-
公开(公告)号：CN113822185B
公开(公告)日：2024-10-29
申请号：CN202111057182.2
申请日：2021-09-09
Applicant: 安徽农业大学 , 蒙城县京徽蒙农业科技发展有限公司
IPC: G06V20/52 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种群养生猪日常行为检测方法，该方法通过获取待检测目标区域内群养生猪日常行为的图像，输入到改进后的YOLOv4网络模型进行检测，可得到输出的图像中生猪日常行为的分类。其中，改进后的YOLOv4网络模型为：采用轻量MobileNetv3网络代替原有模型YOLOv4中的CSPDarknet53网络，可减少参数量，在降低计算量的同时不会造成精度上的损失；并进一步在检测器中引入深度可分离卷积和inception网络结构，拓宽网络宽度和深度，在保证识别准确率的前提下，检测速度更快、实时性更强。
-
公开(公告)号：CN117611456A
公开(公告)日：2024-02-27
申请号：CN202311725750.0
申请日：2023-12-14
Applicant: 安徽农业大学
IPC: G06T5/00 , G06T5/73 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了基于多尺度生成对抗网络的大气湍流图像复原方法及系统，涉及大气湍流退化图像复原技术领域；该方法包括如下步骤：建立大气湍流退化图像数据集；以DeblurGAN网络模型作为基础网络模型利用数据集进行训练，得到大气湍流图像复原网络模型，大气湍流图像复原网络模型包括生成器和判别器；在生成器的网络结构中引入级联空洞卷积模块，且引入注意力机制模块，用于对生成器进行优化；损失函数包括对抗损失项和内容损失项，对生成器输出的复原图像利用损失函数作为图像去模糊的正则约束，用于修复生成器输出的复原图像的图像边缘扭曲现象；验证大气湍流图像复原模型。本发明解决了图像边缘细节恢复不足以及鲁棒性不高的问题，具有更好的视觉效果。
-
公开(公告)号：CN116773618A
公开(公告)日：2023-09-19
申请号：CN202310733474.6
申请日：2023-06-19
Applicant: 安徽农业大学
IPC: G01N27/22
Abstract: 本发明公开了一种用于土壤湿度无源检测的抗干扰标签测试系统，系统包括：网络分析仪U1、电磁屏蔽箱U2、CRFID传感器标签U3、转盘U4、四棱形喇叭天线U5、屏蔽线U6；其中，所述网络分析仪U1通过所述屏蔽线U6与所述电磁屏蔽箱U2内的所述四棱形喇叭天线U5连接；所述电磁屏蔽箱U2的一侧连接有所述转盘U4，所述转盘U4上设计有所述CRFID传感器标签U3。利用本发明实施例，能够提高土壤湿度检测模型标定的准确性，为土壤湿度无源抗干扰检测提供一种可靠的理论和标定方案。
-
公开(公告)号：CN114449609B
公开(公告)日：2022-11-29
申请号：CN202210162981.4
申请日：2022-02-22
Applicant: 安徽农业大学
Abstract: 面对无线传感器网络存在的节点能耗不均衡、生存期短等问题，本发明公开了一种基于能耗均衡的LEACH分簇路由方法，在簇首选举阶段，挑选剩余能量大、邻居节点较多，且靠近BS的节点为簇首；然后，非簇首节点依据自己与不同簇首之间通信信号的强度和剩余能量，计算加入不同簇的成本，并加入成本最小的簇；在传输数据阶段，若信息发送簇首距离基站一跳距离以外，则该簇首需要考虑各邻居簇首的剩余能量、簇内节点数、与BS距离等因素，计算各邻居簇首的转发概率，选择具有最大转发概率值的邻居簇首作为下一跳中继节点。本发明与LEACH、LEACH‑C和FIGWO相比，可以使网络生命周期延长，同时可以使BS接收更多的数据。
-
公开(公告)号：CN114449609A
公开(公告)日：2022-05-06
申请号：CN202210162981.4
申请日：2022-02-22
Applicant: 安徽农业大学
Abstract: 面对无线传感器网络存在的节点能耗不均衡、生存期短等问题，本发明公开了一种基于能耗均衡的LEACH分簇路由方法，在簇首选举阶段，挑选剩余能量大、邻居节点较多，且靠近BS的节点为簇首；然后，非簇首节点依据自己与不同簇首之间通信信号的强度和剩余能量，计算加入不同簇的成本，并加入成本最小的簇；在传输数据阶段，若信息发送簇首距离基站一跳距离以外，则该簇首需要考虑各邻居簇首的剩余能量、簇内节点数、与BS距离等因素，计算各邻居簇首的转发概率，选择具有最大转发概率值的邻居簇首作为下一跳中继节点。本发明与LEACH、LEACH‑C和FIGWO相比，可以使网络生命周期延长，同时可以使BS接收更多的数据。
-
Patent Agency Ranking
公开(公告)号：CN113822185A
公开(公告)日：2021-12-21
申请号：CN202111057182.2
