-
公开(公告)号:CN114359727B
公开(公告)日:2024-06-04
申请号:CN202111663816.9
申请日:2021-12-31
Applicant: 华南农业大学
IPC: G06V20/10 , G06V10/774 , G06V10/36 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/048 , G06N3/0985
Abstract: 本发明公开了一种基于轻量级优化Yolo v4的茶叶病害识别方法及系统,所述方法包括:采集茶叶病害图片,经预处理后作为训练Yolo v4模型的数据集;对Yolo v4模型中的特征提取主干模块和特征提取融合模块进行轻量级优化,获取优化后的Yolo v4模型;利用训练Yolo v4模型的数据集对优化后的Yolo v4模型进行训练和验证,获取识别茶叶病害的最优Yolo v4模型;利用得到的最优Yolo v4模型对茶叶病害图像进行识别。通过本发明有效减少了原始Yolo v4网络模型庞大的参数量和模型体积,并提升了茶叶病害目标的检测效率和识别精度。
-
公开(公告)号:CN117852766A
公开(公告)日:2024-04-09
申请号:CN202410042828.7
申请日:2024-01-11
Applicant: 华南农业大学
IPC: G06Q10/063 , G06Q10/04 , G06Q50/02 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于改进时间序列的果园土壤电导率预测方法,包括以下步骤:S1,获取基于原始时间序列的果园农情数据;S2,基于改进时间序列对原始时间序列的果园农情数据进行处理,获得改进时间序列数据;S3,将改进时间序列数据输入Transformer‑BiLSTM模型中进行果园土壤电导率预测,获得最佳预测结果。本发明通过使用改进时间序列的数据集,降低了数据集的冗余度;同时利用Transformer‑BiLSTM模型来处理时序数据,既具有处理长距离数据依赖性以及捕获全局序列信息的优势,又具有处理双向长短时记忆数据以及捕获局部上下文信息和时序特征的优势,保证了时序数据处理的效率,提高了果园土壤电导率预测结果的准确度。
-
公开(公告)号:CN116797952A
公开(公告)日:2023-09-22
申请号:CN202310831002.4
申请日:2023-07-07
Applicant: 华南农业大学
Abstract: 本发明涉及荔枝产量预测技术领域,具体涉及基于无人机多光谱图像和长势信息的荔枝产量预测方法,该方法包括:获取果园待测区域不同生育期的荔枝树冠层的多光谱遥感影像数据拼接成全景多光谱图像数据,采集地面长势信息以及果园待测区域每棵荔枝树的实际产量,根据获取数据进行随机森林模型构建,筛选特征参数并进行归一化处理,输入随机森林模型形成最佳加权估产模型。本发明首先通过利用先进的无人机遥感技术,扩大了荔枝数据采集范围,同时降低工作人员的工作量,提升数据采集效率,通过建立最佳加权估产模型大大提高荔枝产量估测精度,同时相比传统通过相机采集荔枝图像避免了漏检和遮挡的问题,提高采集数据的全面性。
-
公开(公告)号:CN114495093A
公开(公告)日:2022-05-13
申请号:CN202210134409.7
申请日:2022-02-14
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于边缘计算的手持式病虫害识别与防治方法及系统,涉及农业害虫检测防治技术领域,其方法包括:对ShuffleNet卷积神经网络进行优化;利用迁移学习方法训练优化后的ShuffleNet卷积神经网络,并将训练好的ShuffleNet卷积神经网络部署到边缘计算设备,构建病虫害识别模型;获取待识别病虫害图片,将待识别病虫害图片输入病虫害识别模型进行识别,确定病虫害类别;根据病虫害类别制定防治方法,并通过无线网络进行病虫害的防治。该系统基于所述方法实现病虫害的识别与防治,通过本发明能够利用手持设备精确高效的完成农作物病虫害的识别与防治。
-
公开(公告)号:CN110169340A
公开(公告)日:2019-08-27
申请号:CN201910440583.2
申请日:2019-05-24
Applicant: 华南农业大学
Abstract: 本发明公开提供了一种基于无人机通信的果园管理与控制系统及方法,由无人机上搭载的远程ZigBee-GPRS网关与无线传感器网络节点组合,果园环境数据在WSN、GPRS和Internet间进行采集与传输,实现远距离果园环境实时检测,并根据检测结果对果园农场进行灌溉,有效减少了果园劳动力的投入,提高果园农场灌溉效率。
-
公开(公告)号:CN108196556A
公开(公告)日:2018-06-22
申请号:CN201711478980.6
申请日:2017-12-29
Applicant: 华南农业大学
CPC classification number: G05D1/0808 , G05D1/101
