-
公开(公告)号：CN118135329A
公开(公告)日：2024-06-04
申请号：CN202410443070.8
申请日：2024-04-12
Applicant: 华南农业大学
IPC: G06V10/764 , G06V10/82 , G06V10/40 , G06N3/0455 , G06N3/08 , G06V10/20
Abstract: 本发明公开了一种基于Transformer的多种茶叶的识别方法，包括以下步骤：S1：获取茶叶的数据集，其中数据集包括有多种不同的茶叶图像；S2：对数据集进行预处理；S3：将数据集中的茶叶图像输入到Transformer网络模型中进行训练，以得到茶叶图像对应的特征图；S4：对特征图进行分类识别，以得到茶叶的分类结果。本发明利用Transformer网络模型学习不同茶叶的纹理与叶脉特征，实现对茶叶的自动分类识别，有效提高识别效率，且模型结构简单；另外，Transformer网络模型可以获得茶叶图像的全局视野，其对茶叶图像有较好的特征提取表征能力，从而能够有效地提高茶叶的分类识别精度。
-
公开(公告)号：CN108090501B
公开(公告)日：2020-08-18
申请号：CN201711190762.2
申请日：2017-11-24
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于平皿实验和深度学习的抑菌程度识别方法，包括下述步骤：S1、确定药敏纸片位置；S2、测定抑菌圈大小；S3、构造样本集：给深度学习模型构造带标签的样本集，用于训练模型；S4、构建及训练模型：构建能够用来识别药敏纸片的模型，并用训练样本集进行训练；S5、使用模型识别药敏纸片；S6、判定药物的抑菌程度：通过模型识别出的药物种类，从数据库中查询对应的抑菌标准，再确定抑菌圈的直径属于标准中的哪一个区间，从而得到药物的抑菌程度。本发明的方法，使得操作人员只需拍摄平皿图像，就能从图像中识别出每个药敏纸片所属的药物种类，以及其对应的抑菌圈的大小，使得自动化抑菌程度识别成为可能。
-
公开(公告)号：CN107239965A
公开(公告)日：2017-10-10
申请号：CN201710249662.6
申请日：2017-04-17
Applicant: 华南农业大学
CPC classification number: G06Q30/0212 , G06K7/1417 , G06Q30/018
Abstract: 本发明公开了一种基于多项式插值的商品抽奖方法，包括步骤：每一个产品对应一个序列号，序列号的全部或者其一部分用于生成一个多项式；将所述序列号转化为二维码，贴在产品外包装处，将验证码贴于产品内包装；用户使用专用APP扫描所述二维码，专用APP根据所述序列号重构多项式；用户输入验证码，所述专用APP计算验证码是否在所述多项式曲线上，以验证产品是否是正品；若产品是正品，则所述专用APP将所述多项式曲线发送到服务器端；所述服务器端计算所述多项式曲线是否与保存在服务器端的一个几何区域相交，以验证产品是否中奖。与现有技术相比，本发明的服务器端只需要保存很少的数据，减轻了服务器的压力，加快了验证速度。
-
公开(公告)号：CN118864852A
公开(公告)日：2024-10-29
申请号：CN202410893900.7
申请日：2024-07-04
Applicant: 华南农业大学
IPC: G06V10/26 , G06V10/25 , G06V10/82 , G06V10/44 , G06V20/40 , G06V20/52 , G06V40/10 , G06V10/80 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于改进YOLOV8的狮头鹅检测方法，本发明的狮头鹅检测模型为基于YOLOV8模型的改进：第一，将YOLOV8模型的主干网络中除了第一个CBS模块之外的其余CBS模块均替换为RFAConv模块，提高了主干网络对狮头鹅的特征提取能力；第二，将YOLOV8模型的特征融合网络替换为CCFM网络，能够增强模型对不同尺度的狮头鹅对象的检测能力，使得大尺寸和小尺寸的狮头鹅都能检测到；第三，将YOLOV8模型的检测头替换为DyHead模块，以使得模型能够有效地检测被遮挡的狮头鹅。综上，本发明提高了复杂背景、小目标、密集遮挡等复杂场景下的狮头鹅识别准确率，能够有效识别实际养殖场景中的狮头鹅，为实现狮头鹅养殖场智能化管理提供技术支持。
-
公开(公告)号：CN112751671A
公开(公告)日：2021-05-04
申请号：CN202011620056.9
申请日：2020-12-30
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于树型奇偶机的新型密钥交换方法，包括：S1，通信双方均在本地生成树型奇偶机网络模型；S2，通信双方均生成滑动窗口；S3，通信双方产生相同的随机向量；S4，将随机向量x输入网络模型；模型分别输出τa、τb；S5，判断τa和τb是否相等；S6，按照Hebbian的更新规则更新模型的权值，并且将结果true保存至滑动窗口中；S7，重复执行步骤S3‑S6，直到双方的权值向量的Hash值完全相同，得到双方的网络权值Ka和Kb。本发明实现神经网络自同步的性质来达到密钥交换的目的。以加入动态学习率后的更新规则更新双方的模型的权值的方法可以降低网络同步所需的次数，加快网络的同步速度。
