-
公开(公告)号：CN104091175B
公开(公告)日：2017-08-01
申请号：CN201410337605.X
申请日：2014-07-15
Applicant: 中国科学院合肥物质科学研究院 , 安徽省农业科学院农业经济与信息研究所
IPC: G06K9/62
Abstract: 本发明涉及一种基于Kinect深度信息获取技术的害虫图像自动识别方法，与现有技术相比解决了害虫图像识别方法识别率低、鲁棒性差的缺陷。本发明包括以下步骤：像素位置转换；图像分割；方向校正；特征提取；特征训练及害虫识别。本发明能够自动识别害虫种类，提高了害虫的识别率与鲁棒性。
-
公开(公告)号：CN106682704A
公开(公告)日：2017-05-17
申请号：CN201710041270.0
申请日：2017-01-20
Applicant: 中国科学院合肥物质科学研究院
Abstract: 本发明涉及一种基于融合上下文信息的混合卷积神经网络的病害图像识别方法，与现有技术相比解决了病害图像识别率低、鲁棒性差的缺陷。本发明包括以下步骤：训练图像的收集和预处理；构造并训练混合卷积神经网络模型；待测图像的收集和预处理；将测试样本输入训练完成后的混合卷积神经网络模型中，进行病害图像的自动识别，识别出待测病害图像的类别。本发明将病害图像的图片信息和上下文信息相结合进行混合卷积神经网络的构建，从而提高了病害识别的准确率，增强了病害识别算法的鲁棒性。
-
公开(公告)号：CN105574540A
公开(公告)日：2016-05-11
申请号：CN201510923441.3
申请日：2015-12-10
Applicant: 中国科学院合肥物质科学研究院
IPC: G06K9/62
CPC classification number: G06K9/6249 , G06K9/6259
Abstract: 本发明涉及一种基于非监督学习技术的害虫图像特征学习与自动分类方法，与现有技术相比解决了对害虫图像因遮挡和污染导致害虫识别能力差的缺陷。本发明包括以下步骤：进行大规模害虫图像块随机采样；害虫图像的非监督特征字典学习；害虫图像特征编码并进行特征池化操作；多类分类器识别。本发明提高了害虫识别的准确率，利用非监督的字典训练方式构造非监督字典，结合稀疏编码的方式并对特征进行池化操作，实现了特征较强的鉴别力，有效地表示了害虫图像。
-
公开(公告)号：CN104636703A
公开(公告)日：2015-05-20
申请号：CN201510077953.2
申请日：2015-02-14
Applicant: 中国科学院合肥物质科学研究院
IPC: G06K7/10
Abstract: 本发明涉及一种基于二维码的种子信息采集方法，包括：种袋上印有二维码，经连续封口机封口后，经传输装置输送至产品包装整平装置；二维码扫描相机自动扫描识别种袋的二维码，若扫码成功，则将该二维码信息发送至工控机，同时种袋经分拔机构进入堆垛包装机构；反之，二维码扫描相机发送信号至剔除机构；工控机对种子的信息进行配置，将扫描到的二维码信息与配置信息进行关联，并存储到其数据库中，且将数据同步上传到后台服务器。本发明还公开了一种实施基于二维码的种子信息采集方法的系统。本发明实现了对种子的自动采集，对商品批次，规格，生产日期、生产厂商等信息的采集与绑定，以达到种子信息化的目的、提高种子质量的安全性、可查询性。
-
公开(公告)号：CN104077580A
公开(公告)日：2014-10-01
申请号：CN201410337568.2
申请日：2014-07-15
Applicant: 中国科学院合肥物质科学研究院
IPC: G06K9/00
Abstract: 本发明提供一种基于深信度网络的害虫图像自动识别方法，包括以下步骤：对收集的若干训练图像进行预处理，得到若干训练样本，对训练样本进行HOG特征提取，形成训练样本的联合图像特征向量；构造基于受限玻尔兹曼机的深信度网络，将训练样本的联合图像特征向量输入构造的深信度网络，完成对深信度网络的训练；对待测害虫图像进行预处理，得到测试样本，对测试样本进行HOG特征提取，形成测试样本的联合图像特征向量；将测试样本的联合图像特征向量输入训练完成的深信度网络，识别得到待测害虫图像的类别。本发明能够提高害虫识别的准确率，增强害虫识别算法的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN103903006A
公开(公告)日：2014-07-02
申请号：CN201410079477.3
申请日：2014-03-05
Applicant: 中国科学院合肥物质科学研究院 , 安徽省农业科学院情报研究所
IPC: G06K9/62
