公开(公告)号：CN105809711B

公开(公告)日：2019-03-12

申请号：CN201610117576.5

申请日：2016-03-02

Applicant: 华南农业大学

Inventor： 肖德琴 ,  杨秋妹 ,  冯爱晶 ,  刘俭 ,  叶耀文 ,  张玉康 ,  潘春华 ,  殷建军 ,  王春桃 ,  冯健昭 ,  张哲

IPC: G06T7/215

Abstract: 本发明公开了一种基于视频追踪的猪只运动大数据提取系统，包括分布式硬件部署及基于此分布式硬件部署的猪场本地的猪只运动大数据采集模块、猪场本地服务器的猪只运动状态和参量提取模块以及系统总服务器的猪只运动大数据提取模块；本发明结合了远程通讯技术、数据采集与处理技术、视觉处理技术，实现了可长期的，实时的，远程的实现猪场猪只的监控和运动大数据提取、分析，大大地降低了劳动强度，所提取的运动大数据信息能够反映出猪只活动状况，可以实现对猪只活动的现场动态监测。

公开(公告)号：CN119540523A

公开(公告)日：2025-02-28

申请号：CN202411526135.1

申请日：2024-10-30

Applicant: 华南农业大学

Inventor： 王春桃 ,  张嘉怡 ,  肖德琴

IPC: G06V10/25 ,  G06V20/10 ,  G06V10/80 ,  G06V10/82 ,  G06V10/40 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/74

Abstract: 本发明公开了一种面向农作物的小目标害虫检测方法和系统，涉及计算机视觉和目标检测的技术领域，包括获取农作物害虫数据集，包括若干张具有害虫标注的农作物害虫图像；对农作物害虫数据集进行预处理，获得预处理后的农作物害虫数据集，输入小目标害虫检测模型中，设置总损失函数进行训练，当总损失函数值最小时，获得训练好的小目标害虫检测模型；获取待检测的农作物图像，输入训练好的小目标害虫检测模型中，获得待检测的农作物图像中所有害虫的检测结果和定位结果，并进行NMS非极大值抑制，获得待检测的农作物图像的最终害虫检测结果。本发明能够对农作物中的小目标害虫实现准确、快速的检测。

公开(公告)号：CN119206494A

公开(公告)日：2024-12-27

申请号：CN202411277563.5

申请日：2024-09-12

Applicant: 华南农业大学

Inventor： 王春桃 ,  张嘉仁 ,  肖德琴

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于改进YOLOv7‑tiny的草莓花果检测方法和系统，涉及计算机视觉检测的技术领域，包括获取不同生长周期的草莓图像，建立草莓图像数据集；对所述草莓图像数据集进行数据增强操作，获得草莓图像增强数据集；将所述草莓图像增强数据集输入改进YOLOv7‑tiny的草莓检测模型中，设置损失函数进行训练，获得训练好的草莓检测模型；获取待检测的草莓图像，输入训练好的草莓检测模型中，获得待检测的草莓图像的花果检测目标。本发明能够在复杂的实际场景中准确地检测出草莓各时期的花果目标，降低了运算量，提高了检测效率。

公开(公告)号：CN118429892A

公开(公告)日：2024-08-02

申请号：CN202410597056.3

申请日：2024-05-14

Applicant: 华南农业大学

Inventor： 王春桃 ,  周烁鑫 ,  张根 ,  肖德琴

IPC: G06V20/52 ,  G06V20/70 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082 ,  G06V10/80

Abstract: 本发明公开了一种基于融合深度语义特征和空间通道注意力的鸭群密度图计数方法。该方法先通过预处理鸭群图像数据集，然后通过将所述预处理后的鸭群图像数据集输入融合深度语义特征和空间通道注意力的鸭群密度预测模型进行迭代训练获取训练好的预测模型。最后将待识别的鸭群图像输入训练好的预测模型并得出密度图，从而得出鸭群数量。本发明使得鸭群计数的准确率有较大提升。

公开(公告)号：CN118351324A

公开(公告)日：2024-07-16

申请号：CN202410264803.1

申请日：2024-03-08

Applicant: 华南农业大学

Inventor： 张根 ,  王春桃 ,  肖德琴

IPC: G06V10/40 ,  G06V10/80 ,  G06V10/764 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/08

Abstract: 本发明涉及计算机视觉技术领域，提出一种基于特征金字塔网络和收缩机制的家禽计数方法及系统，包括：获取待计数的家禽图像；将家禽图像输入主干网络中进行特征提取，所述主干网络输出不同尺度的特征图b1、b2和b3；将特征图b1、b2和b3分别输入配置有收缩层的特征金字塔网络中，其中，所述收缩层对特征图b1、b2和b3进行收缩处理，得到软阈值化的特征图f1、f2和f3，再通过特征金字塔网络进行特征融合，得到融合特征图F；将融合特征图F输入密度图生成网络得到生成密度图，并对所述生成密度图进行积分，得到家禽计数结果。

