-
公开(公告)号：CN112419323B
公开(公告)日：2023-05-02
申请号：CN202011321459.3
申请日：2020-11-23
Applicant: 安徽农道智能科技有限公司 , 安徽大学
Abstract: 本发明特别涉及一种基于可穿戴式麦穗采集装置的麦穗计数方法，包括如下步骤：S100、通过可穿戴式采集装置采集田间麦穗图像并将麦穗图像发送到服务器中；S200、服务器对采集到的图像进行预处理后输入至训练好的分割模型中进行分割后得到麦穗分割图；S300、将麦穗分割图输入至训练好的计数模型中统计麦穗数量并发送至采集装置上显示。采集装置可以方便的对田间麦穗进行图像采集，再将采集到的图像发送至服务器上进行麦穗的计数处理，这样采集装置无需进行数据处理，可以减少其体积便于携带；服务器上设置的分割模型可以方便的进行麦穗分割和计数，最后将统计的麦穗数量发送回采集装置上进行显示，这样对现场的工作人员来说，操作非常简便。
-
公开(公告)号：CN112419323A
公开(公告)日：2021-02-26
申请号：CN202011321459.3
申请日：2020-11-23
Applicant: 安徽农道智能科技有限公司 , 安徽大学
Abstract: 本发明特别涉及一种基于可穿戴式麦穗采集装置的麦穗计数方法，包括如下步骤：S100、通过可穿戴式采集装置采集田间麦穗图像并将麦穗图像发送到服务器中；S200、服务器对采集到的图像进行预处理后输入至训练好的分割模型中进行分割后得到麦穗分割图；S300、将麦穗分割图输入至训练好的计数模型中统计麦穗数量并发送至采集装置上显示。采集装置可以方便的对田间麦穗进行图像采集，再将采集到的图像发送至服务器上进行麦穗的计数处理，这样采集装置无需进行数据处理，可以减少其体积便于携带；服务器上设置的分割模型可以方便的进行麦穗分割和计数，最后将统计的麦穗数量发送回采集装置上进行显示，这样对现场的工作人员来说，操作非常简便。
-
公开(公告)号：CN213517784U
公开(公告)日：2021-06-22
申请号：CN202022726938.5
申请日：2020-11-23
Applicant: 安徽农道智能科技有限公司 , 安徽大学
Abstract: 本实用新型特别涉及一种面向数字农业多场景、多源信息采集的智能眼镜，包括镜体、拍照单元以及电池，所述镜体包括镜框以及镜框两侧设置镜腿，拍照单元包括设置在镜框中部的相机以及闪光灯，电池设置在镜腿中，镜腿上还设置有麦克风和/或按键，操作人员通过语音或按键控制拍照单元动作并拍摄眼前所看到的田间、蔬菜大棚、果/茶园或养殖场图像。通过设置便于穿戴的眼镜，并且在眼镜的镜框中部设置相机，再通过语音或按键来触发相机拍摄相片，操作起来十分方便，对操作人员的体力要求大幅降低，并且拍摄相片时操作十分方便，只需要通过语音或按键控制相机工作即可，单个人就可以完成取样操作。
-
公开(公告)号：CN213244209U
公开(公告)日：2021-05-18
申请号：CN202022726292.0
申请日：2020-11-23
Applicant: 安徽农道智能科技有限公司 , 安徽大学
IPC: H04N7/18
Abstract: 本实用新型涉及数字农业监测技术领域，特别涉及一种面向农业多种应用场景的分体式信息采集系统，包括多个采集端和一个控制端，所述采集端和通过无线方式连接控制端，采集端用于采集田间、蔬菜大棚、果/茶园的作物以及养殖场家禽家畜的视频并传输至控制端并进行显示，控制端输出控制指令或发出语音至采集端，采集端根据控制指令自动拍摄图像或根据语音提示手动拍摄。通过设置采集端和控制端，将采集和控制分开，这样，在进行田间、蔬菜大棚、果/茶园作物及家禽家畜图像采集时，无需专业人士，只需要操作人员穿戴采集端到达田间、蔬菜大棚、果/茶园或养殖场，然后由专业的人员在控制端进行指导，这样就能更为方便的、更快速的拍摄出所需要的图像。
-
公开(公告)号：CN118799183A
公开(公告)日：2024-10-18
申请号：CN202411027238.3
申请日：2024-07-30
Applicant: 安徽大学
IPC: G06T3/4053 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/0442 , G06T7/30
Abstract: 本发明公开了一种空间、频域联合的任意尺度多模态遥感图像的超分辨率重建方法，包括：1、获取低分辨率的多模态遥感图像集与高分辨率图像，2、构建超分辨率重建网络，包括：上采样模块、浅层特征提取模块、N个级联的编码器模块、多模态融合模块、中间模块和N个级联的解码器模块以及通道映射模块，3、通过反向传播算法对所述超分辨率重建网络进行训练，并使用损失函数计算网络损失以更新网络参数，直至损失函数收敛为止，从而得到训练好的超分辨率重建模型。本发明能在大因子退化的场景下，解决重建结果语义错误和模糊效果的问题，从而能提高重建图像质量。
-
Patent Agency Ranking
公开(公告)号：CN118781498A
公开(公告)日：2024-10-15
申请号：CN202411097043.6
申请日：2024-08-12
Applicant: 安徽大学
