公开(公告)号：CN117635941A

公开(公告)日：2024-03-01

申请号：CN202311644047.7

申请日：2023-12-04

Applicant: 内蒙古农业大学

Inventor： 罗小玲 ,  高玉鹏 ,  潘新 ,  郜晓晶 ,  白戈力

IPC: G06V10/26 ,  G06V10/25 ,  G06V10/42 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明公开了基于多尺度特征和全局信息建模的遥感图像语义分割方法，包括：基于HRNet框架，通过前馈注意力层和自适应融合Transformer模块获取待检测遥感图像数据集的特征线索，并基于CNN的多层交互结构，获取待检测遥感图像数据集的多尺度特征信息；利用前馈注意力层中的协调注意力模块对多尺度特征信息的特征位置和方向信息进行学习；基于自适应融合Transformer模块，设计全局特征分支和空间特征分支，分别获得全局特征信息和空间特征信息，将全局特征信息和空间特征信息进行融合，并通过多级级联解码器对提取到的特征进行解码，获得预测结果。本发明能够更高效地恢复像素类别。

公开(公告)号：CN116580241A

公开(公告)日：2023-08-11

申请号：CN202310578054.5

申请日：2023-05-22

Applicant: 内蒙古农业大学

Inventor： 潘新 ,  高玉鹏 ,  刘江平

IPC: G06V10/764 ,  G06N3/0455 ,  G06V10/26 ,  G06V10/82 ,  G06V10/80

Abstract: 本发明属于图像处理技术领域，公开了一种基于双分支多尺度语义分割网络的图像处理方法，包括：利用CNN模块为主编码器，Swin Transformer为辅助编码器，并通过跳跃连接进行编码器与解码器之间的特征融合，构建并行的双编码器结构；基于并行的双编码器结构结合多尺度融合模块、特征增强模块和通道增强模块组建双分支多尺度语义分割网络，利用所述双分支多尺度语义分割网络进行图像处理。本发明通过增强网络的全局上下文交互，并弥补CNN在全局建模能力的不足，设计了多尺度融合模块加强了不同尺度特征信息，另外设计了特征增强模块和通道增强模块加强网络的特征提取能力。

公开(公告)号：CN116129260A

公开(公告)日：2023-05-16

申请号：CN202211646878.3

申请日：2022-12-21

Applicant: 内蒙古农业大学

Inventor： 郜晓晶 ,  潘新 ,  张俊敏 ,  郜晓倩 ,  李伟

IPC: G06V20/10 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06V10/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供基于深度学习的牧草图像识别方法，涉及牧草图像识别技术领域。该基于深度学习的牧草图像识别方法以牧草图像为研究对象，应用计算机视觉和深度学习，将深度学习框架TensorFlow+Inceptionv3、云模型与传统识别算法相结合的方法，提取牧草的底层特征后，将多形态特征挖掘，获取具有鲁棒性的可区性的关键特征，利用深度学习进行分类识别，实现单株牧草自动分类与群落牧草组成分析，在此基础上，建立个体植株与群落的对应关系，测定草地的盖度、密度等信息，为草地数字信息的获取开辟新途径，提高“互联网+草地”的管理水平，为实现牧草识别以及数据采集的自动化奠定基础。

公开(公告)号：CN115061978A

公开(公告)日：2022-09-16

申请号：CN202210671845.8

申请日：2022-06-15

Applicant: 内蒙古农业大学

Inventor： 付学良 ,  罗小玲 ,  潘新

IPC: G06F16/11 ,  G06F16/182

Abstract: 本发明涉及分布式处理技术领域，尤其涉及一种hadoop参数优化模型的构建方法，包含：利用服务器在一定时间内收集各数据源产生的数据量；分析单个所述数据源的特性，并根据其产生数据量的按比例赋予特征值，并利用服务器根据特征值预估待处理文件规模；服务器以一定时间为周期，收集各预备节点在常规运行状态下的资源存有量，并将其分组；服务器根据所述待处理文件规模，预估节点数量和处理时间；服务器依照服务器预估节点数量和处理时间，对hadoop的参数进行调整。通过分析数据源的特性，赋予特征值，根据特征值预估文件规模，将hadoop分布式节点进行分组，并依据文件规模和节点组对hadoop的参数进行调整，从而节约hadoop项目的资源。

公开(公告)号：CN107242045B

公开(公告)日：2021-01-01

申请号：CN201710426838.0

申请日：2017-06-08

Applicant: 内蒙古农业大学

Inventor： 冯福应 ,  唐凯 ,  梁允刚 ,  王宇 ,  孙圣 ,  杨杉杉 ,  路晓培 ,  潘新 ,  袁博 ,  袁立敏

IPC: A01G24/22 ,  A01G24/23 ,  A01G24/20 ,  A01G24/28 ,  A01G24/10 ,  A01G9/029 ,  C05G3/00 ,  C05G3/80 ,  C05G3/60 ,  C12N1/20 ,  C12N1/14 ,  C12R1/07 ,  C12R1/01 ,  C12R1/645 ,  C12R1/885

Abstract: 本发明提供了一种具促进植物生长功效的可降解育苗钵及其制备方法与应用。本发明首先提供了一种育苗钵组合物，其包括：混合生物基质：包括作物秸秆50‑80份、木屑5‑8份、畜禽粪便5‑10份、草炭2‑5份、风化煤2‑5份、土壤3‑6份；包括Azospirillum spp.、Azobacter spp.、Bacillus spp.、Paenibacillus spp.、Massilia spp.、Stenotrophomonas spp.、Lysobacter spp.的复合菌菌泥。本发明的育苗钵组合物制备的育苗钵可提高植物发芽率，供给幼苗生长时所需均衡营养，还可抗病原微生物，利于强苗和壮苗。

