-
公开(公告)号：CN117036960A
公开(公告)日：2023-11-10
申请号：CN202311157147.7
申请日：2023-09-08
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06V20/10 , G06V10/22 , G06V10/24 , G06V10/32 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
摘要： 本发明涉及一种基于无锚框的两阶段稻纵卷叶螟为害状图像检测方法，与现有技术相比解决了稻纵卷叶螟为害状图像难以在复杂田间背景条件下检出的缺陷。本发明包括以下步骤：稻纵卷叶螟为害图像的获取及预处理；稻纵卷叶螟为害状检测模型的构建；稻纵卷叶螟为害状检测模型的训练；待检测图像的获取与预处理；稻纵卷叶螟为害图像检测结果的获得。本发明提出一个两阶段的检测网络，更符合田间为害状的生长环境，利用定向框更能精准定位发病区域。
-
公开(公告)号：CN116258711A
公开(公告)日：2023-06-13
申请号：CN202310274762.X
申请日：2023-03-16
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06T7/00 , G06V10/44 , G06V10/764 , G06T7/62 , G06V10/774
摘要： 本发明涉及一种基于倾斜矩形框的稻纵卷叶螟为害状图像检测方法，与现有技术相比解决了田间复杂环境下水稻稻纵卷叶螟为害状有不定向生长、尺寸多样等现象难以进行准确检测的缺陷。本发明包括以下步骤：水稻稻纵卷叶螟为害状图像的获取和预处理；构建稻纵卷叶螟为害状检测模型；稻纵卷叶螟为害状检测模型的训练；待检测稻纵卷叶螟害虫图像的获取；稻纵卷叶螟害虫图像检测结果的获得。本发明可实现复杂的田间环境下水稻为害状区域的精准检测，提高水稻稻纵卷叶螟为害状检测的准确性，增强水稻稻纵卷叶螟为害状检测的可视化能力。
-
公开(公告)号：CN116205905A
公开(公告)日：2023-06-02
申请号：CN202310449336.5
申请日：2023-04-25
申请人： 合肥中科融道智能科技有限公司 , 中国科学院合肥物质科学研究院
摘要： 本发明涉及基于移动端的配电网施工安全及质量图像检测方法，与现有技术相比解决了配电网施工安全及质量图像检测运算量大、无法满足移动端应用需要的缺陷。本发明包括以下步骤：获取移动端的配电网施工现场图像；构建配电网施工安全及质量图像检测模型；配电网施工安全及质量图像检测模型的训练；获取待检测配电网施工图像；获得配电网施工安全及质量检测结果。本发明提供一种特征区分能力更强、模型训练简单、网络结构相对简单、推理时间复杂度较低，同时识别精度更优的目标检测方法，实现配电网施工场景安全及质量类目标的精准检测。
-
公开(公告)号：CN114863280A
公开(公告)日：2022-08-05
申请号：CN202210507746.6
申请日：2022-05-11
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06V20/10 , G06V10/774 , G06V10/40 , G06V10/762 , G06V10/764 , G06K9/62 , G06N3/02
摘要： 本发明涉及一种基于因果干预技术的小样本害虫图像识别方法，与现有技术相比解决了小样本害虫图像识别率低的缺陷。本发明包括以下步骤：公开数据集的获取；构建和训练嵌入模型；小样本害虫图像的获取、标记和预处理；构建并训练小样本害虫图像识别模型。本发明利用了因果干预对特征进行分层，缓解了预训练知识中混杂因子带来的影响，提高了在小样本情况下害虫图像识别的准确率，增加了小样本害虫图像识别算法的鲁棒性。
-
公开(公告)号：CN118365952A
公开(公告)日：2024-07-19
申请号：CN202410567676.2
申请日：2024-05-09
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06V10/764 , G06V10/32 , G06V10/774 , G06V10/82 , G06V10/776 , G06N3/0499 , G06N3/047 , G06N3/08 , G06V40/10
摘要： 本发明涉及一种基于因果干预的农作物害虫图像识别方法，与现有技术相比解决了模型易关注与害虫无关的特征、鲁棒性差、识别精度低的缺陷。本发明包括以下步骤：农作物害虫图像的获取和预处理；因果干预害虫识别框架的构建；因果干预害虫识别框架的训练；待识别农作物害虫图像的获取；农作物害虫图像识别结果的获得。本发明采用因果干预的策略，能够有效地干预训练数据集的分布，从而提高模型在不同训练域下的识别准确性，提升了深度学习模型的泛化能力和识别准确性。