Abstract: 本发明公开了一种基于多尺度特征互补和校验注意力网络的遥感图像变化检测方法，包括：1.将同一地区的不同时间的双时态RGB图像对作为输入进行特征提取；2.将每个阶段的双时态特征对输入到解码器中，其中包含多尺度特征互补模块和对互补特征对的减法操作；3.通过视野扩张模块和校验注意力模块进行渐进式跨尺度特征融合并通过网络的训练与优化得到最佳遥感图像变化检测网络，用于对任意双时态遥感图像进行高精度的变化检测。本发明能够减弱多个尺度上特征之间冗余信息的影响，并通过渐进式融合以获得检测效果更优的变化范围图像，从而更好地挖掘变化的特征信息，并提高对变化区域检测效果。
-
公开(公告)号：CN118537754A
公开(公告)日：2024-08-23
申请号：CN202410628551.6
申请日：2024-05-21
Applicant: 安徽大学
IPC: G06V20/17 , G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于无人机的水稻幼苗计数方法，包括：得到水稻全景图片；得到预处理后的水稻图片；生成包含训练集、验证集和测试集的矩形框标注数据集；对YOLOv8网络进行改进，得到改进后的YOLOv8网络即水稻幼苗检测模型；得到训练后的水稻幼苗检测模型；对待预测的水稻图片进行预处理，输入训练后的水稻幼苗检测模型，训练后的水稻幼苗检测模型输出无人机拍摄水稻幼苗计数结果。本发明使得预测的特征图不仅具备了高度的语义信息，还包含了丰富的位置信息，为模型提供了更全面、更准确的信息基础，从而提高了目标检测任务的精度和鲁棒性，这个颈部网络的设计不仅提高了模型对目标的识别能力，也使得模型在处理复杂场景和遮挡情况下表现更加出色。
-
公开(公告)号：CN118172688B
公开(公告)日：2024-08-13
申请号：CN202410334921.5
申请日：2024-03-22
Applicant: 安徽大学
IPC: G06V20/17 , G06V20/10 , G06V10/82 , G06V10/80 , G06V10/774 , G06V10/26 , G06N3/0464
Abstract: 本发明涉及一种基于DeeplabV3+和Unet网络架构的无人机小麦倒伏影像分割方法，包括：利用无人机获取田间小麦种植区域的可见光遥感RGB影像进行预处理；基于DeeplabV3+与UNet结构网络构建小麦倒伏分割模型；将预处理后的无人机遥感RGB影像作为训练样本输入到小麦倒伏分割模型进行训练；获取待分割小麦倒伏区域影像，并进行预处理；将预处理后的待分割小麦倒伏区域影像输入小麦倒伏分割网络模型中，得到小麦作物倒伏区域图片的分割结果。本发明提高语义分割效果，有利于小麦倒伏分割提取任务；将主干特征提取网络各阶段输出结果与编码输出特征进行特征信息融合重建，逐步完善分割模型在不同尺度重建过程中的细节融合，从而提高小麦倒伏区域的分割精度。
-
公开(公告)号：CN117849795B
公开(公告)日：2024-08-02
申请号：CN202410054007.5
申请日：2024-01-15
Applicant: 安徽大学
IPC: G01S13/90
Abstract: 本发明设计一种顾及成像特性误差补偿的扫描成像模式SAR的几何处理方法，与现有技术相比解决了扫描成像模式SAR应用对高精度几何质量数据的要求，以及成像特性误差对几何定位精度带来的严重影响缺陷。本发明包括以下步骤：扫描成像模式SAR几何处理数据准备及预处理，升降轨异视配置下的扫描成像模式SAR距离和方位向时延系统误差自补偿，距离向和方位向的成像特性误差自适应补偿，子带SAR影像的基准传递标定，扫描成像模式多子带SAR影像拼接处理。本发明通过多重步骤补偿几何误差，包括预处理、自补偿、误差自适应补偿、基准传递标定和多子带拼接，提高了扫描成像模式SAR影像几何质量，为后续遥感应用提供可靠基础。
-
公开(公告)号：CN117911830B
公开(公告)日：2024-05-28
申请号：CN202410321562.X
申请日：2024-03-20
Applicant: 安徽大学
IPC: G06V10/80 , G06V10/774 , G06V10/54 , G06V10/82 , G06V20/10 , G06N3/0455 , G06N3/09 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种光谱保真的全局交互高光谱多光谱跨模态融合方法，与现有技术相比解决了忽略相对较远领域波段的互补内容而导致的重建光谱扭曲和空间畸变、普通卷积对跨模态特征提取不充分，以及传统Transformer的窗口注意力限制了对长距离依赖进行建模的能力的问题。本发明包括以下步骤：获取合成不同分辨率高光谱和多光谱数据集、构建光谱保真的全局交互高光谱多光谱跨模态融合模型、跨模态融合模型的训练、待融合真实高光谱和多光谱遥感影像获取、高光谱和多光谱遥感影像融合结果获取。本发明基于高光谱图像丰富的光谱信息和多光谱图像丰富的空间信息，提出多模态融合网络重建高分辨率高光谱融合影像，实现高光谱数据与多光谱数据高质量融合。
-
-
-
-
-
-
-
-
-
Search Results
294
records
(took 0.106 seconds)
