-
公开(公告)号：CN104331728A
公开(公告)日：2015-02-04
申请号：CN201410577976.5
申请日：2014-10-24
Applicant: 安徽农业大学
Abstract: 本发明公开了一种二维码的生成方法及其应用，其特征是按如下步骤进行：1、生成溯源码；2、生成前缀码；3生成Y位验证码；4将溯源码、前缀码和Y位验证码存入防伪数据库中，并将溯源码和前缀码进行合并后利用条码生成器生成初始二维码；将Y位验证码嵌入初始二维码的中间位置，从而形成二维码。本发明能够快速、稳定的生成大量具有高防伪性、难以被仿造的二维码，从而有效保证二维码的唯一性，防止被复制或者重复使用。
-
公开(公告)号：CN102236641B
公开(公告)日：2015-02-04
申请号：CN201110128613.X
申请日：2011-05-18
Applicant: 安徽农业大学
IPC: G06F17/27
Abstract: 本发明涉及一种农业领域概念相似度矩阵生成方法，针对农业领域本体概念间相似度加以研究，提出一种基于概念格理论的农业领域本体概念相似矩阵提取建模方法，该方法包括四个步骤：包括S1领域形式背景提取，S2领域概念满值化及S3属性权重提取和S4基于概念格的领域相似度模型计算集成等。本发明可以有效的提高农业领域本体概念合并的准确率，提升融合农业领域本体的质量，对领域内大规模融合农业领域本体，实现农业领域知识的充分共享与复用，实现农业领域知识的充分共享和协同服务。
-
公开(公告)号：CN118314352B
公开(公告)日：2024-09-13
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：CN117690124B
公开(公告)日：2024-07-09
申请号：CN202311710896.8
申请日：2023-12-13
Applicant: 安徽农业大学
IPC: G06V20/68 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多尺度注意力机制的小番茄成熟度实时检测方法，包括以下步骤：步骤1、获取番茄图像作为数据集；步骤2、将数据集划分为训练集、验证集、测试集，之后进行数据增强；步骤3、生成改进的YOLOv8模型；步骤4、将步骤2得到的训练集输入至改进的YOLOv8模型中进行训练，并用验证集验证后，最终通过测试集评估泛化能力，由此得到最优检测模型；步骤5、将待检测番茄图像输入至步骤4得到的最优检测模型，以检测得到不同成熟度番茄。本发明能检测到现有模型检测不到的小番茄，并能有效解决番茄果实重叠遮挡问题。
-
公开(公告)号：CN118015021A
公开(公告)日：2024-05-10
申请号：CN202410410453.5
申请日：2024-04-07
Applicant: 安徽农业大学
IPC: G06T7/11 , G06N3/0464 , G06T5/10 , G06T7/00 , G06V10/764
Abstract: 本发明适用于跨模态医学图像分割技术领域，提供了基于滑动窗口的主动域自适应跨模态医学图像分割方法，该方法在主动域适应任务中，利用一组带标签的源数据和未带标签的目标数据；训练一个分割网络，该分割网络能在目标域上实现良好的分割性能，只需少量注释预算；训练一个分割网络的步骤包括：S1：预训练与伪标签生成；S2：滑动窗口定义；S3：窗口不稳定性计算；S4：窗口获取策略；S5：类间距离优化策略；S6：模型训练。本发明的图像分割方法充分利用了标注预算，并采用了有效的采集策略，以实现显著的跨域分割性能。
-
Patent Agency Ranking
公开(公告)号：CN117690124A
公开(公告)日：2024-03-12
申请号：CN202311710896.8
申请日：2023-12-13
Applicant: 安徽农业大学
IPC: G06V20/68 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多尺度注意力机制的小番茄成熟度实时检测方法，包括以下步骤：步骤1、获取番茄图像作为数据集；步骤2、将数据集划分为训练集、验证集、测试集，之后进行数据增强；步骤3、生成改进的YOLOv8模型；步骤4、将步骤2得到的训练集输入至改进的YOLOv8模型中进行训练，并用验证集验证后，最终通过测试集评估泛化能力，由此得到最优检测模型；步骤5、将待检测番茄图像输入至步骤4得到的最优检测模型，以检测得到不同成熟度番茄。本发明能检测到现有模型检测不到的小番茄，并能有效解决番茄果实重叠遮挡问题。
-
公开(公告)号：CN117575111A
公开(公告)日：2024-02-20
申请号：CN202410061794.6
申请日：2024-01-16
Applicant: 安徽农业大学
IPC: G06Q10/04 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06Q50/02 , G06V10/82 , G06V20/10