申请日：2021-09-09
Applicant: 安徽农业大学 , 蒙城县京徽蒙农业科技发展有限公司
Abstract: 本发明公开了一种群养生猪日常行为检测方法，该方法通过获取待检测目标区域内群养生猪日常行为的图像，输入到改进后的YOLOv4网络模型进行检测，可得到输出的图像中生猪日常行为的分类。其中，改进后的YOLOv4网络模型为：采用轻量MobileNetv3网络代替原有模型YOLOv4中的CSPDarknet53网络，可减少参数量，在降低计算量的同时不会造成精度上的损失；并进一步在检测器中引入深度可分离卷积和inception网络结构，拓宽网络宽度和深度，在保证识别准确率的前提下，检测速度更快、实时性更强。
-
公开(公告)号：CN113780408A
公开(公告)日：2021-12-10
申请号：CN202111057226.1
申请日：2021-09-09
Applicant: 安徽农业大学 , 蒙城县京徽蒙农业科技发展有限公司
Abstract: 本发明公开了一种基于音频特征的生猪状态识别方法，包括：采集待识别猪声音频，将待识别猪声音频经过数据处理后进行音频数据的预增强及特征提取；将提取到的音频特征作为观测序列输入到训练后的DNN‑HMM生猪状态音频识别模型中，获取某个音素的某个状态对某一帧声学特征的观察值概率。本发明有效提高了对生猪音频识别的效率和准确率，对于生猪音频识别和行为状态的判定具有较高的实用价值。
-
公开(公告)号：CN110826642A
公开(公告)日：2020-02-21
申请号：CN201911116431.3
申请日：2019-11-15
Applicant: 安徽农业大学
IPC: G06K9/62
Abstract: 本发明公开了一种针对传感器数据的无监督异常检测方法，包括以下步骤：(101)、获取历史数据；(102)、建立训练模型，通过历史数据对训练模型进行训练；(103)、重新以固定时间间隔获取实时采集的传感器数据；(104)、对实时采集的传感器数据进行检测；(105)、输出检测出的异常数据。本发明改进了现有技术的相关算法和流程，提出了一个在线式无监督检测技术的方法，在大大地提高了异常数据检测的正确率的同时大大降低了检测时间。
-
公开(公告)号：CN119273992A
公开(公告)日：2025-01-07
申请号：CN202411451240.3
申请日：2024-10-17
Applicant: 安徽农业大学
IPC: G06V10/764 , G06T7/00 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82 , G06V10/776 , G06V10/26 , G06V20/70 , G06V10/80
Abstract: 本发明公开了基于改进YOLOv8的手机屏幕玻璃缺陷检测方法，涉及手机屏幕玻璃盖板品质检测技术领域；该方法包括以下步骤：模拟工业生产环境采集手机屏幕玻璃图像构建数据集；在YOLOv8目标检测网络模型的基础上进行改进优化，构建手机屏幕玻璃缺陷检测分类模型并进行训练优化参数；构建YOLOv8网络的语义分割模型，对待识别的手机屏幕玻璃图像的缺陷进行分割，实现不同缺陷类别边缘的检测识别；拟合出手机屏幕玻璃缺陷范围的实际损伤大小。本发明适合对手机屏幕玻璃缺陷特征的精准检测，同时能对缺陷的范围进行测量，为手机屏幕玻璃质检流程提供智能化、高效化服务。
-
公开(公告)号：CN119206505A
公开(公告)日：2024-12-27
申请号：CN202411451239.0
申请日：2024-10-17
Applicant: 安徽农业大学
IPC: G06V20/10 , G06V20/17 , G06V10/82 , G06N3/0464 , G06V10/774 , G06N3/08 , G06V10/776
Abstract: 本发明公开了基于无人机遥感及改进YOLOv8的小麦赤霉病轻量化检测方法及系统，涉及人工智能计算机视觉检测技术领域；本发明包括以下步骤：利用无人机的航线规划定高定时采集自然大田环境下的小麦灌浆期原始RGB图像；对原始图片数据集进行筛选、数据增强及标注，建立小麦赤霉病图像数据集；构建改进的YOLOv8轻量化网络模型；将原始图像数据集输入至改进YOLOv8网络模型进行训练；测试改进的YOLOv8网络模型，更新改进YOLOv8网络模型的学习参数；最后利用已更新的改进YOLOv8网络模型对待检测的小麦赤霉病数据进行检测，对模型的复杂度和准确度进行评估。本发明适用于在自然大田环境下小麦赤霉病的检测，在保证高识别精度的同时，改进后的模型的参数量及计算量相比原YOLOv8s基线模型分别降低了48.9％和50.7％，实现高精度且较YOLOv8更加轻量化的算法模型，可为小麦病害检测无人机等移动端检测装备的部署和应用提供参考。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.023 seconds)
