-
公开(公告)号：CN118072852A
公开(公告)日：2024-05-24
申请号：CN202311760916.2
申请日：2023-12-20
Applicant: 华南农业大学
IPC: G16C20/30 , H10K30/50 , G16C20/20 , G16C20/70 , G06N3/09 , G06N5/01 , G06N20/20 , G06F18/243 , G06F18/2431
Abstract: 本申请提供了一种有机太阳能电池性能的预测方法及电子设备、存储介质，包括：获在FDTD中建立有机太阳能电池，改变有机太阳能电池的结构，模拟仿真出不同有机太阳能电池结构所对应的反射率光谱和光电转化效率，构建数据集；将仿真得到的反射率光谱与光电转化效率通过机器学习算法进行训练，得到有机太阳能电池性能预测模型；将待测有机太阳能电池的反射率光谱输入有机太阳能电池性能预测模型中对有机太阳能电池的光电转化效率进行预测；本申请通过将待测有机太阳能电池的反射率光谱输入有机太阳能电池性能预测模型中对有机太阳能电池的光电转化效率进行预测，整个过程简单高效，无需复杂的流程和日常维护，具有很高的经济性。
-
公开(公告)号：CN117690065A
公开(公告)日：2024-03-12
申请号：CN202311695715.9
申请日：2023-12-12
Applicant: 华南农业大学
IPC: G06V20/50 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于改进YOLO模型的自然场景下蝉茶图像检测方法，该方法可实现自然环境下精准检测被小绿叶蝉叮咬的不同程度茶青。方法包括：采集自然场景下不同叮咬程度的茶青图片；构建数据集；建立改进YOLOV8网络模型。具体包括：选取YOLOv8s网络模型；引入CloAttention注意力机制添加到YOLOV8主干网络中的C2F模块；引入AFPN渐进特征金字塔网络；使用MPDIoU作为计算边界框回归的损失函数；训练改进的网络模型；网络模型部署及终端调用。本发明提出了一种基于改进YOLO模型的自然场景下蝉茶图像检测方法，解决了自然场景下不同叮咬程度蝉茶难以检测，现有算法检测精度低的问题。
-
公开(公告)号：CN116310338A
公开(公告)日：2023-06-23
申请号：CN202310290897.5
申请日：2023-03-22
Applicant: 华南农业大学
IPC: G06V10/26 , G06V10/44 , G06V10/52 , G06V10/74 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/044 , G06N3/048
Abstract: 本发明提供一种基于实例和语义分割的单株荔枝红叶梢分割方法，属于计算机视觉技术领域，该方法包括：采集荔枝树图片；将荔枝树图片裁剪为多株荔枝树冠层图片与多株荔枝树红叶梢图片；使用Mask R‑cnn网络模型对多株荔枝树冠层图片进行实例分割，通过阈值法将单株荔枝树冠层分割出来；使用改进的语义分割模型U‑Net‑Senet和U‑Net‑CBAM将单株荔枝树冠层的红叶梢部分分割出来。本发明能够实现单株荔枝树冠层及红叶梢像素级别的分割，提升了每类别分割的精确性。
-
公开(公告)号：CN115855860A
公开(公告)日：2023-03-28
申请号：CN202211378130.X
申请日：2022-11-04
Applicant: 华南农业大学
IPC: G01N21/3554 , G01N21/3563 , G01N21/359 , G06N20/00
Abstract: 本发明公开了一种茶叶干燥过程中的水分含量预测方法及处理终端，该方法包括：构建单批次机器学习训练的数据集；将训练数据集划分为校正集和预测集，通过新增不同批次样本数据集归并到原数据集形成新的数据集进行训练以更新模型参数，以评价函数作为目标函数来挑选最优的模型参数；将CARS‑I CA算法进一步集成到PLSR回归模型中，通过PLSR回归模型预测得到各批次茶叶水分含量。本发明提出一种茶叶干燥过程中的水分含量预测方法及处理终端，大大扩展了技术应用场景，不再是以往根据茶叶生长的气候和环境变化而每年重建模型以及调整参数，而是通过特征光谱选择校正变量参数和新增多批次样本量以建立增量型的训练数据集，利用该数据集来优化模型参数实施预测。
-
公开(公告)号：CN115728249A
公开(公告)日：2023-03-03
申请号：CN202211378147.5
申请日：2022-11-04
Applicant: 华南农业大学
Abstract: 本发明公开了一种番茄幼苗的叶绿素含量的预测方法及处理终端，该方法包括：获取活体的水培番茄幼苗的高光谱图像和深度图像；通过高光谱图像提取番茄幼苗的反射率光谱数据，通过深度图像提取幼苗的外形信息数据；根据反射率光谱数据和外形信息数据输入至训练好的预测模型以获取番茄幼苗的叶绿素含量。本发明提出一种番茄幼苗的叶绿素含量的预测方法及处理终端，解决针对现有的高光谱叶绿素检测方法中，存在缺少对活体的水培番茄幼苗叶绿素检测跟踪的方法，忽略了叶肉区域和叶脉区域等不同叶片区域的影响等问题。且现有方法无法体现外形信息对叶绿素的影响的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN115720484A