-
公开(公告)号：CN117172413A
公开(公告)日：2023-12-05
申请号：CN202311154552.3
申请日：2023-09-07
申请人： 中国科学院合肥物质科学研究院 , 安徽南瑞继远电网技术有限公司
IPC分类号： G06Q10/063 , G06Q50/06 , G06F18/241 , G06F18/243 , G06N3/042 , G06N3/0455 , G06N3/08 , G06N5/01
摘要： 本发明涉及一种基于多模态数据联合表征和动态权重学习的电网设备运行状态监测方法，与现有技术相比解决了难以将多源异构数联合表征和统一应用、利用设备不同部件间的关联关系来建立电网备状态度量的缺陷。本发明包括以下步骤：设定电网设备状态数据的分布式表示方法；电网设备多模态数据的联合表征；设备内部拓扑关系图的构建；图神经网络的动态权重学习；电网设备状态的评价。本发明结合机器学习分类方法来进行设备状态健康评价，能够显著提高评价方法的准确性和鲁棒性，达到电网设备运行状态监测的目的。
-
公开(公告)号：CN116630802A
公开(公告)日：2023-08-22
申请号：CN202310589624.0
申请日：2023-05-24
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06V20/10 , G06V10/40 , G06V10/24 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明涉及一种基于SwinT与尺寸自适应卷积的电力设备锈蚀缺陷图像检测方法，与现有技术相比解决了变电站设备缺陷模型特征提取难、识别困难、检测精度低、鲁棒性差的缺陷。本发明包括以下步骤：电力设备缺陷图像样本的获取；构建电力设备缺陷目标检测模型；电力设备缺陷目标检测模型的训练；获取待检测电力设备缺陷图像并进行预处理；电力设备图像缺陷检测。本发明特征提取能力更强，模型训练简单，同时识别精度更优的目标检测方法，实现了电力设备缺陷图像目标的精准检测。
-
公开(公告)号：CN113159183B
公开(公告)日：2022-08-30
申请号：CN202110440782.0
申请日：2021-04-23
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明涉及基于局部密集区域密度特征检测的微小害虫图像识别方法，与现有技术相比解决了微小害虫识别率低的缺陷。本发明包括以下步骤：训练图像的获取；害虫密集区域检测网络的构建；害虫密集区域检测网络的训练；害虫密集区域标准化；局部区域害虫目标检测网络组的构建与训练；全局害虫目标检测网络的构建与训练；害虫检测结果融合；待检测害虫图像的获取；害虫图像检测结果的获得。本发明利用微小害虫聚集区域的密度特征信息，将密集区域准确切分出并进行单独的害虫目标检测，弥补了全局害虫目标检测在该类区域中存在的检测遗漏及检测精度不高等问题，提高了微小害虫图像检测的整体检测精度。
-
公开(公告)号：CN112488244A
公开(公告)日：2021-03-12
申请号：CN202011526681.7
申请日：2020-12-22
申请人： 中国科学院合肥物质科学研究院
摘要： 本发明涉及一种利用热力图进行点标注方式的密集分布小目标害虫自动计数方法，与现有技术相比解决了难以针对密集小目标害虫进行识别的缺陷。本发明包括以下步骤：获取训练样本并进行预处理；生成热力图；构建密集小目标害虫定位计数网络；训练密集小目标害虫定位计数网络；待定位计数图像的获取；小目标害虫自动计数结果的获得。本发明通过点标注方式进行害虫识别，防止候选框方式识别带来的重叠和误判，特别适用于密集分布小目标害虫的识别计数。
-
公开(公告)号：CN118053074A
公开(公告)日：2024-05-17
申请号：CN202410302895.8
申请日：2024-03-18
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06V20/10 , G06V10/44 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/08
摘要： 本发明涉及基于高斯感受野增强自注意力的密集害虫图像检测方法，与现有技术相比解决了田间密集害虫图像检测容易出现漏检的缺陷。本发明包括以下步骤：获取密集害虫图像；构建密集害虫检测模型；密集害虫检测模型的训练；获取待检测害虫图像；获得害虫图像检测结果。本发明提供一种端到端的密集害虫检测框架，有利于密集害虫的检测。利用差异化特征选择网络去除大量相似目标查询，使得在一对一标签分配的网络训练中不会出现相似查询分配成正样本和负样本，从而造成网络训练难以拟合。
-
-
-
-
-
-
-
-
-
搜索结果
30 条记录 (耗时 0.037 秒)
