-
公开(公告)号：CN118537731A
公开(公告)日：2024-08-23
申请号：CN202410649459.8
申请日：2024-05-24
Applicant: 西北农林科技大学
IPC: G06V20/10 , G06V20/17 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种基于无人机多光谱图像的小麦黄矮病多尺度检测方法，包括：构建完备的小麦黄矮图像组成的待检测数据集；其中，所述小麦黄矮图像是利用光谱无人机对复杂背景下不同小麦品种进行成像得到的多光谱图像；基于双分支尺度编码器和轻量级解码器构建双分支多尺度模型；其中，所述双分支尺度编码器包括Transformer分支、CNN分支和特征融合模块，用于生成多尺度特征映射；所述轻量级解码器包括优化的特征金字塔网络和多层感知器，用于产生分割掩码；通过已训练的所述双分支多尺度模型检测所述待检测数据集中的小麦黄矮病变区域。从而实现了小麦黄矮的准确分割，为未来精准农业作物病害监测与管理提供了实质性的技术支持。
-
公开(公告)号：CN115424113A
公开(公告)日：2022-12-02
申请号：CN202211060763.6
申请日：2022-08-31
Applicant: 西北农林科技大学
IPC: G06V10/82 , G06V10/774 , G06V10/764 , G06V10/74 , G06V10/26 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多分支融合优化结构的绒山羊个体识别的方法，包括：获取绒山羊群图片数据，采用SSD网络对绒山羊群图片数据中的个体羊只进行目标检测，采用迁移学习的预训练网络模型ResNet34和联合损失函数构建多分支融合损失函数的绒山羊个体识别网络模型，将Cycle‑GAN网络中的循环一致性损失函数修改为smoothL1损失函数，对分类中相似度高的羊只个体特征进行非线性数据增强，构建多分支融合优化结构的绒山羊个体智能识别网络模型，在多分支融合优化结构的绒山羊个体智能识别网络模型输入绒山羊群图片数据，输出识别后的绒山羊个体。该方法能够节省养殖成本，保护羊只个体的身体健康，具有很大的实用价值。
-
公开(公告)号：CN117392384A
公开(公告)日：2024-01-12
申请号：CN202311285454.3
申请日：2023-10-07
Applicant: 西北农林科技大学
IPC: G06V10/26 , G06N3/0464 , G06N3/042 , G06V10/82 , G06V10/80 , G06N3/0895
Abstract: 本发明公开一种基于点云数据的场景分割方法及系统，涉及计算机三维视觉和机器学习技术领域，包括采集点云数据，在动态图卷积点云处理模型DGCNN引入跳跃图注意力机制，构建出动态跳跃图卷积场景分割模型；其中，场景分割模型采用自监督的部分级别跳跃距离重建任务，计算点部分之间的跳跃距离，学习点部分之间的上下文关系，生成跳跃特征；通过比较不同层级跳跃特征之间的欧氏距离得到跳跃距离矩阵，通过HGA将学习到的跳跃距离矩阵嵌入边缘权重中；将点云数据输入至场景分割模型中输出分割结果；通过自监督的部分级别跳跃距离重建任务，准确地学习点部分之间的上下文关系，从而有效地捕捉点云数据的复杂结构信息，提高了场景分割的精度。
-
公开(公告)号：CN117132802A
公开(公告)日：2023-11-28
申请号：CN202310372755.3
申请日：2023-04-10
Applicant: 西北农林科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/22 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种田间小麦病虫害识别方法、装置及存储介质，属于图像处理领域，该方法使用神经网络(DenseNet)提取更丰富的小麦病虫害特征；借助特征金字塔融合优化由DenseNet各组卷积输出的病害特征信息；加入卷积注意力模块对多个卷积层的输出特征进行优化以抑制复杂背景特征对田间小麦病虫害识别性能的影响；采用Sobel滤波算法边缘协议头检测病斑区域的边缘特征，借助此边缘特征引导模型预测掩膜生成方向从而提高本发明的识别速度。该方法通过特征提取过程中的特征融合和特征抑制对小麦病虫害特征进行了多重特征优化，抑制了由复杂背景引入的无用特征，突出了小麦病虫害目标的有效特征，从而提高了病虫害的识别精度。
-
公开(公告)号：CN114369686A
公开(公告)日：2022-04-19
申请号：CN202210077196.9
申请日：2022-01-24
Applicant: 西北农林科技大学
IPC: C12Q1/70 , C12Q1/6844 , C12N15/11 , C12R1/94
Abstract: 本发明属于植物病毒学技术领域，具体涉及检测大麦黄矮病毒的RPA引物对、RPA‑LFS检测引物组、检测试剂盒及其应用。本发明提供的引物对GAV‑RPA‑F1/R1和GAV‑RPA‑F2/R2能够扩增大麦黄矮病毒的基因组DNA，特异性好，实现大麦黄矮病毒的检测，并且通过将引物对GAV‑RPA‑F1/R1或GAV‑RPA‑F2/R2与探针结合使用，能够实现大麦黄矮病毒的RPA‑LFS检测，结果可用肉眼判读，检测速度快，并且灵敏度高，特异性好。
-
Patent Agency Ranking
公开(公告)号：CN115410277A