公开(公告)日：2023-02-28
申请号：CN202211553973.9
申请日：2022-12-06
Applicant: 华南农业大学
Abstract: 本发明公开一种复合半透明电极的制备方法、电极和有机太阳能电池，其中，所述制备方法为：首先在透明电极层上依次沉积电子传输层、有机活性层和空穴传输层，作为有机太阳能电池基底；接着将有机太阳能电池基底放置于真空热蒸发设备中，抽至高真空；随后在真空环境下，采用真空热蒸发法，在有机太阳能电池基底上依次图案化均匀沉积第一金属电极层和第二金属电极层；最后在第二金属电极层上沉积一维光子晶体，得到光学塔姆态复合半透明电极。本发明还公开了一种应用上述的复合半透明电极的制备方法制备出的复合半透明电极以及应用上述的复合半透明电极制作出的有机太阳能电池。
-
公开(公告)号：CN115639255A
公开(公告)日：2023-01-24
申请号：CN202211298702.3
申请日：2022-10-24
Applicant: 华南农业大学
Abstract: 本发明涉及一种叶片活体激素含量信息的侵入式检测装置及方法；所述装置包括侵入式活体采样机构和侵入式活体检测机构；所述侵入式活体采样机构包括盒体和盒盖；所述盒盖上安装有可更换规格的刺状突起片层，所述刺状突起片层上设有多个棱锥状的刺状突起；所述盒体内设置有采样室和检测室；采样室和检测室之间设有连通孔，所述连通孔通过开启/闭合机构打开或关闭；所述侵入式活体检测机构包括支架、设在支架内的安装通道中的工作电极、辅助电极和参比电极；所述盒体上端设有支座；当将支架安装在支座内时，工作电极、辅助电极和参比电极的下部伸入到检测室内；该工作电极、辅助电极和参比电极的上部则通过信号线与便携式电化学工作站连接。
-
公开(公告)号：CN115631366A
公开(公告)日：2023-01-20
申请号：CN202211201176.4
申请日：2022-09-29
Applicant: 华南农业大学
IPC: G06V10/764 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种番茄果实成熟度预测方法及装置；该方法包括采集番茄果实原始图片；改进CenterNet‑Improved模型，并使用CenterNet‑Improved模型对所述原始图片进行成熟度预测；在配置有摄像头的嵌入式平台上部署CenterNet‑Improved模型进行实时获取番茄果实成熟度预测结果并可视化展示。公开了相应的装置。以实现根据采集的番茄果实原图可视化展示番茄成熟度。本发明提出一种番茄果实成熟度预测方法及装置，有效地解决了现有技术中，存在果实成熟度识别精度较低、对算力和通信网络要求高的技术缺陷的技术问题。
-
公开(公告)号：CN115456879A
公开(公告)日：2022-12-09
申请号：CN202211170924.7
申请日：2022-09-23
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于深度学习的显微超分辨多光谱重构方法，该方法包括：使用图像拍摄相机获取显微RGB图像以及多光谱图像；基于深度学习模型对所述图像进行特征提取，特征映射，图像重建，得到重建的多光谱图像以及显微光谱。本发明提出一种基于深度学习的显微超分辨多光谱重构方法，有效地解决了因光谱相机成本过高而导致科研工作者无法有效获得显微多光谱图像及光谱曲线，特别是特定感兴趣区域的光谱及图像的技术问题。
-
公开(公告)号：CN113699594B
公开(公告)日：2022-11-01
申请号：CN202110770628.X
申请日：2021-07-08
Applicant: 华南农业大学
IPC: C30B29/46 , B22F1/18 , B22F1/054 , C23C14/08 , C23C14/24 , C30B25/02 , C30B25/16 , C30B28/14 , G01N21/65
Abstract: 本发明属于半导体二维纳米晶体材料及表面拉曼增强散射技术领域，公开了一种雪花状的二硫化钨二维晶体材料、SERS传感器及其制备方法和应用。采用真空镀膜技术在生成物衬底上蒸镀一层WOX薄膜并将其作为生长基片，然后采用常压化学气相沉积法，在高温、惰性气体的环境下与硫源前驱体发生反应，在生长基片上制备出雪花状的二硫化钨二维晶体材料。由于该二维晶体材料的形貌特殊，其可与纳米金颗粒发生自组装，进而制备出高性能的WS2@Au基的SERS传感器。本发明具有实验步骤精简、成本低廉等优点，所制备出的SERS传感器具有高稳定性、强拉曼增强能力，可用于对微量有机分子的无损痕量测定。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.03 seconds)
