-
公开(公告)号：CN119625327B
公开(公告)日：2025-05-06
申请号：CN202510168773.9
申请日：2025-02-17
Applicant: 安徽农业大学
IPC: G06V10/26 , G06N3/0455 , G06N3/0464 , G06V10/44 , G06V10/80 , G06V10/82 , G06V20/10
Abstract: 本发明公开了一种基于改进VM‑UNet模型的农田排水沟渠遥感图像语义分割方法，该方法中将对VM‑UNet模型进行了改进，在解码器中：第三编码层和第一编码层输出的特征经过SENet注意力机制处理后通过跳跃连接输入到解码器；第二编码层和Patch Embedding层输出的特征经过多尺度注意力聚合后通过跳跃连接输入解码器；本发明通过多尺度卷积和空间注意力机制聚合空间特征，增强模型对复杂沟渠背景的分辨能力，通过通道加权机制强化排水沟渠相关的语义信息，减少混淆背景对分割结果的影响。
-
公开(公告)号：CN118335201B
公开(公告)日：2024-10-01
申请号：CN202410748840.X
申请日：2024-06-12
Applicant: 安徽农业大学
IPC: G16B40/00 , G06N3/042 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明涉及一种预测方法，具体是基于可变形卷积神经网络和趋同相似性原理的预测方法，通过收集蛋白质序列、蛋白质结构数据和蛋白质相互作用信息；使用可变形卷积神经网络DCN模型对蛋白质序列进行特征提取；计算蛋白质的趋同相似性，将获得的序列相似性矩阵、结构相似性矩阵、功能相似性矩阵三个矩阵，将所有矩阵的加权平均作为融合后最终的相似性矩阵；选择图神经网络GNN处理图结构数据，使用部分已知的蛋白质相互作用信息来训练预测模型，选择随机梯度下降优化算法优化模型参数；利用优化后的预测模型对蛋白质的相互作用进行预测。本发明融合可变形卷积技术和趋同相似性技术，显著提升了蛋白质相互作用网络的数据质量和深度解析。
-
公开(公告)号：CN118314352A
公开(公告)日：2024-07-09
申请号：CN202410736895.9
申请日：2024-06-07
Applicant: 安徽农业大学
IPC: G06V10/26 , G06V10/764 , G06V20/10 , G06V10/82 , G06N3/0455 , G06N3/084
Abstract: 本发明属于遥感图像处理技术领域，具体是一种基于补丁级分类标签的农作物遥感图像分割方法，该方法使用patch级标注图像数据分别训练教师网络和学生网络，在教师网络的输出中，筛选出可靠的预测结果作为学生网络的伪标签，不可靠结果作为学生网络的负样本；利用学生网络的分类结果生成图像分割模型的像素级伪掩码，将学生网络不同编码阶段的特征图作为分割模型的伪标签；最后使用经过充分训练的学生模型作为主干网络，对测试集图像进行分割。本发明增强了对噪声和局部变化的鲁棒性，提高了模型泛化能力，有效减少图像标注质和量上的需求；通过多层伪监督缩小patch级标签和像素级标签之间的信息差距。
-
公开(公告)号：CN114821239B
公开(公告)日：2024-07-02
申请号：CN202210507282.9
申请日：2022-05-10
Applicant: 安徽农业大学
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种有雾环境下的病虫害检测方法，包括以下步骤：步骤1、收集清晰的图像作为训练Optimized‑AECR‑Net模型的数据集，收集病虫害的图像作为训练OACER‑Swin Transformer模型的数据集；步骤2、对数据集进行预处理，并对病虫害数据集进行加雾处理；步骤3、构建并训练Optimized‑AECR‑Net模型；步骤4、构建并训练OACER‑Swin Transformer模型；步骤5、采用OACER‑Swin Transformer模型进行病虫害检测。本发明方法能够有效避免因雾天拍摄的图片质量差导致的模型性能差，该方法适用于有雾环境下的各种农作物病虫害检测。
-
公开(公告)号：CN113158754B
公开(公告)日：2024-07-02
申请号：CN202110171314.8
申请日：2021-02-04
Applicant: 安徽农业大学
IPC: G06V20/40 , G06V10/774 , G06V10/30
Abstract: 本发明公开了一种番茄病害图像识别方法，包括以下步骤：（1）、准备数据集；（2）、处理数据集；（3）、构建ResNeXt模型；（4）、构建中心损失函数；（5）、结合中心损失函数和ResNeXt模型来构建C‑ResNeXt模型；（6）、模型训练：采用训练集对C‑ResNeXt模型进行训练，得到效果最优的C‑ResNeXt模型；（7）图像识别：将待识别的番茄病害图像测试集输入效果最优的C‑ResNeXt模型中，得到识别结果。本发明具有更高的识别精度、表征能力和收敛速度。
-
Patent Agency Ranking
公开(公告)号：CN117933800A