公开(公告)号：CN119295399A

公开(公告)日：2025-01-10

申请号：CN202411363825.X

申请日：2024-09-28

Applicant: 内蒙古农业大学

Inventor： 罗小玲 ,  谢添硕 ,  李建荣 ,  潘新

IPC: G06T7/00 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于BSM‑YOLO的鼠洞检测方法，属于目标检测领域，该方法包括以下步骤：将BiFormer模块和Shuffle Attention机制引入YOLOv5的目标检测模型构建BSM‑YOLO鼠洞检测模型；将获取的图像数据输入所述BSM‑YOLO鼠洞检测模型得到鼠洞检测结果。本发明通过YOLOv5深度学习算法，实现鼠洞的自动化检测，减少对人工检测的依赖。

公开(公告)号：CN117765397B

公开(公告)日：2024-11-22

申请号：CN202311833814.9

申请日：2023-12-28

Applicant: 内蒙古农业大学

Inventor： 潘新 ,  唐婷 ,  赵烜赫 ,  罗小玲 ,  白戈力

IPC: G06V20/10 ,  G06V10/58 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于上采样和多分支的高光谱图像分类方法和系统，属于信息技术服务技术领域。方法包括：S1、采集高光谱遥感图像数据，并对高光谱图像数据的每个像素点获取邻域块；邻域块大小为9×9×b，b表示光谱带的数量；S2、对邻域块进行特征提取，得到特征图；构建StemNet模型，基于StemNet模型对特征图进行去冗余处理，得到去冗余特征图；S3、构建特征提取网络，并基于StemNet模型的输入参数对特征提取网络进行模型选择，基于选择的模型对去冗余特征图进行特征提取并融合，得到融合特征；S4、基于融合特征完成高光谱图像分类。本发明应用于机载遥感智能处理领域，能够提升高光谱遥感图像分类性能。

公开(公告)号：CN116883726A

公开(公告)日：2023-10-13

申请号：CN202310749812.5

申请日：2023-06-25

Applicant: 内蒙古农业大学

Inventor： 潘新 ,  唐婷 ,  罗小玲

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/09

Abstract: 本发明属于信息技术服务技术领域，公开了一种基于多分支与改进的Dense2Net的高光谱图像分类方法、系统及终端，包括数据集生成，获取高光谱图像数据集，将数据集随机划分为训练集、验证集和测试集；构建TBTA‑D2Net网络模型；利用训练集训练TBTA‑D2Net网络模型，更新多次迭代的参数；利用验证集监测模型的性能并选择出最优模型；利用最优模型对测试样本进行测试，实现对高光谱数据每个像素点的分类。本发明的Dense2Net bottleneck模块加强了DenseNet的特征传播和特征重用，并结合了Res2Net模块的多尺度特征提取优势。除此之外，本发明还采用了一种新的深度模型优化器Adan。Adan结合了自适应优化器，Nesterov冲量，以及解耦的权重衰减策略的优点，可以有效提升网络模型的训练速度。

公开(公告)号：CN116597204A

公开(公告)日：2023-08-15

申请号：CN202310538945.8

申请日：2023-05-12

Applicant: 内蒙古农业大学

Inventor： 赵烜赫 ,  潘新 ,  罗小玲

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0455

Abstract: 本发明属于光谱数据分类技术领域，公开了一种基于Transformer网络的草地多时相高光谱分类方法，利用高光谱成像系统采集多时相草地样本数据，构建具有分层架构的基于Transformer网络的草地多时相高光谱分类模型；利用多头自注意力编码器块对添加有位置编码的草地多时相高光谱数据进行特征提取和光谱波段信息处理；利用基于Transformer网络的草地多时相高光谱分类模型生成多分辨率表示，得到分类结果。本发明采用高光谱成像技术与Transformer深度网络结合的分类方式能够准确的识别多时相草地的成分，为草地的监测管理提供了一种无损、有效的检测方法。

公开(公告)号：CN114813589A

公开(公告)日：2022-07-29

申请号：CN202210367352.5

申请日：2022-04-08

Applicant: 内蒙古农业大学

Inventor： 潘新 ,  赵烜赫 ,  刘江平 ,  罗小玲 ,  郜晓晶

IPC: G01N21/27 ,  G01N21/31 ,  G01N21/3563 ,  G01N21/359 ,  G06V10/764 ,  G06V10/58 ,  G06K9/62

Abstract: 本发明属于牧草分类技术领域，公开了一种牧草可见‑近红外高光谱分类方法、系统、介质及终端，所述牧草可见‑近红外高光谱分类方法包括：构建宏观尺度的多类别牧草种群近地高光谱图像数据集，并构建基于多元平滑映射和极限主动学习的牧草可见‑近红外高光谱分类模型；利用所述基于多元平滑映射和极限主动学习的高光谱分类模型进行牧草物种的分类。本发明通过Isomap提取低维底层流形结构特征进行光谱重建以简化模型，首次将流形学习Isomap有效推广应用到牧草高光谱领域。本发明还提出一种主动的极限梯度分类策略XAL，解决牧草高光谱标记样本成本高、数量少的问题，同时，更直观地增强光谱分类背后的物理本质。