-
公开(公告)号：CN106126879A
公开(公告)日：2016-11-16
申请号：CN201610416698.4
申请日：2016-06-07
申请人： 中国科学院合肥物质科学研究院
CPC分类号： G06F19/00 , G06K9/6227 , G06K9/6256
摘要： 本发明涉及一种基于稀疏表示技术的土壤近红外光谱分析预测方法，与现有技术相比解决了无法对土壤成分进行大批量综合分析的缺陷。本发明包括以下步骤：训练样本土壤集的获取和预处理；构造基于稀疏表示的分类预测模型；测试样本的获取和预处理；将测试土壤样本的光谱数据特征向量输入构造的分类预测模型，完成对测试样本土壤成分的分类预测。本发明基于稀疏表示框架来进行土壤近红外光谱分析预测，提高了近红外光谱土壤主要成分预测的精度和模型的鲁棒性。
-
公开(公告)号：CN105488536A
公开(公告)日：2016-04-13
申请号：CN201510923464.4
申请日：2015-12-10
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06K9/62
CPC分类号： G06K9/6267 , G06K9/6269
摘要： 本发明涉及一种基于多特征深度学习技术的农田害虫图像识别方法，与现有技术相比解决了复杂环境条件下害虫图像识别性能差的缺陷。本发明包括以下步骤：针对大规模害虫图像样本进行多特征提取，提取大规模害虫图像样本的颜色特征、纹理特征、形状特征、尺度不变特征转换特征和方向梯度直方图特征；多特征深度学习，对不同类型特征分别进行非监督字典训练，获得不同类型特征的稀疏表示；训练样本的多特征表示，通过结合不同类型特征，构建害虫图像样本的多特征表示形式-多特征稀疏编码直方图；构建多核学习分类器，通过学习害虫图像正负样本的稀疏编码直方图构建多核分类器，实现害虫图像的分类。本发明提高了害虫识别的准确率。
-
公开(公告)号：CN118365952A
公开(公告)日：2024-07-19
申请号：CN202410567676.2
申请日：2024-05-09
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06V10/764 , G06V10/32 , G06V10/774 , G06V10/82 , G06V10/776 , G06N3/0499 , G06N3/047 , G06N3/08 , G06V40/10
摘要： 本发明涉及一种基于因果干预的农作物害虫图像识别方法，与现有技术相比解决了模型易关注与害虫无关的特征、鲁棒性差、识别精度低的缺陷。本发明包括以下步骤：农作物害虫图像的获取和预处理；因果干预害虫识别框架的构建；因果干预害虫识别框架的训练；待识别农作物害虫图像的获取；农作物害虫图像识别结果的获得。本发明采用因果干预的策略，能够有效地干预训练数据集的分布，从而提高模型在不同训练域下的识别准确性，提升了深度学习模型的泛化能力和识别准确性。
-
公开(公告)号：CN116630802A
公开(公告)日：2023-08-22
申请号：CN202310589624.0
申请日：2023-05-24
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06V20/10 , G06V10/40 , G06V10/24 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明涉及一种基于SwinT与尺寸自适应卷积的电力设备锈蚀缺陷图像检测方法，与现有技术相比解决了变电站设备缺陷模型特征提取难、识别困难、检测精度低、鲁棒性差的缺陷。本发明包括以下步骤：电力设备缺陷图像样本的获取；构建电力设备缺陷目标检测模型；电力设备缺陷目标检测模型的训练；获取待检测电力设备缺陷图像并进行预处理；电力设备图像缺陷检测。本发明特征提取能力更强，模型训练简单，同时识别精度更优的目标检测方法，实现了电力设备缺陷图像目标的精准检测。
-
公开(公告)号：CN113159183B
公开(公告)日：2022-08-30
申请号：CN202110440782.0
申请日：2021-04-23
