定菌种退化评价等级；步骤S3：分别采集退化与未退化秀珍菇菌种的显微高光谱图像；步骤S4：针对显微高光谱图像提取感兴趣区域的平均光谱透射率；步骤S5：通过卷积神经网络提取感兴趣特征作为学习特征，建立菌种退化快速检测模型，完成分类。本发明基于一维卷积神经网络算法建立模型，有效地从高维数据中学习相应特征，避免了复杂的特征提取过程，减少网络计算时间，提高模型分类的准确率，提升了秀珍菇菌种退化的检测效率，实现了秀珍菇菌种退化的快速无损检测。
-
公开(公告)号：CN116109809A
公开(公告)日：2023-05-12
申请号：CN202310049358.2
申请日：2023-02-01
Applicant: 福建农林大学
IPC: G06V10/12 , G06V10/764
Abstract: 本发明提出一种显微多光谱成像的食用菌菌种表型参数采集装置及方法，实现食用菌自动化智能化育种。步骤是①拍摄多张单波长二维图像合成三维的显微多光谱图像，判断出显微多光谱图像的空白像素点比例，优化采集区域的选择；②搜索最佳成像位置实现自动对焦；③分别拼接显微多光谱图像的图像层和数据层并融合二者，实现大区域显微多光谱图像拼接重构；④提取大区域显微多光谱图像特征，基于孢子结构、菌丝结构分布和平均光谱反射率曲线，实现不同质量等级菌种的自主分类。本发明具有不同质量等级菌种自主分类的功能，同时兼顾了低成本、高效率和自动化的优点。
-
公开(公告)号：CN112183662A
公开(公告)日：2021-01-05
申请号：CN202011148523.2
申请日：2020-10-23
Applicant: 福建农林大学
Abstract: 本发明涉及一种基于卷积神经网络和高光谱技术的柚子粒化分类方法，包括以下步骤：1）获取柚子漫透射高光谱信息；2）对获取的高光谱信息进行归一化预处理，然后将处理后的信息分为训练集和验证集；3）利用训练集对建立的多层卷积神经网络模型进行训练；4）建立损失函数，采用Adagrad梯度下降方式结合反向传播对多层卷积神经网络模型进行训练，将损失最小的模型作为训练得到的多层卷积神经网络模型；5）将训练集和验证集输入训练好的卷积神经网络模型，得到分类结果。该方法有利于无损检测柚子粒化程度，对柚子粒化程度进行分类。
-
Patent Agency Ranking
公开(公告)号：CN109821764A
公开(公告)日：2019-05-31
申请号：CN201910119877.5
申请日：2019-02-18
Applicant: 福建农林大学
Abstract: 本发明提出往复式类椭球形果蔬分拣装箱系统，分拣装箱系统包括上料机构、称重机构、分拣卸料机构、控制模块和以果蔬托盘形成输送面的环形输送带；分拣卸料机构处设有一条以上的卸料通道；每条卸料通道均有固定的卸料端口号且其每次分拣操作对应的分拣重量为预设值；上料机构的出料面朝向果蔬托盘以输出果蔬物料；果蔬托盘均带有托盘编号且在装载物料后经过称重机构，控制模块经称重机构获取各果蔬托盘上的物料重量，并按所载物料重量为各个果蔬托盘分配相应卸料端口号的卸料通道；当果蔬托盘在环形输送带驱动下行至分配给该果蔬托盘的卸料通道时，果蔬托盘把物料倾入该卸料通道完成分拣；本发明能按订单重量要求快速地对果蔬物料进行分拣。
-
公开(公告)号：CN118522005A
公开(公告)日：2024-08-20
申请号：CN202410584403.9
申请日：2024-05-11
Applicant: 福建农林大学
IPC: G06V20/68 , G06V10/26 , G06V10/44 , G06V10/56 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于杏鲍菇表型参数的分类方法及装置，分类方法包括以下步骤：采集杏鲍菇的表型图片，对表型图片进行标注，得到杏鲍菇数据集；将杏鲍菇数据集分别输入语义分割模型和形状分类模型中进行训练，语义分割模型为基于VGG16改进的U‑net网络结构，形状分类模型为AlexNet模型；使用训练好的模型对待分类的杏鲍菇图像进行分割形成语义掩膜以及对鲍菇子实体的形状进行分类；采用颜色阈值算法获得不同语义的杏鲍菇部位，计算出杏鲍菇不同部位的长宽尺寸信息；使用K‑means聚类算法提取出菌盖的主要颜色，再进行菌盖的颜色分级。本发明提出的分类方法可以更好的区分出多表型数据，更加鲁棒，大幅度提高表型数据的准确性。
-
-
公开(公告)号：CN106417060B
公开(公告)日：2022-04-01
申请号：CN201610813343.9
申请日：2016-09-10
Applicant: 福建农林大学
IPC: A01K5/02
Abstract: 本发明涉及一种基于容积式转盘精准投料饲喂装置及其工作方法，包括车架，所述车架的上方设有饲料箱，所述饲料箱的下料口下方设有并排设置的粗投料转盘和精投料转盘，所述粗投料转盘上设有两个中心对称设置的第一储料槽，所述精投料转盘上设有两个中心对称设置的第二储料槽，所述第一储料槽和第二储料槽的内部分别设有高度可调的第一活塞和第二活塞；所述第一储料槽和第二储料槽的出料口下方设有送料漏斗，所述送料漏斗的下部左右两侧对称设有沿径向延伸至车架外部的送料管。本发明设计合理，不仅饲料安全无浪费，而且可根据生猪不同的生长阶段调节吃食量，投料精度高。
-
公开(公告)号：CN106238345A
公开(公告)日：2016-12-21
申请号：CN201610835342.4
申请日：2016-09-21
Applicant: 福建农林大学
CPC classification number: B07C5/34 , A01K43/04 , B07C3/085 , B07C5/02 , B07C2501/0081 , B07C2501/009
Abstract: 本发明涉及一种类球形农产品输送分级装置及其控制方法，包括一机架、设置于机架上用于横向传输类球形农产品的输送机构、设置于输送机构上用于驱动类球形农产品自动翻转的滚动机构和设置于输送机构旁侧且位于滚动机构后方的分级机构；所述输送机构的始端上方还设有一用于对类球形农产品进行计数的红外光电传感器，所述滚动机构上方设有一用于采集类球形农产品外部信息的图像采集机构。本发明的有益效果在于：通过无损检测即通过图像采集后，进行图像处理分析，判断类球形农产品的品质，不会对类球形农产品造成破坏，可以在分级机构旁侧设置不同品质等级通道，适用于鸡蛋、苹果、柿、梨、桃、柑橘等类球形农产品的无损检测和分级。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.018 seconds)