Abstract: 本发明涉及基于Android平台的农作物害虫识别方法，启动Android平台手机的应用软件，连接无线网络，选择农作物的种类；采集害虫图像，并将害虫图像传输到应用程序服务器；应用程序服务器对害虫图像进行图像分割，并判断是否达到预期阈值，若判断结果为是，则对害虫图像依次进行预处理、特征提取和多特征融合，否则，返回重新对害虫图像进行分割；对害虫图像特征进行识别，并将识别结果及相应的害虫防治方法传送至Android平台手机。本发明还公开了基于Android平台的农作物害虫识别系统。本发明使用户随时随地都可以对农作物害虫进行智能诊断，避免一味的依托农业专家的限制，利用Android手机平台，彻底改变了传统的农作物害虫诊断模式，提高了农田管理效率，方便了用户。
-
公开(公告)号：CN116342925A
公开(公告)日：2023-06-27
申请号：CN202310010579.9
申请日：2023-01-05
Applicant: 中国科学院合肥物质科学研究院
IPC: G06V10/764 , G06V10/44 , G06V10/24 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08 , G06N3/048
Abstract: 本发明涉及一种基于特征差异化和任务分离技术的相似害虫图像检测方法，包括：获取相似害虫图像；构建相似害虫检测模型，包括特征提取网络、特征差异化网络、特征融合网络和任务分离网络；利用相似害虫图像数据集对相似害虫检测模型进行训练；获取待检测的田间害虫图像；将待检测的田间害虫图像输入训练后的相似害虫检测模型，得到田间相似害虫的分类和定位结果。本发明从整体图片特征图中提取害虫差异化信息，特征语义表达能力更强，有利于相似害虫的区分,避免硬性选择某个尺度的特征导致的次优问题，更有利于多尺度目标的识别和检测；将害虫分类及定位特征进行分离，不同的特征专注于不同任务，更有利于分类和定位的准确性和网络训练。
-
公开(公告)号：CN115082798A
公开(公告)日：2022-09-20
申请号：CN202210793757.5
申请日：2022-07-07
Applicant: 中国科学院合肥物质科学研究院 , 合肥中科融道智能科技有限公司
Abstract: 本发明涉及一种基于动态感受野的输电线路销钉缺陷检测方法，与现有技术相比解决了输电线路销钉缺陷检测方法精度不高、鲁棒性较差的缺陷。本发明包括以下步骤：输电线路销钉缺陷样本的获取和预处理；输电线路销钉缺陷检测模型的构建；输电线路销钉缺陷检测模型的训练；待检测输电线路销钉图像的获得；输电线路销钉缺陷检测结果的获得。本发明在特征金字塔网络不同层融合过程中自适应的使用不同的感受野，充分融合了多通道的上下文信息，利用不同大小感受野和通道内信息；通过空间激活区域生成网络，增强感兴趣区域的信息获取，提高深层卷积网络的特征提取，保留更多的信息用于检测器最后的分类和回归，进一步提高销钉缺陷检测的精度和识别率。
-
公开(公告)号：CN109064460B
公开(公告)日：2021-09-28
申请号：CN201810865344.7
申请日：2018-08-01
Applicant: 中国科学院合肥物质科学研究院
Abstract: 本发明涉及基于多时序属性元素深度特征的小麦重度病害预测方法，与现有技术相比解决了无法针对小麦重度病害进行预测的缺陷。本发明包括以下步骤：基础数据的获取；小麦重度病害预测模型的构建；时序信息存储网络和深度卷积神经网络的联合训练；待预测图像和待预测环境信息数据的获取；小麦重度病害的预测。本发明从小麦病害发生的时序维度上图像、环境等多种特征因素出发，利用时序信息存储网络以及深度特征提取网络融合小麦重度病害多时序属性元素，自动学习和获知数据序列中不同时间段小麦病害的程度，从而实现针对于小麦重度病害的预测。
-
公开(公告)号：CN112733614A
公开(公告)日：2021-04-30
申请号：CN202011526712.9
申请日：2020-12-22
Applicant: 中国科学院合肥物质科学研究院
Abstract: 本发明涉及一种带有相似尺寸强化识别的害虫图像检测方法，与现有技术相比解决了难以针对植保图像中相似尺寸害虫进行检测的缺陷。本发明包括以下步骤：获取害虫图像数据集并进行预处理；构建害虫图像检测网络；害虫图像检测网络的训练；待检测害虫图像的获取；害虫图像检测结果的获得。本发明通过自学习的权重和加权注意力特征金字塔，使卷积神经网络能够重点关注数据集中大部分害虫图像尺寸所对应的特征层，提高了卷积神经网络的特征表达能力，以此应对相似尺寸的害虫误别问题；利用多尺度无锚区域建议网络，让后续的分类回归网络获得更好的候选区域，实现了相似尺寸害虫的强化识别，由此提高了害虫识别与检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
146
records
(took 0.057 seconds)
