-
公开(公告)号：CN114937461A
公开(公告)日：2022-08-23
申请号：CN202210660972.8
申请日：2022-06-13
Applicant: 华南农业大学 , 广州市金宝生态农业有限公司
Abstract: 本发明公开了一种基于通道注意力与残差门控卷积的生猪声音事件检测方法及装置，方法包括，首先采集生猪声音数据，并对声音数据进行预处理；然后使用快速傅里叶变换，得到频谱图，并使用谱减法去除环境噪音；再使用单参数双门限端点检测方法，检测并裁剪得到频谱图中的含生猪声音的片段，将这些片段转换为梅尔频谱图；接下来构建基于通道注意力与残差门控卷积的深度特征提取器，提取基于梅尔频谱图的声音深度特征；最后，设计基于双向循环递归‑前馈神经网络的帧级别声音分类器，对声音的深度特征进行处理分析，由此呈现整段音频的生猪声音事件时域分布结果。本发明可精确快速地提取长时间、多噪音的养殖场环境内生猪声音事件时域分布结果。
-
公开(公告)号：CN112288771B
公开(公告)日：2022-03-25
申请号：CN202011093852.1
申请日：2020-10-14
Applicant: 华南农业大学
Abstract: 本发明公开了一种群体环境中多猪体运动轨迹提取和行为分析方法，包括下述步骤：改进已知的单目标跟踪算法，提出群体环境中同时跟踪多头生猪的算法；根据跟踪结果，提取每头猪每帧的中心点坐标，绘制每头猪的运动轨迹图和瞬时速度图；根据猪体的跟踪得到的目标框，提取感兴趣区域，分割出每头猪的目标轮廓，判断猪体当前形态特征为站立或趴卧；联合猪体运动轨迹、运动速度、轮廓形态，结合猪体运动规律和专家建议，判断每头猪在每个时间段的运动行为，主要包括：猪体站立、趴卧、缓慢行走、快速跑动、异常躁动。本发明展示了如何利用精准鲁棒的的跟踪算法监控群体环境中猪的行为，可实时检测猪的异常运动，辅助判断猪体健康状况。
-
公开(公告)号：CN113962851A
公开(公告)日：2022-01-21
申请号：CN202111261449.X
申请日：2021-10-28
Applicant: 华南农业大学
Abstract: 本发明公开了一种逼真的彩色铅笔画生成方法，包括：将原图像转换到HSI颜色空间，得到色调分量、饱和度分量和亮度分量；对亮度分量进行编辑以生成高亮度分量；对饱和度分量进行编辑以生成低饱和度分量，将所述的色调分量、高亮度分量和低饱和度分量进行合并后转换到RGB颜色空间，得到色调图像；将原图像转换为灰度图像，针对灰度图像分别利用局部极大值、局部极小值进行轮廓提取，对提取的轮廓进行融合，得到最终的图像轮廓；根据原图像以及所述的最终图像轮廓，确定铅笔画的彩色轮廓；通过所述色调图像与彩色轮廓的融合，得到最终的彩色铅笔画。利用本发明方法生成的彩色图像满足铅笔画高亮度低饱和度的色调要求，且可以实现生成的轮廓线颜色与前景物体一致。
-
公开(公告)号：CN113392916A
公开(公告)日：2021-09-14
申请号：CN202110698418.4
申请日：2021-06-23
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于高光谱图像的麻竹笋营养成分检测方法、系统和存储介质，包括下述步骤：读入麻竹笋高光谱图像并对其进行预处理，得到样本集P1；将样本集P1导入CNN卷积神经网络进行显著特征提取并整合成相关的数据集文件；利用数据集文件构建麻竹笋营养成分指标的回归分析模型；将麻竹笋高光谱图像导入模型进行分析预测。本发明运用传统机器学习与深度学习方法搭建回归分析模型，利用高光谱图像提供的大量多维度数据，对麻竹笋的营养成分进行分析预测，确保了预测的准确性和有效性，降低了预测成本，为麻竹笋营养成分的检测提供了简便、快速、无损的技术方法，保障和促进了麻竹笋食品工业的高质量发展。
-
公开(公告)号：CN112288771A
公开(公告)日：2021-01-29
申请号：CN202011093852.1
申请日：2020-10-14
Applicant: 华南农业大学
Abstract: 本发明公开了一种群体环境中多猪体运动轨迹提取和行为分析方法，包括下述步骤：改进已知的单目标跟踪算法，提出群体环境中同时跟踪多头生猪的算法；根据跟踪结果，提取每头猪每帧的中心点坐标，绘制每头猪的运动轨迹图和瞬时速度图；根据猪体的跟踪得到的目标框，提取感兴趣区域，分割出每头猪的目标轮廓，判断猪体当前形态特征为站立或趴卧；联合猪体运动轨迹、运动速度、轮廓形态，结合猪体运动规律和专家建议，判断每头猪在每个时间段的运动行为，主要包括：猪体站立、趴卧、缓慢行走、快速跑动、异常躁动。本发明展示了如何利用精准鲁棒的的跟踪算法监控群体环境中猪的行为，可实时检测猪的异常运动，辅助判断猪体健康状况。
-
Patent Agency Ranking
公开(公告)号：CN105678338B
公开(公告)日：2020-04-14
申请号：CN201610024953.0
申请日：2016-01-13