Abstract: 本发明属于农业遥感图像处理技术领域，具体是一种基于迁移学习的农业遥感图像时空序列预测方法，该方法包括：从农业遥感设备收集农作物产量相关的数据作为数据集；对数据集进行清洗和预处理；利用Transformer架构的自注意力机制来处理时空数据；进行迁移学习，利用之前预训练的模型权重作为初始权重进行训练；构建一个网络输出层，用于输出预测农作物产量的相关信息；根据具体的应用需求，对预测结果进行必要的后处理。本发明结合了迁移学习和Transformer自注意力机制，特别是利用了Transformer架构在处理时空序列数据上的优势，来预测农作物的产量，具有更快地训练模型并提高预测精度的优点。
-
公开(公告)号：CN117151121B
公开(公告)日：2024-01-12
申请号：CN202311401665.9
申请日：2023-10-26
Applicant: 安徽农业大学
IPC: G06F40/35 , G06F16/35 , G06F18/22 , G06F18/2415 , G10L15/18 , G10L15/16 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 性。本发明涉及一种口语理解方法，具体是一种基于波动阈值与分割化的多意图口语理解方法，该方法包括：对于一段输入的话语将其编码为隐藏状态序列后得到预测的意图和槽值，将预测的槽值与意图转化为向量形式嵌入到模型中；利用SD计算一个范围加权矩阵与输入的意图对应相乘，划定其范围后结合注意力机制融合意图检测和槽位填充结果的重要语义信息，使用波动阈值进行输出判断。本发明可以获得每个意图的既定范围，从而起到了减少范围外标记干扰的作用；通过设置基准阈值，然后运用斯皮尔曼系数与余(56)对比文件陈婷婷;林民;李艳玲.基于Attention+Bi-LSTM的公交出行意图和语义槽填充联合识别.青海师范大学学报(自然科学版).2019,(第04期),全文.Peng Yang.AISE:Attending to Intentand Slots Explicitiy for better spokenlanguage understanding.ELSEVIER.2021,全文.张启辰, 王 帅, 李静梅.一种基于窗口机制的口语理解异构图网络.软件学报.2023,全文.王永梅，胡学钢.决策树中IＤ3算法的研究.安徽大学学报（自然科学版）.2011,全文.端到端对话系统意图语义槽联合识别研究综述.计算机工程与应用.2020,全文.赵冬阳;范国华;赵印勇;陈信;王文宇;张友华.一种基于无人机遥感和卷积神经网络的梨树树龄梯度识别方法.信阳农林学院学报.2020,(第01期),全文.
-
公开(公告)号：CN116934352A
公开(公告)日：2023-10-24
申请号：CN202310888981.7
申请日：2023-07-19
Applicant: 安徽农业大学
IPC: G06Q30/018 , G06Q10/0639 , G06Q50/02 , G06F16/27 , G06K17/00
Abstract: 本发明涉及农产品质量安全，具体涉及一种农产品质量安全追溯系统，包括服务器，服务器通过存储区块创建模块在区块链上创建用于对应存储各农产品溯源信息的存储区块，并利用智能合约生成模块在链上生成智能合约，服务器通过生产信息采集模块采集农产品的生产信息，并利用生产档案信息存储模块将农产品的生产档案信息写入相应的存储区块，服务器通过产品档案信息存储模块将农产品的产品档案信息写入相应的存储区块，并利用流通档案信息存储模块将农产品的流通档案信息写入相应的存储区块；本发明提供的技术方案能够有效克服现有技术所存在的不能较为全面地对农产品供应链中各个环节的质量安全进行有效追溯的缺陷。
-
公开(公告)号：CN112464713B
公开(公告)日：2022-11-08
申请号：CN202011134197.X
申请日：2020-10-21
Applicant: 安徽农业大学
Abstract: 一种基于深度学习的通信辐射源射频指纹识别方法，其特征在于：包括以下步骤：使用通信信号接收装置，接收通信辐射源信号，并对信号进行处理，获得I/Q两路数字零中频信号；同时提取I/Q两路数字零中频信号的三种指纹信息，分别为：矩形积分双谱特征、分形盒维数特征、小波特征；将三种指纹信息数据集划分为训练集和测试集；构建多通道深度学习模型，并利用训练集和测试集训练模型直至模型精度达到98％；本发明在现有的通信辐射源射频指纹识别的传统方法上进行创新，利用信号多特征融合的方法，采用多通道深度卷积神经网络模型，进行二次特征提取，提高通信辐射源射频指纹的识别精度，从而更好地达到实际环境对通信辐射源射频指纹的识别要求。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.054 seconds)