公开(公告)日：2022-11-29
申请号：CN202211057261.8
申请日：2022-08-31
Applicant: 西北农林科技大学
IPC: G06V40/20 , G06V20/40 , G06V10/40 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于双注意力机制的牛只行为识别方法，包括：采集牛只的视频数据，在轻量级网络模型MobileNetV3的网络层并列设置注意力机制模块SE和CBAM，其中在注意力机制模块SE中增加全连接层，将注意力机制模块SE和CBAM的激活函数分别更改为softsign和hardsigmoid，采用联合损失函数优化轻量级网络模型MobileNetV3，构建改进的轻量级网络模型，在网络模型中输入牛只的视频数据，识别牛只多种行为，采用余弦距离和欧式距离的组合算法区分牛只多种行为中的站立或行走行为。该方法可以准确预测牛只行为，对于促进畜牧养殖业产业升级、普及畜牧养殖业数字化管理有着重要作用。
-
公开(公告)号：CN118823639A
公开(公告)日：2024-10-22
申请号：CN202410868529.9
申请日：2024-07-01
Applicant: 西北农林科技大学
Abstract: 本发明涉及智慧牧业技术领域，具体涉及一种多尺度轻量化的奶山羊行为实时检测模型。基于改进的YOLOv8网络结构建立山羊行为检测模型；获取山羊实时监测视频并提取检测视频中的帧图像；将帧图像输入山羊行为检测模型中获取检测结果；改进的YOLOv8网络结构包括：主干网络、颈部网络和头部网络；其中，颈部网络包括特征金字塔网络和路径聚合网络；将特征金字塔网络中的最近邻插值上采样算子替换为CARAFE上采样算子；在路径聚合网络中加入高斯上下文变换器进行特征映射。本发明提出的改进模型中通过加入轻量级的通用上采样算子和高斯上下文变换器，能够有效实现模型的轻量化和速度提升，同时避免了复杂背景对山羊行为识别的影响。
-
公开(公告)号：CN117392747A
公开(公告)日：2024-01-12
申请号：CN202311285486.3
申请日：2023-10-07
Applicant: 西北农林科技大学
IPC: G06V40/20 , G06V20/40 , G06V10/82 , G06N3/0464 , G06V10/25
Abstract: 本发明公开了一种基于深度学习的牲畜行为检测方法、系统及计算机设备，涉及计算机视觉技术领域，通过对多牲畜视频数据的采集和抽帧，使用翻转、旋转、裁剪、变形对采集的数据进行数据增强后，将YOLOv7‑tiny网络模型作为行为检测模型的骨干网络，以获取不同分辨率牲畜图像数据的行为信息，利用SPD卷积模块减少池化层对图片信息丢失的影响，利用小目标检测层增加网络对于微小模糊目标的感知能力，并结合CA注意力机制，加强网络对目标位置信息的敏感程度，在不损失精度的前提下将模型压缩到了最小；该方法可以高效地进行牲畜各种行为的检测，从而节省畜牧业从业人员的时间成本和劳工成本。
-
公开(公告)号：CN115984554A
公开(公告)日：2023-04-18
申请号：CN202211564150.6
申请日：2022-12-07
Applicant: 西北农林科技大学
IPC: G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08 , G01G17/08
Abstract: 本发明公开了一种基于深度学习的体重估计方法，涉及计算机视觉技术领域，通过对单个羊只侧视深度图像数据的采集，使用羊只检测和羊体语义分割模型对采集的数据进行数据增强后，将LiteHRNet网络模型作为体重估计模型的骨干网络，以获取羊只深度图像数据不同层次的语义信息，利用类激活映射方法对不同的体重估计头注意力区域进行可视化，最后筛选出体重估计误差小且羊只区域注意力集中的体重估计模型；该方法可以高效地进行羊只体重的估计，从而节省畜牧业从业人员的时间成本和劳工成本，并为其他类似动物的体重估计提供了深度学习方向上的研究思路。
-
公开(公告)号：CN119724367B
公开(公告)日：2025-04-22
申请号：CN202510201883.0
申请日：2025-02-24
Applicant: 西北农林科技大学
IPC: G16B40/00 , G16B15/20 , G16B20/00 , G16B30/10 , G06N3/042 , G06N3/045 , G06N3/084 , G06N3/0985 , G06N5/01 , G06F18/22 , G06F18/2413 , G06F18/25
Abstract: 本发明涉及基因编辑领域和人工智能领域，公开了一种基于图神经网络的Anti‑CRISPR蛋白识别方法。该方法通过构建异构网络对蛋白质之间的相似关系进行建模，利用图神经网络学习蛋白质特征，从而实现对Anti‑CRISPR蛋白的识别。本方法通过整合多种蛋白特征，包括组成特征、进化特征、重复和分布特征、序列相关性特征、结构相关特征以及ESM‑2蛋白质语言模型生成的嵌入表示，并结合图注意力机制（GAT）和基于空域的图神经网络（GraphSAGE），提高了识别性能。本发明在多个基准测试上表现出优异的准确性和鲁棒性，尤其在独立测试数据集上展现出更高的识别准确性，能够有效区分正负样本。此模型在Anti‑CRISPR蛋白的研究中具有重要的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.022 seconds)
