-
公开(公告)号:CN119295778A
公开(公告)日:2025-01-10
申请号:CN202411332683.0
申请日:2024-09-24
Applicant: 安徽农业大学
IPC: G06V10/70 , G06V10/82 , G06V20/40 , G06F16/3329 , G06N5/04 , G06N3/0464
Abstract: 本发明公开了一种水产养殖鱼类管理方法、系统、设备与介质,涉及鱼类管理技术领域,包括步骤:采集养殖池内待识别目标的实时图像,待识别目标包括鱼类个体和饵料残留;将可分离逐步卷积模块嵌入YOLOv8n模型,获得LSS‑YOLOv8模型;将实时图像输入LSS‑YOLOv8模型中,学习实时图像中待识别目标与环境的上下文关系,获得饵料残留数量或鱼类个体的数量和状态;将识别结果进行文本向量映射,获得文本向量映射结果;将文本向量映射结果输入不同的大语言模型中,获得不同的回答策略和管理策略。本发明将YOLO v8n模型与大语言模型相结合,利用大语言模型丰富的知识库和庞大的参数量为投喂策略提供合理建议。
-
公开(公告)号:CN118624675A
公开(公告)日:2024-09-10
申请号:CN202410588517.0
申请日:2024-05-13
Applicant: 安徽农业大学
Abstract: 本发明涉及半导体气体传感器技术领域,具体涉及一种高灵敏三甲胺恶臭气体传感器的构筑方法及应用,包括以下步骤:将硝酸铟四水合物水溶液、蔗糖和尿素混合后,在150‑180℃的烘箱中反应12‑14h;反应结束后,离心洗涤、干燥,将干燥后的物品放置马弗炉中煅烧从而制得氧化铟纳米片;将氧化铟纳米片水溶液、(NH4)2CO3和乙酰丙酮钌溶液混合,洗涤离心,烘干得到氧化铟纳米片;烘干得到的氧化铟纳米片在空气下经300‑700℃退火1‑4h,从而制得的负载钌纳米颗粒的氧化铟纳米片;本发明对于较低浓度的三甲胺气体,均具有优异的传感响应。
-
公开(公告)号:CN118604245A
公开(公告)日:2024-09-06
申请号:CN202410588731.6
申请日:2024-05-13
Abstract: 本发明涉及气体检测技术领域,公开了一种基于多传感器数据融合的畜禽养殖恶臭气体检测系统与方法,包含以下步骤:实验室环境进行有关甲烷、氨气、硫化氢三种气体的气体标定实验,利用单片机读取气体传感器数据模拟量;将获取到的数据通过串口通信上传至Labview开发的上位机监测软件并以表格形式保存数据;使用Pycharm读取数据集,并基于卡尔曼滤波器的状态估计器以及LSTM神经网络对数据进行融合操作;训练模型,使得输入三个气体传感器模拟量以及目标气体代号,输出该状态下的气体浓度预测值,最终将模型文件编译为可在目标嵌入式系统上运行的二进制模型文件并烧录至单片机中,实现畜禽养殖环境中恶臭气体浓度的实时预测。
-
公开(公告)号:CN117479160A
公开(公告)日:2024-01-30
申请号:CN202311242431.4
申请日:2023-09-25
Applicant: 安徽农业大学
Abstract: 一种基于图神经网络的物联网射频指纹识别方法,包括以下步骤:S1:基于GNU radio和通用软件无线电外设的软件无线电传感器平台上采集稳态信号,并对信号进行预处理获得I/Q信号;S2:基于差分星座图提取I/Q信号特征;S3:利用得到的差分星座图构成图结构;S4:构建图神经网络模型,并将挤压激励模块引入图神经网络模型中;S5:将图结构划分为训练样本集和测试样本集,利用训练样本集和测试样本集训练构建的图神经网络模型。本发明在基于传统神经网络的深度学习上对物联网射频指纹识别进行创新,利用加入挤压激励模块的图神经网络进行图结构的特征提取,更好的进行物联网射频指纹识别。
-
公开(公告)号:CN117110217A
公开(公告)日:2023-11-24
申请号:CN202311374660.1
申请日:2023-10-23
Applicant: 安徽农业大学
Abstract: 本发明公开了一种立体化水质监测方法及系统,属于水质监测技术领域。本发明通过水体离散特征提取模块自适应捕获中小面积离散分布水体信息,通过水体空间分布感知模块以空间分布角度充分感知大面积连续型水体语义,并构建水体特征聚合模块将二者分别获得的关键语义信息建立依赖关系,由此对水质图像进行区域分割得到不同的区域信息,再通过每个区域信息的光谱植被指数和水质目标要素数据建立光谱植被指数的反演组合,利用光谱植被指数的反演组合构建水质目标要素反演模型,进而通过水质目标要素反演模型对水质进行大面积实时连续监测,能够及时发现并针对性地应对突发的水质问题,有效反映水质空间分布状况,具有较强的实用性和广泛适用性。
-
公开(公告)号:CN112464713B
公开(公告)日:2022-11-08
