-
公开(公告)号：CN116894843B
公开(公告)日：2023-11-17
申请号：CN202311161710.8
申请日：2023-09-11
Applicant: 西南林业大学
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种基于感知哈希算法和区块链的普洱茶信息溯源方法。所述方法包括：在接收到校验请求时，基于感知哈希算法，识别待校验茶饼图像上的待校验纹理码；将所述的待校验纹理码与存储于区块链上的参考纹理码进行比对，确定是否存在与所述待校验茶饼图像相匹配的目标茶饼信息；若存在，向请求发送端输出所述目标茶饼信息。基于图像处理的区块链技术，利用计算机视觉的方法调节和分割图像，区块链的去中心化、不可篡改、可追溯等特性，提高了普洱茶的溯源效率和可信度，解决了如何提高普洱茶信息溯源的可靠性的问题。
-
公开(公告)号：CN119888523A
公开(公告)日：2025-04-25
申请号：CN202311377486.6
申请日：2023-10-23
Applicant: 西南林业大学
IPC: G06V20/17 , G06V10/10 , G06V10/26 , G06V10/774 , G06V10/82 , G06V10/56 , G06V20/10 , G06N3/0464 , G06T7/00
Abstract: 本发明是一种基于目标检测的烟株株数自动计数方法。涉及智慧农业技术领域，与传统的植物计数方法不同的是，本发明是通过YOLOv8目标检测网络对多光谱烟叶数据集进行自动计数。本发明选取无人机拍摄的多光谱烟叶数据集为我们研究的图像。具体来说，在采集烟叶不同生长阶段的多光谱无人机的烟叶数据集影像后对采集的数据进行拼接，切割，剔除，以及不同波段的合成等，然后采用YOLOv8原网络对Step2处理好的RGB波段以及合成的RGN波段图像进行训练，得到训练后生成的RGB波段，RGN波段模型,得到最后网络模型；而针对光谱中的单通道和7通道数据集来说，则需要修改原YOLOv8网络架构，以适应不同的输入数据，并对模型进行训练，选择最优生成网络模型，最后利用测试集对训练后生成的网络进行评估以及统计单片烟株数量，提出了针对整块烟田的株数统计的方法。
-
公开(公告)号：CN114359255A
公开(公告)日：2022-04-15
申请号：CN202210037901.2
申请日：2022-01-13
Applicant: 西南林业大学 , 云南省公路科学技术研究院
Abstract: 本发明涉及一种基于改进Yolov5s的公路路面修补检测方法，属于目标检测技术领域。本发明首先构建路面修补样本集。再改进Yolov5s网络，使得改进后的Yolov5s网络可以减少模型参数，降低网络计算量。然后使用路面修补样本集对改进后的Yolov5s网络进行训练，得到修补检测模型。最后利用修补检测模型检测路面图像，判断路面图像是否存在修补，若存在，则确定修补位置。
-
公开(公告)号：CN119151883A
公开(公告)日：2024-12-17
申请号：CN202411189032.0
申请日：2024-08-28
Applicant: 西南林业大学
IPC: G06T7/00 , G06N3/0442 , G06T7/62 , G06V10/762
Abstract: 本发明属于植物病害防治领域，公开了一种基于马尔可夫模型和长短记忆时网络的植物叶面斑点扩散预测方法及系统，包括：持续采集葡萄叶斑点扩散过程图像系列，提取各图片相关的叶面斑点特征，将系列图像提取的特征构造成为时间序列；LSTM预测模型训练，使其能够对后续斑点特征区域进行预测；将测试图片根据叶面特征转换为灰度等级图，将每个叶面灰度图的像素的变化看作一个离散马尔可夫过程，通过LSTM网络预测的叶面像素特征计算下一步的概率转移矩阵，采用离散马尔可夫模型计算下一个叶面灰度等级图，再通过图像调整得到最终的扩散预测图。本发明在一定程度上预测模拟叶面病斑的扩散过程，模型具有泛化性，容易推广至其它植物病种的斑点扩散研究。
-
公开(公告)号：CN117876383B
公开(公告)日：2024-06-07
申请号：CN202410284089.2
申请日：2024-03-13
Applicant: 西南林业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/084 , G06T7/73 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/82
Abstract: 本申请公开了一种基于yolov5l的公路表面条状裂缝检测方法，涉及图像识别领域，该方法包括：基于表面裂缝图像构建表面条状裂缝样本集；基于所述表面条状裂缝样本集对预设网络进行训练，获取裂缝检测模型；基于所述裂缝检测模型对采集到的表面图像进行检测，确定所述表面图像中的目标裂缝，所以，有效解决了相关技术中对裂缝的形状和类型有一定的假设和限制，同时需要处理图像中的噪声、阴影、纹理等干扰因素，导致表面裂缝识别的通用性以及准确性不佳的技术问题，实现了提高表面裂缝特征提取精度，统一表面病害检测标准的技术效果。
-
Patent Agency Ranking
公开(公告)号：CN116894469B
公开(公告)日：2023-12-15
申请号：CN202311163761.4
申请日：2023-09-11
Applicant: 西南林业大学