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于局部特征学习的目标跟踪方法，将目标物体和背景分解成大量的具有尺度和形状不变性的局部单元，将其作为目标和背景分类模型的训练样本，采用深度学习的方式，从训练样本中学习出目标物体以及背景的局部表达。再判断出图像中每个特定区域属于目标物体的置信度，实现目标物体的准确定位。因这种由大量样本学习得出的局部表达具有高度的目标识别能力，该跟踪方法对目标形变、目标遮挡等情况具有较高的适应能力。更新物体表观模型时，抽取出目标置信度较高的局部区域作为模型的训练样本，并对模型进行更新。本方法在目标跟踪的过程中，不断更新表观模型，学习目标物体的关键特征，在外观变化较大的情景下能够取得更好的跟踪效果。
-
公开(公告)号：CN105224942B
公开(公告)日：2020-02-04
申请号：CN201510402298.3
申请日：2015-07-09
Applicant: 华南农业大学
Abstract: 本发明涉及一种RGB‑D图像分类方法及系统。所述方法包括：S1.利用卷积神经网络（CNN）分别对源RGB图像和Depth图像进行处理提取低层次特征；S2.通过递归神经网络（RNN）对图像低层次特征进行反馈学习，提取图像中层特征；S3.采用块内约束字典学习方法，对图像中层特征进行特征组稀疏表示，获取RGB‑D图像的高层特征表示；S4.将RGB‑D图像的高层特征输入线性SVM完成RGB‑D图像的分类识别。本发明能实现图像自动提取特征，学习的RGB‑D图像特征表示能有效区分噪声数据与高相似度图像分类，提高RGB‑D图像分类精确率，采用线性SVM，提高图像分类速度。
-
公开(公告)号：CN105719247A
公开(公告)日：2016-06-29
申请号：CN201610025389.4
申请日：2016-01-13
Applicant: 华南农业大学
IPC: G06T5/00
CPC classification number: G06T5/003 , G06T2207/20081 , G06T2207/20084
Abstract: 本发明公开了一种基于特征学习的单幅图像去雾方法，首先通过稀疏自动编码机对有雾图像进行多尺度的纹理结构特征提取，与此同时，抽取各种与雾相关的颜色特征。然后，采用多层神经网络进行样本训练，学习得到雾天条件下纹理结构特征及颜色特征与场景深度间的映射关系，并估算出有雾图像的场景深度图。在此基础上，利用场景深度图近似地估算出透射率图。该透射率能图有效反映了有雾图像中各个局部区域的雾气浓度。最后，结合大气散射模型，根据透射率图进一步复原出无雾图像。本方法能够对有雾图像进行复原，得到更高质量的无雾图像，并且与现有的去雾方法相比，具有更好的场景普适能力。
-
公开(公告)号：CN119672053A
公开(公告)日：2025-03-21
申请号：CN202411586544.0
申请日：2024-11-08
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于区域增长算法的户型图凹凸角判定方法及装置，方法包括：利用霍夫直线检测对外轮廓掩码图做重建填充；计算重建掩码的最大内接矩形坐标，利用霍夫直线检测提取重建掩码的水平和垂直直线信息；以当前最大内接矩形作为初始主体区域和初始检测区域，从检测区域正上方开始以逆时针循环对检测区域周围到最近直线之间的判别块进行扫描，若判别块满足凸角的条件则记录该区域坐标并扩展检测区域，若判别块满足凹角的条件则记录判别块的补角坐标并扩展主体区域和检测区域，直至检测区域四周没有最近直线。本发明基于区域增长算法，从当前区域出发扫描四周寻找满足条件的判别块并扩展主体，可以准确且快速的提取户型图的凹凸角。
-
公开(公告)号：CN119444593A
公开(公告)日：2025-02-14
申请号：CN202411366554.3
申请日：2024-09-29
Applicant: 华南农业大学
IPC: G06T5/60 , G06T5/73 , G06T5/92 , G06T5/94 , G06T5/40 , G06T7/90 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 本发明公开了一种基于颜色感知融合注意力和背景光驱离对比学习的水下图像增强方法及装置，方法包括：基于设计的颜色提取模块提取水下原始图像中的颜色信息；将所述颜色信息输入局部颜色恢复分支，得到分布合理的颜色权重信息；将所述水下原始图像经过三重注意力分支，实现图像中的细节和模糊信息的恢复，得到细节纹理信息丰富的水下增强图像；将所述分布合理的颜色权重信息与细节纹理信息丰富的水下增强图像输入到全局光恢复分支中，采用对比学习策略来调整水下图像的全局光特性，最终得到恢复出来的水下图像增强结果。本发明可以有效提升水下场景下的增强表现，同时能够消除水下复杂环境对图像的退化影响，真实地还原出图像的色彩与纹理细节。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.044 seconds)