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明涉及基于局部密集区域密度特征检测的微小害虫图像识别方法，与现有技术相比解决了微小害虫识别率低的缺陷。本发明包括以下步骤：训练图像的获取；害虫密集区域检测网络的构建；害虫密集区域检测网络的训练；害虫密集区域标准化；局部区域害虫目标检测网络组的构建与训练；全局害虫目标检测网络的构建与训练；害虫检测结果融合；待检测害虫图像的获取；害虫图像检测结果的获得。本发明利用微小害虫聚集区域的密度特征信息，将密集区域准确切分出并进行单独的害虫目标检测，弥补了全局害虫目标检测在该类区域中存在的检测遗漏及检测精度不高等问题，提高了微小害虫图像检测的整体检测精度。
-
公开(公告)号：CN109145770B
公开(公告)日：2022-07-15
申请号：CN201810863041.1
申请日：2018-08-01
申请人： 中国科学院合肥物质科学研究院
摘要： 本发明涉及一种基于多尺度特征融合网络与定位模型相结合的麦蜘蛛自动计数方法，与现有技术相比解决了针对小目标进行图像检测误差率高的缺陷。本发明包括以下步骤：训练样本的建立；构造麦蜘蛛检测计数模型；待计数图像的获取；麦蜘蛛个数的获得。本发明实现了对田间自然环境下的麦蜘蛛进行直接识别、计数。
-
公开(公告)号：CN109034079B
公开(公告)日：2022-03-11
申请号：CN201810865356.X
申请日：2018-08-01
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06V40/16 , G06V10/44 , G06V10/764 , G06K9/62
摘要： 本发明涉及一种用于人脸非标准姿态下的面部表情识别方法，与现有技术相比解决了无法在面部表情信息不全面的条件下进行表情识别的缺陷。本发明包括以下步骤：训练图像的收集和预处理；分类模型的构造；对待测图像进行收集和预处理；面部表情的识别。本发明基于预测分析技术在面部表情信息不全面的条件下预测出面部表情，以实现针对不同角度的人脸进行表情识别。
-
公开(公告)号：CN109086823B
公开(公告)日：2022-02-11
申请号：CN201810864030.5
申请日：2018-08-01
申请人： 中国科学院合肥物质科学研究院
摘要： 本发明涉及一种小麦赤霉病病穗率自动统计方法，与现有技术相比解决了赤霉病图像易受到背景、光照及遮挡影响导致难以识别的缺陷。本发明包括以下步骤：小麦赤霉病图像的获取和预处理；构建小麦赤霉病图像麦穗检测模型；训练深度卷积神经网络；待统计小麦赤霉病图像的收集和预处理；正常麦穗和发病麦穗的计数；计算病穗率。本发明通过机器视觉的方法实现小麦赤霉病病穗率自动统计，提高了小麦赤霉病病穗率统计的智能化水平、鲁棒性及检测精度。
-
公开(公告)号：CN112488244A
公开(公告)日：2021-03-12
申请号：CN202011526681.7
申请日：2020-12-22
申请人： 中国科学院合肥物质科学研究院
摘要： 本发明涉及一种利用热力图进行点标注方式的密集分布小目标害虫自动计数方法，与现有技术相比解决了难以针对密集小目标害虫进行识别的缺陷。本发明包括以下步骤：获取训练样本并进行预处理；生成热力图；构建密集小目标害虫定位计数网络；训练密集小目标害虫定位计数网络；待定位计数图像的获取；小目标害虫自动计数结果的获得。本发明通过点标注方式进行害虫识别，防止候选框方式识别带来的重叠和误判，特别适用于密集分布小目标害虫的识别计数。
-
公开(公告)号：CN111476317A
公开(公告)日：2020-07-31
申请号：CN202010352773.1
申请日：2020-04-29
申请人： 中国科学院合肥物质科学研究院
摘要： 本发明涉及一种基于强化学习技术的植保图像非密集害虫检测方法，与现有技术相比解决了植保图像非密集害虫检测计算量大、资源消耗高的缺陷。本发明包括以下步骤：获取植保图像数据库；植保图像特征图的提取；构建害虫目标检测网络；害虫目标检测网络的训练；待检测植保图像的获取和特征图提取；害虫检测结果的获得。本发明利用强化学习的动作空间和深度学习的特征空间去由粗到细的进行目标检测，结合改进的强化学习算法和区域选择网络去搜索最优候选区域，而后利用深度学习去进一步精修目标候选区域坐标，进一步提高检测精度。
-
-
-
-
-
-
-
-
-
搜索结果
88 条记录 (耗时 0.076 秒)