申请号:CN202011134197.X
申请日:2020-10-21
Applicant: 安徽农业大学
Abstract: 一种基于深度学习的通信辐射源射频指纹识别方法,其特征在于:包括以下步骤:使用通信信号接收装置,接收通信辐射源信号,并对信号进行处理,获得I/Q两路数字零中频信号;同时提取I/Q两路数字零中频信号的三种指纹信息,分别为:矩形积分双谱特征、分形盒维数特征、小波特征;将三种指纹信息数据集划分为训练集和测试集;构建多通道深度学习模型,并利用训练集和测试集训练模型直至模型精度达到98%;本发明在现有的通信辐射源射频指纹识别的传统方法上进行创新,利用信号多特征融合的方法,采用多通道深度卷积神经网络模型,进行二次特征提取,提高通信辐射源射频指纹的识别精度,从而更好地达到实际环境对通信辐射源射频指纹的识别要求。
-
公开(公告)号:CN113269027A
公开(公告)日:2021-08-17
申请号:CN202110365851.6
申请日:2021-04-06
Applicant: 安徽农业大学
Abstract: 本发明提供一种口罩遮挡的人脸识别方法。所述口罩遮挡的人脸识别方法包括获取采集人脸数据;对获取的人脸数据进行预处理,消除由于采取的原始图像受到各方面的干扰;对预处理后获取的人脸数据进行划分作为训练集和测试集,而通过MobileNet作为特征提取网络对采集的人脸数据进行特征提取;对获取特征提取后的人脸数据进行测试和检验。本发明提供的口罩遮挡的人脸识别方法具有高了识别的速度,且能够在移动端上搭载使用丰富了应用场景口罩遮挡的优点,并且可以在手机等移动端上使用,大大提高了罩遮挡的人脸识别使用的场景。
-
公开(公告)号:CN113205205A
公开(公告)日:2021-08-03
申请号:CN202110377903.1
申请日:2021-04-08
Applicant: 安徽农业大学
Abstract: 本发明提供一种基于深度森林算法的小麦赤霉病预测方法。所述基于深度森林算法的小麦赤霉病预测方法包括以下步骤:步骤S1:通过收集、整理、汇总历年的小麦赤霉病发生情况的数据库,利用特征选择算法,筛选出在小麦赤霉病发生过程中,并结合植保专家的经验,进行理论上的论证分析与修正;步骤S2:特征选择的过程中,根据小麦生长的不同时期进行分析,最后确定在小麦生长的这个过程中有关键有三个时期。本发明提供的基于深度森林算法的小麦赤霉病预测方法具有不断加以优化和修正模型,使其在时效性、可靠性上得到了巨大的提升,解放了依赖专业人士的预测,将经验与科学的预测模型相结合,在大范围内具有更高的应用价值的优点。
-
公开(公告)号:CN119295778B
公开(公告)日:2025-05-23
申请号:CN202411332683.0
申请日:2024-09-24
Applicant: 安徽农业大学
IPC: G06V10/70 , G06V10/82 , G06V20/40 , G06F16/3329 , G06N5/04 , G06N3/0464
Abstract: 本发明公开了一种水产养殖鱼类管理方法、系统、设备与介质,涉及鱼类管理技术领域,包括步骤:采集养殖池内待识别目标的实时图像,待识别目标包括鱼类个体和饵料残留;将可分离逐步卷积模块嵌入YOLOv8n模型,获得LSS‑YOLOv8模型;将实时图像输入LSS‑YOLOv8模型中,学习实时图像中待识别目标与环境的上下文关系,获得饵料残留数量或鱼类个体的数量和状态;将识别结果进行文本向量映射,获得文本向量映射结果;将文本向量映射结果输入不同的大语言模型中,获得不同的回答策略和管理策略。本发明将YOLO v8n模型与大语言模型相结合,利用大语言模型丰富的知识库和庞大的参数量为投喂策略提供合理建议。
-
公开(公告)号:CN119579954A
公开(公告)日:2025-03-07
申请号:CN202411569288.4
申请日:2024-11-05
Applicant: 安徽农业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于轻量级神经网络的皮类中药材识别方法及系统,涉及药材识别技术领域,包括收集不同条件下各种皮类中药材的RGB图像,形成数据库;对所述数据库中的各种皮类中药材图像进行分类标注,并建立原始皮类中药材数据集;基于定位注意力机制和跨阶段局部网络构建ShuffleNet V2‑lite网络模型;对ShuffleNet V2‑lite网络模型中皮类中药材分类结果进行修正;利用更新后的ShuffleNet V2‑lite网络模型对皮类中药材进行检测分类。本发明所述方法在对皮类中药材检测时,能够将不同品种的皮类中药材准确区分,减少因外观相似导致的分类误差,实现皮类中药材的智能化分类和高精度鉴别,提高分类的准确性和可靠性,同时对提升中药材质量控制水平具有重要意义。
-
-
-
-
-
-
-
-
-