-
Patent Agency Ranking
公开(公告)号：CN112398640A
公开(公告)日：2021-02-23
申请号：CN202011266384.3
申请日：2020-11-13
Applicant: 华南农业大学
Abstract: 本发明公开了一种优化的区块链共识算法，所述区块链网络中的节点：所述区块链网络中的节点中包括保留Fabric框架的Peer节点和Orderer节点；所述Primary节点为主节点，且Primary节点为任一时间段内提交大量交易的唯一节点，所述节点状态：每个Peer节点都有一个状态标识，标明自己是处于无请求状态、已发送请求状态/等待生成区块状态或是大数据量录入请求状态这三个状态中的任一个；所述Status List状态列表：每个Peer节点维护一张状态列表，且上面记录着能访问到其他节点的必要信息以及节点状态。本申请中不同的阶段由不同的节点参与，不需要全网的节点都参加，网络的性能和扩展性得到优化。
-
公开(公告)号：CN108090502B
公开(公告)日：2020-05-15
申请号：CN201711191507.X
申请日：2017-11-24
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于深度学习的最低抑菌浓度识别方法，包括下述步骤：S1、图像切割得到单孔图像：将原始图像处理成模型能够接收的单孔图像；S2、构造样本：给用作训练的单孔图像加上对应标签，构成深度学习模型能够用来训练的样本；S3、构建及训练模型：构建能够用来识别溶液浑浊与否的模型，并用训练样本集进行训练；S4、使用模型判断浑浊与否：模型可以接收训练集以外的图像，判断其溶液是浑浊还是清澈；S5、得到药品对应最低抑菌浓度：根据微孔板中各个圆孔的浑浊/清澈情况得出药品最低抑菌浓度。本发明大大提高了操作人员的工作效率，由于其无需专用设备的特性，能够推广到大多数的工作单位，为工作研究提供方便。
-
公开(公告)号：CN112751671B
公开(公告)日：2022-07-05
申请号：CN202011620056.9
申请日：2020-12-30
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于树型奇偶机的新型密钥交换方法，包括：S1，通信双方均在本地生成树型奇偶机网络模型；S2，通信双方均生成滑动窗口；S3，通信双方产生相同的随机向量；S4，将随机向量x输入网络模型；模型分别输出τa、τb；S5，判断τa和τb是否相等；S6，按照Hebbian的更新规则更新模型的权值，并且将结果true保存至滑动窗口中；S7，重复执行步骤S3‑S6，直到双方的权值向量的Hash值完全相同，得到双方的网络权值Ka和Kb。本发明实现神经网络自同步的性质来达到密钥交换的目的。以加入动态学习率后的更新规则更新双方的模型的权值的方法可以降低网络同步所需的次数，加快网络的同步速度。
-
公开(公告)号：CN108650268A
公开(公告)日：2018-10-12
申请号：CN201810462200.7
申请日：2018-05-15
Applicant: 华南农业大学
IPC: H04L29/06
CPC classification number: H04L63/0428 , H04L63/0435 , H04L63/062 , H04L63/105
Abstract: 本发明公开了一种实现多级访问的可搜索加密方法，包括以下步骤：数据拥有者将文件和用户端的权限分等级，并生成公钥、密钥并分配给用户端，对文件生成标签和加密文件号，通过加密算法加密文件权限，生成链表，依据链表生成字典并上传检索服务器，加密文件号上传到文件服务器；用户端通过密钥和关键字查询，并在字典上进行搜索，用户权限与文件权限相同或者大于文件权限，则成功解出，再通过密钥解密文件号，并获得加密文件号对应的文件；本发明以可搜索对称加密为基础，将数据分级的基础上，将可查询用户进行权限分级，实现分级管理，并设置判断条件，实现查询用户的权限访问功能的加密方法。
-
公开(公告)号：CN108090501A
公开(公告)日：2018-05-29
申请号：CN201711190762.2
申请日：2017-11-24
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于平皿实验和深度学习的抑菌程度识别方法，包括下述步骤：S1、确定药敏纸片位置；S2、测定抑菌圈大小；S3、构造样本集：给深度学习模型构造带标签的样本集，用于训练模型；S4、构建及训练模型：构建能够用来识别药敏纸片的模型，并用训练样本集进行训练；S5、使用模型识别药敏纸片；S6、判定药物的抑菌程度：通过模型识别出的药物种类，从数据库中查询对应的抑菌标准，再确定抑菌圈的直径属于标准中的哪一个区间，从而得到药物的抑菌程度。本发明的方法，使得操作人员只需拍摄平皿图像，就能从图像中识别出每个药敏纸片所属的药物种类，以及其对应的抑菌圈的大小，使得自动化抑菌程度识别成为可能。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.02 seconds)