公开(公告)号：CN115019175B

公开(公告)日：2024-06-18

申请号：CN202210738451.X

申请日：2022-06-27

Applicant: 华南农业大学

Inventor： 梁炜健 ,  王春桃 ,  郭庆文

IPC: G06V20/10 ,  G06V10/40 ,  G06V10/74 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明提供一种基于迁移元学习的害虫识别方法，包括以下步骤：S1：构建害虫数据集，并随机采样分别组成支持集和查询集；得到改进的特征提取网络；S2：更新改进的特征提取网络的参数；S3：得到支持集和查询集中各个样本的特征向量；S4：计算得到支持集中每个类别的原型；S5：计算得到查询集中各个样本的类别概率作为害虫识别结果。本发明提供一种基于迁移元学习的害虫识别方法，解决了现有的害虫识别方法在区分新类别和旧类别害虫时准确率较低的问题。

公开(公告)号：CN117893389A

公开(公告)日：2024-04-16

申请号：CN202311623229.6

申请日：2023-11-29

Applicant: 华南农业大学

Inventor： 王春桃 ,  陈跃崧

IPC: G06T1/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种抵御神经元攻击的白盒模型水印方法，包括：获取原始模型和怀疑模型，原始模型嵌入白盒模型水印，怀疑模型为原始模型疑似受神经元攻击后的模型；筛选出怀疑模型中符合受攻击状态的卷积层，对卷积层的卷积核进行复原；对进行卷积核复原后的怀疑模型从输入层至水印嵌入层自顶向下逐层进行虚假神经元消除并合并剩余神经元；对虚假神经元消除后的怀疑模型中每一层的神经元与原始模型中对应的神经元进行神经元对齐；对神经元对齐后的怀疑模型中的水印嵌入层进行水印验证。本发明考虑到虚假神经元的注入以及卷积核的扩展情况，通过添加神经元复原阶段，解决了传统白盒水印技术容易受到神经元攻击这一问题。

公开(公告)号：CN117575879A

公开(公告)日：2024-02-20

申请号：CN202311575992.6

申请日：2023-11-23

Applicant: 华南农业大学

Inventor： 王春桃 ,  黎靖宇 ,  韩若唯 ,  汤毅超

IPC: G06T1/00 ,  G06V10/762

Abstract: 本发明涉及数字水印技术领域，公开了基于矩聚类和归一优化的鲁棒可逆水印嵌入及提取方法，包括：计算原始图像的PCET矩；选择通过聚类算法筛选出的最优阶数和次数的矩作为水印嵌入载体；使用量化水印的方法进行鲁棒水印嵌入，进行逆变换得到鲁棒水印图像；计算鲁棒水印图像与原始图像的差值，进行基于嵌入模拟仿真的归一化系数优化，将计算后的图像差值作为可逆信息嵌入到图像内切圆外部分；图像未受到攻击时，提取未受到攻击图像的水印信息并恢复原始图像；图像受到攻击时，提取受到攻击图像的水印信息。本发明解决了现有技术存在的水印鲁棒性不足和图像失真较大的问题，且具有提高水印鲁棒性和降低图像失真的特点。

公开(公告)号：CN117173001A

公开(公告)日：2023-12-05

申请号：CN202311169752.6

申请日：2023-09-11

Applicant: 华南农业大学

Inventor： 汤毅超 ,  王春桃 ,  黎靖宇 ,  边山

IPC: G06T1/00

Abstract: 本发明涉及数字水印技术领域，公开了一种基于攻击模拟仿真的鲁棒可逆水印嵌入及提取方法，包括以下具体步骤：获取原始图像；基于原始图像进行基于攻击模拟仿真的自适应归一化操作，得到归一化极谐波变换矩；进行最低嵌入最低强度的水印嵌入，得到带有水印的归一化极谐波变换矩和其量化失真；通过归一化极谐波变换矩进行自适应归一化的逆操作得到误差图像；通过误差图像得到候选水印图像；对候选水印图像进行攻击模拟仿真；计算舍入失真；得到包含水印与辅助信息的中间图像；并生成哈希值；通过哈希值完成鲁棒可逆水印嵌入。本发明解决了现有技术存在的水印鲁棒性和嵌入容量不足的问题，且具有自适应水印嵌入的特点。

公开(公告)号：CN112560734B

公开(公告)日：2023-10-10

申请号：CN202011532832.X

申请日：2020-12-23

Applicant: 华南农业大学

Inventor： 边山 ,  王丛笑 ,  顾天己 ,  王春桃

IPC: G06V20/40 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的重获取视频检测方法、系统、设备及介质，所述方法包括：获取原始视频数据集和重获取视频数据集，所述重获取视频数据集通过拍摄设备对成像设备显示的原始视频数据进行采集获取；根据原始视频数据集和重获取视频数据集，获取训练数据集；对训练数据集中的训练视频数据进行预处理；以残差网络作为重获取视频检测模型，利用预处理后的训练视频数据对重获取视频检测模型进行训练，得到训练好的重获取视频检测模型；利用训练好的重获取视频检测模型对待测视频进行检测，判定是否为重获取视频。本发明能够实现重获取视频的检测，借鉴图像领域的研究方法和手段，一改传统的依靠手动提取特征的检测方法。