公开(公告)日：2024-04-26
申请号：CN202410098864.5
申请日：2024-01-24
Applicant: 安徽农业大学
IPC: G06Q10/0639 , G06Q50/02 , G06V20/68 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种农产品质量安全监管评价系统，包括农产品信息采集模块、质量安全标准模块、评价模型模块，所述农产品信息采集模块用于获取农产品的数据，农产品的数据包括由若干个农产品名称组成的农产品名称列表，每个农产品名称下关联有若干单样本的外观图片、农药残留量、微生物污染值，所述质量安全标准模块用于设置质量安全标准，质量安全标准包括由若干农产品质检名组成的农产品名称质量标准列表，农产品质检名下对应包含有外观集、农药残留限量、微生物菌落限量；本发明的有益效果是：系统实现了集成式数据管理，能够收集各个地方上传的农产品数据，并根据农产品数据进行质量评估，管理更加高效，并且便于追溯。
-
公开(公告)号：CN116998449A
公开(公告)日：2023-11-07
申请号：CN202311050181.4
申请日：2023-08-19
Applicant: 安徽农业大学
Abstract: 本发明公开了一种虾稻共生稻田自动化供氧装置及预警管理系统，属于虾稻共生田领域，一种虾稻共生稻田预警管理系统包括溶解氧传感器、数据处理单元、处理器、数据储存单元、数据发送模块、供氧装置和警报单元；自动化供氧装置包括受处理器控制的气泵，横管的侧壁上转动连接有多个分支管，多个分支管的侧壁上均固定连接有多个呈线性阵列设置的喷气管。本发明通过设置溶解氧传感器、供氧装置和警报单元等结构，使得稻田内水的溶氧量得到实时监控预警，同时能够及时的为稻田水进行增氧，通过设置第一圆筒、第二圆筒以及二者内部填充过氧化氢溶液，在稻田水内的溶解氧含量较低时过氧化氢溶液能够释放出氧气，使得稻田水内能够溶解更多的氧。
-
公开(公告)号：CN116894582A
公开(公告)日：2023-10-17
申请号：CN202310888980.2
申请日：2023-07-19
Applicant: 安徽农业大学
IPC: G06Q10/0635 , G06Q10/0631 , G06Q30/0202 , G06Q30/0201 , G06Q50/02
Abstract: 本发明涉及农产品风险监测，具体涉及一种农产品市场风险监测方法，采集农产品的历史农产品信息和实时农产品信息，并对农产品的供给量和需求量进行预测，得到预测供给量和预测需求量；基于预测供给量和预测需求量进行供需关系分析，结合历史农产品信息、实时农产品信息对农产品的价格进行预测，得到预测价格；基于历史农产品信息分析价格波动规律，根据历史农产品信息和价格波动规律对价格波动分布进行拟合，并确定价格波动预警阈值；根据实时农产品信息、预测价格和价格波动分布计算价格波动幅度，对价格波动幅度与价格波动预警阈值进行比较；本发明提供的技术方案能够克服不能较好地对农产品的供需不平衡风险及价格波动风险进行有效预警的缺陷。
-
公开(公告)号：CN113283629A
公开(公告)日：2021-08-20
申请号：CN202110356286.7
申请日：2021-04-01
Applicant: 安徽农业大学
IPC: G06Q10/04 , G06Q10/06 , G06Q50/02 , G06F16/215 , G06F16/28
Abstract: 本发明提供一种基于大数据的多元农作物病虫害监测预警方法。所述基于大数据的多元农作物病虫害监测预警方法通过对上报的数据进行标准分类如逐次数据上报、周报数据上报、灯诱数据上报、草贪成虫诱测数据上报，减轻后续数据统计分析上的难度；农作物病虫害监测预系统通过统计分析全省各个地市以及县区的植保站上传的当地病虫害数据，利用综合分析预测方法进行分配，进行得到该病虫害发生的概率；制定统一的数据格式实现全省各植保站的统一上传。本发明提供的基于大数据的多元农作物病虫害监测预警方法为管理者进行科学决策提供了可靠的依据，并降低了传统病虫害监测带来的人力物力浪费、监测不全面、预警缺乏精准性等问题。
-
公开(公告)号：CN113283287A
公开(公告)日：2021-08-20
申请号：CN202110369038.6
申请日：2021-04-06
Applicant: 安徽农业大学
Abstract: 本发明提供一种基于CNN算法的玉米病害防治无人机的使用方法。选取一片种植玉米的农田，模拟出此块农田的空间图形，并通过无人机来制作路径规划，使得无人机能够按照特定路线进行巡航；无人机在巡航期间，通过图像采集设备对玉米大田的玉米叶片进行目标检测，若发现有异常的玉米叶片，通过摄像头进行图片的抓取；无人机的农药喷洒装置，根据采集图像的识别结果做出响应，通过控制不同的喷头来喷洒针对性的防治药物，实现精准防治；一次作业完成后，继续按照规划的路线进行巡航，直到将规划的路线全部走完。本发明提供的基于CNN算法的玉米病害防治无人机的使用方法具有识别速度快、准确率高、局限性较小、工作效率高的优点。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.074 seconds)
