-
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：CN117407673A
公开(公告)日：2024-01-16
申请号：CN202311396061.X
申请日：2023-10-26
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： G06F18/20 , G06F18/10 , G06F18/214 , G06F18/2411 , G06N3/006 , G06N3/0442 , G06N3/08
摘要： 本发明涉及基于灰狼优化算法和LSTM‑Attention的电力设备缺陷预测方法，与现有技术相比解决了电力设备缺陷检测模型的超参数寻优难、未利用时序信息以及没有降低冗余特征影响的缺陷。本发明包括以下步骤：电力设备数据的获取及预处理；电力设备缺陷预测模型的构建；电力设备缺陷预测模型的训练；待预测电力设备数据的获取；电力设备缺陷预测结果的获得。本发明通过使用LSTM模型，可以有效地利用缺陷数据中的时序信息，提高缺陷预测的准确率；引入注意力机制，降低非重要特征对模型性能的影响；引入灰狼优化算法，实现模型超参数的自动寻优，提高了电力设备缺陷预测的准确率和效率。
-
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：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：CN109145770B
公开(公告)日：2022-07-15
申请号：CN201810863041.1
申请日：2018-08-01
申请人： 中国科学院合肥物质科学研究院
摘要： 本发明涉及一种基于多尺度特征融合网络与定位模型相结合的麦蜘蛛自动计数方法，与现有技术相比解决了针对小目标进行图像检测误差率高的缺陷。本发明包括以下步骤：训练样本的建立；构造麦蜘蛛检测计数模型；待计数图像的获取；麦蜘蛛个数的获得。本发明实现了对田间自然环境下的麦蜘蛛进行直接识别、计数。
-
公开(公告)号：CN109034079B
公开(公告)日：2022-03-11
申请号：CN201810865356.X
申请日：2018-08-01
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06V40/16 , G06V10/44 , G06V10/764 , G06K9/62
摘要： 本发明涉及一种用于人脸非标准姿态下的面部表情识别方法，与现有技术相比解决了无法在面部表情信息不全面的条件下进行表情识别的缺陷。本发明包括以下步骤：训练图像的收集和预处理；分类模型的构造；对待测图像进行收集和预处理；面部表情的识别。本发明基于预测分析技术在面部表情信息不全面的条件下预测出面部表情，以实现针对不同角度的人脸进行表情识别。
-
公开(公告)号：CN109086823B
公开(公告)日：2022-02-11
申请号：CN201810864030.5
申请日：2018-08-01
申请人： 中国科学院合肥物质科学研究院
摘要： 本发明涉及一种小麦赤霉病病穗率自动统计方法，与现有技术相比解决了赤霉病图像易受到背景、光照及遮挡影响导致难以识别的缺陷。本发明包括以下步骤：小麦赤霉病图像的获取和预处理；构建小麦赤霉病图像麦穗检测模型；训练深度卷积神经网络；待统计小麦赤霉病图像的收集和预处理；正常麦穗和发病麦穗的计数；计算病穗率。本发明通过机器视觉的方法实现小麦赤霉病病穗率自动统计，提高了小麦赤霉病病穗率统计的智能化水平、鲁棒性及检测精度。
-
公开(公告)号：CN110414615B
公开(公告)日：2021-12-10
申请号：CN201910710621.1
申请日：2019-08-02
申请人： 中国科学院合肥物质科学研究院
摘要： 本发明涉及基于阶段性深度修复图像及改进Double‑DQN技术的玉米草地贪夜蛾检测方法，与现有技术相比解决了不同虫龄玉米草地贪夜蛾难以精确检测的缺陷。本发明包括以下步骤：训练样本的收集；训练样本进行预处理；构造并训练不同虫龄玉米草地贪夜蛾图像检测模型；待检测玉米草地贪夜蛾图像以及相应的上下文信息的收集和预处理；不同虫龄的玉米草地贪夜蛾在玉米图像中具体位置的标记。本发明通过构建不同虫龄草地贪夜蛾边缘图模型与草地贪夜蛾图像深度修复模型融合实现大面积缺失的图像阶段性修复，在此基础上训练不同虫龄玉米草地贪夜蛾及相应上下文信息图像检测模型，提高了不同虫龄玉米草地贪夜蛾图像检测和识别能力。
-
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：CN112465821A
公开(公告)日：2021-03-09
申请号：CN202011526726.0
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： 本发明涉及基于边界关键点感知的多尺度害虫图像检测方法，包括：(1)获取害虫图像数据。(2)利用多尺度害虫特征构建基于边界点感知的多尺度害虫区域推荐模型。(3)利用多尺度害虫特征提取网络获取待测害虫图像的多尺度特征，利用多尺度害虫区域推荐模型获取待测害虫图像的感兴趣区域推荐框。(4)构建多类别害虫目标微调网络，利用多类别害虫目标微调网络对感兴趣区域推荐框进行多类别分类和边界框位置回归，得到害虫目标的类别和坐标位置，统计害虫目标数量。本发明通过感知害虫的边界关键点，使得卷积神经网络学习到害虫目标区域的多尺度特征，不同尺度大小的害虫目标特征表达更丰富，能够更精准的指导多尺度害虫目标的识别和定位。
-
-
-
-
-
-
-
-
-
搜索结果
140 条记录 (耗时 0.04 秒)