Abstract: 本发明涉及深度学习技术领域，尤其涉及一种端边云计算环境中的DNN协同推理加速方法、设备及介质。根据多分支DNN的层类型和计算平台的计算资源，构建目标时延预测模型；基于目标时延预测模型，预测DNN层的执行时延；获取目标平台当前可用带宽资源和可用计算资源，并将可用带宽资源、可用计算资源、截止时延和网络类型，输入最佳退出点预测模型，预测最佳退出点；根据最佳退出点提取多分支DNN，并确定提取后的多分支DNN中的节点划分结果；根据节点划分结果，将提取后的所述多分支DNN中的各个节点，分配至节点划分结果对应的目标平台，目标平台包括终端设备、云服务器和边缘服务器中的(56)对比文件CN 115841590 A,2023.03.24CN 116187429 A,2023.05.30CN 116227558 A,2023.06.06CN 116341624 A,2023.06.27US 2021056357 A1,2021.02.25US 2021247246 A1,2021.08.12US 2021289456 A1,2021.09.16US 2022358358 A1,2022.11.10WO 2022111002 A1,2022.06.02WO 2022252713 A1,2022.12.08WO 2023091019 A1,2023.05.25刘国志等“.车辆边缘计算环境下基于深度强化学习的服务卸载方法”《.计算机集成制造系统》.2022,第28卷(第10期),第3304-3315.guozhi liu等“.An adaptive DNNinference acceleration framework withend-edge-cloud collaborative computing”.《Future Generation Computer Systems》.2023,第140卷第422-435页.Hsu TzHeng等“.A Cloud-Edge-Smart IoTArchitecture for Speeding Up theDeployment of Neural Network Models withTransfer Learning Techniques”.《Electronics》.2022,第11卷(第14期),第1-12页.Enzo Baccarelli等.“Learning-in-the-Fog(LiFo)：Deep Learning Meets FogComputing for the Minimum-EnergyDistributed Early-Exit of Inference inDelay-Critical IoT Realms”《.IEEE Access》.2021,第9卷第25716-25757页.郭永安等“.基于边端协同的CNN推理加速框架”《.南京邮电大学学报(自然科学版)》.2023,第43卷(第3期),第68-77页.
-
公开(公告)号：CN109117938A
公开(公告)日：2019-01-01
申请号：CN201811248904.0
申请日：2018-10-25
Applicant: 西南林业大学
Abstract: 本发明涉及人工神经网络领域，具体涉及一种基于人工神经网络的图像扫描方法及系统，导入训练样本数据，然后进行样本的训练，再进行人工神经网络模型的构建，人工神经网络模型构建完成后利用训练样本图对神经网络算法进行训练，然后利用神经网络算法对图像进行运算，在利用神经网络算法对图像进行运算后，得到对人工神经网络模型验证，若验证结果符合预设期望精度，对人工神经网络模型验证，判断验证误差是否符合预设期望精度，若验证结果不符合预设期望精度，则再跳回到利用训练样本图对神经网络算法进行训练，直到验证误差符合预设期望精度，然后保存模型。本发明能解决了难以获取线阵CCD相机最优图像的扫描参数组合的问题。
-
公开(公告)号：CN117876383A
公开(公告)日：2024-04-12
申请号：CN202410284089.2
申请日：2024-03-13
Applicant: 西南林业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/084 , G06T7/73 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/82
Abstract: 本申请公开了一种基于yolov5l的公路表面条状裂缝检测方法，涉及图像识别领域，该方法包括：基于表面裂缝图像构建表面条状裂缝样本集；基于所述表面条状裂缝样本集对预设网络进行训练，获取裂缝检测模型；基于所述裂缝检测模型对采集到的表面图像进行检测，确定所述表面图像中的目标裂缝，所以，有效解决了相关技术中对裂缝的形状和类型有一定的假设和限制，同时需要处理图像中的噪声、阴影、纹理等干扰因素，导致表面裂缝识别的通用性以及准确性不佳的技术问题，实现了提高表面裂缝特征提取精度，统一表面病害检测标准的技术效果。
-
公开(公告)号：CN116894843A
公开(公告)日：2023-10-17
申请号：CN202311161710.8
申请日：2023-09-11
Applicant: 西南林业大学
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种基于感知哈希算法和区块链的普洱茶信息溯源方法。所述方法包括：在接收到校验请求时，基于感知哈希算法，识别待校验茶饼图像上的待校验纹理码；将所述的待校验纹理码与存储于区块链上的参考纹理码进行比对，确定是否存在与所述待校验茶饼图像相匹配的目标茶饼信息；若存在，向请求发送端输出所述目标茶饼信息。基于图像处理的区块链技术，利用计算机视觉的方法调节和分割图像，区块链的去中心化、不可篡改、可追溯等特性，提高了普洱茶的溯源效率和可信度，解决了如何提高普洱茶信息溯源的可靠性的问题。
-
公开(公告)号：CN116894469A
公开(公告)日：2023-10-17
申请号：CN202311163761.4
申请日：2023-09-11
Applicant: 西南林业大学
Abstract: 本发明涉及深度学习技术领域，尤其涉及一种端边云计算环境中的DNN协同推理加速方法、设备及介质。根据多分支DNN的层类型和计算平台的计算资源，构建目标时延预测模型；基于目标时延预测模型，预测DNN层的执行时延；获取目标平台当前可用带宽资源和可用计算资源，并将可用带宽资源、可用计算资源、截止时延和网络类型，输入最佳退出点预测模型，预测最佳退出点；根据最佳退出点提取多分支DNN，并确定提取后的多分支DNN中的节点划分结果；根据节点划分结果，将提取后的所述多分支DNN中的各个节点，分配至节点划分结果对应的目标平台，目标平台包括终端设备、云服务器和边缘服务器中的至少一个。解决了如何提高端边云计算环境中的DNN协同推理速度的问题。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.017 seconds)