Abstract: 本发明公开了一种基于无人机的山地柑橘园灌溉控制系统和方法,所述系统包括:多个灌溉节点,与灌溉节点无线连接的无人机;每个灌溉节点包括:第一核心处理器,与第一核心处理器电连接的土壤温湿度传感器模块、双稳态电磁阀模块、GPS模块和第一无线通信模块;无人机包括:第二核心处理器,与第二核心处理器电连接的九轴运动传感器模块、无刷电机电子调速器模块、气压计模块、GPS电子罗盘二合一模块、第二无线通信模块和无线控制模块;第一无线通信模块和第二无线通信模块无线连接。本发明公开提供了基于无人机的山地柑橘园灌溉控制系统和方法,将无人机技术应用在山地柑橘园中,有效减少柑橘种植的劳动力投入,提高了山地柑橘灌溉效率。
-
公开(公告)号:CN119885076A
公开(公告)日:2025-04-25
申请号:CN202411967987.4
申请日:2024-12-30
Applicant: 华南农业大学
IPC: G06F18/25 , G01N33/00 , G01N27/00 , G01D21/02 , G06F18/213 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/0455 , G06N3/0499 , G06F123/02
Abstract: 本发明公开了一种基于时序数据的恶臭气体定性定量检测方法及系统,其中方法包括:获取气体综合响应数据并进行预处理,得到时间序列响应数据;基于时间序列响应数据分别输入至主编码器和序列分解单元,对应得到综合特征数据和综合信息数据;基于综合特征数据输入至第一DCT通道注意力机制层得到增强特征数据;基于增强特征数据输入至主解码器得到初步气体浓度信息;基于综合信息数据输入至数据融合单元得到漂移信息;基于漂移信息输入至补偿输出单元得到气体浓度补偿信息;基于初步气体浓度信息和气体浓度补偿信息进行融合,得到多通道恶臭气体信息预测结果。在连续检测过程中提高了对于多组分恶臭气体识别准确度和恶臭气体浓度预测精度。
-
公开(公告)号:CN116840447A
公开(公告)日:2023-10-03
申请号:CN202310829150.2
申请日:2023-07-07
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于多传感器与神经网络的土壤紧实度检测方法,能够适用各种地形,包括:采集多种质地土壤样本的检测数据;进行无迹卡尔曼滤波以及数据清洗,输出去除噪声后的力‑时间‑对地距离三维度信息和土壤多参数信息数据;基于力‑时间‑对地距离三维度信息和土壤多参数信息数据对物理信息神经网络模型进行训练;计算每次插入土壤过程的力的分布、功率分布、动态分布、频域特征和时频特征,并结合力‑时间‑对地距离三维度信息训练深度神经网络模型;将训练后的模型进行融合,引入调和参数α进行混合模型的训练;将待测样本土壤的力‑时间‑对地距离三维度信息和温湿度数据作为混合模型的输入,输出预测的土壤紧实度。
-
公开(公告)号:CN116797950A
公开(公告)日:2023-09-22
申请号:CN202310765595.9
申请日:2023-06-27
Applicant: 华南农业大学
IPC: G06V20/17 , G01N21/27 , G01N21/55 , G01N21/01 , G01D21/02 , G06V20/10 , G06N5/01 , G06N20/20 , G06F18/23 , G06F18/27 , G06Q50/02
Abstract: 本发明公开了一种基于无人机多光谱遥感的茶树水分胁迫监测方法,包括:获取多光谱图像,基于多光谱图像得到光谱反射率图像,基于光谱反射率图像得到植被指数;采集数据:茶树叶片冠层温度、气孔导度信息、茶树冠层上方空气温度和茶树各区域土壤体积含水率信息;基于茶树叶片冠层温度和茶树冠层上方空气温度得到冠气温差信息;基于植被指数和茶树叶片冠层温度得到冠层温度反演模型;基于茶树各区域土壤体积含水率信息和冠气温差信息得到冠气温差上下限;基于冠层温度反演模型、冠层温差上下限和冠层上方空气温度建立茶树水分胁迫指数经验模型;利用气孔导度信息对茶树水分胁迫指数经验模型进行优化。实现了对茶树水分胁迫情况进行精准监测。
-
公开(公告)号:CN114663785A
公开(公告)日:2022-06-24
申请号:CN202210272036.X
申请日:2022-03-18
Applicant: 华南农业大学
IPC: G06V20/17 , G06V20/68 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T3/40 , G01N21/25
Abstract: 本发明公开了一种基于无人机高光谱的荔枝病害检测方法及系统,通过无人机搭载机载高光谱相机获取并处理得到局部高光谱数据和可见光数据;将局部高光谱数据经过处理拼接成一幅高光谱立体全景图;选取特定大小的区域,将该区域中的光谱数据输入预先构建的病害数据模型,判断出该区域植株健康状况以及患病类型。该方法运用2D和3D卷积神经网络构建了深度影像拼接模型和病害数据模型,残差结构的设计使网络运算更加简单,所需计算量变小,为利用高光谱遥感技术进行大规模果园病害发散动向、病情监测和预警提供了数据支持。
-
-
-
-
-
-
-
-
-