-
公开(公告)号：CN115035280B
公开(公告)日：2024-07-19
申请号：CN202210509461.6
申请日：2022-05-10
Applicant: 华南农业大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G06V10/10 , G06V10/764 , G06N3/0464 , G06V10/774 , G06T3/04 , G06T3/4038 , G06T3/60 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于YOLO的柑橘花朵花苞识别方法及轻量级计算系统，该方法包括：对柑橘花图像数据进行图像标注和增强处理，并构建得到训练集；引入级联融合模块，基于YOLOv4‑CF神经网络结构框架构建识别模型；基于训练集训练识别模型，得到训练完成的识别模型；实时采集柑橘花图片并输入至训练完成的识别模型，输出识别结果。该系统存储有如上所述基于YOLO的柑橘花朵花苞识别方法。通过使用本发明，能够实时对柑橘花进行精确识别。本发明作为一种基于YOLO的柑橘花朵花苞识别方法及轻量级计算系统，可广泛应用于检测识别领域。
-
公开(公告)号：CN115035280A
公开(公告)日：2022-09-09
申请号：CN202210509461.6
申请日：2022-05-10
Applicant: 华南农业大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G06V10/10 , G06V10/764 , G06N3/04 , G06V10/774 , G06T3/00 , G06T3/40 , G06T3/60 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于YOLO的柑橘花朵花苞识别方法及轻量级计算系统，该方法包括：对柑橘花图像数据进行图像标注和增强处理，并构建得到训练集；引入级联融合模块，基于YOLOv4‑CF神经网络结构框架构建识别模型；基于训练集训练识别模型，得到训练完成的识别模型；实时采集柑橘花图片并输入至训练完成的识别模型，输出识别结果。该系统存储有如上所述基于YOLO的柑橘花朵花苞识别方法。通过使用本发明，能够实时对柑橘花进行精确识别。本发明作为一种基于YOLO的柑橘花朵花苞识别方法及轻量级计算系统，可广泛应用于检测识别领域。
-
Patent Agency Ranking
公开(公告)号：CN114067788A
公开(公告)日：2022-02-18
申请号：CN202111313774.6
申请日：2021-11-08
Applicant: 华南农业大学
Abstract: 本发明提供了一种基于CNN和LSTM结合的粤剧唱腔分类方法，包括：构建分类网络模型：设置级联卷积神经网络Inception‑CNN为一级网络，设置CNN‑双层LSTM神经网络为二级网络，一级网络的输出连接二级网络的输入；利用分类网络模型进行粤剧唱腔分类：通过特征工程对各唱段粤剧音频信号的梅尔频谱提取梅尔频谱MFCC特征；将梅尔频谱MFCC特征输入至一级网络融合各唱段粤剧音频信号的浅层和深层特征；二级网络学习各唱段粤剧音频信号之间的内在特征，提取上下文关联语义，预测出粤剧唱腔类别。本发明基于多层特征级联卷积神经网络和长短时记忆单元结合的粤剧唱腔分类方法，更加贴合粤剧唱腔特性，充分提取粤剧特征，达到精准分类的效果，表达全面，更加符合实际应用需求。
-
公开(公告)号：CN114067788B
公开(公告)日：2024-12-31
申请号：CN202111313774.6
申请日：2021-11-08
Applicant: 华南农业大学
Abstract: 本发明提供了一种基于CNN和LSTM结合的粤剧唱腔分类方法，包括：构建分类网络模型：设置级联卷积神经网络Inception‑CNN为一级网络，设置CNN‑双层LSTM神经网络为二级网络，一级网络的输出连接二级网络的输入；利用分类网络模型进行粤剧唱腔分类：通过特征工程对各唱段粤剧音频信号的梅尔频谱提取梅尔频谱MFCC特征；将梅尔频谱MFCC特征输入至一级网络融合各唱段粤剧音频信号的浅层和深层特征；二级网络学习各唱段粤剧音频信号之间的内在特征，提取上下文关联语义，预测出粤剧唱腔类别。本发明基于多层特征级联卷积神经网络和长短时记忆单元结合的粤剧唱腔分类方法，更加贴合粤剧唱腔特性，充分提取粤剧特征，达到精准分类的效果，表达全面，更加符合实际应用需求。
-
公开(公告)号：CN113658611A
公开(公告)日：2021-11-16
申请号：CN202110920741.1
申请日：2021-08-11
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于CNN的粤剧流派分类和识别方法，包括以下步骤：获取音频数据样本集，并对音频数据样本集进行预处理，得到梅尔频谱图；构建基于CNN网络构建粤剧流派分类模型；利用梅尔频谱图对粤剧流派分类模型进行训练和测试；利用训练好的粤剧流派分类模型对待预测的粤剧音频文件的流派进行识别和分类，输出预测结果。本发明采用深度学习方法对粤剧唱腔特征进行分析，进而实现对粤剧流派进行分类和识别，预测结果更准确。
-
公开(公告)号：CN115205676A
公开(公告)日：2022-10-18
申请号：CN202210787701.9
申请日：2022-07-04
Applicant: 华南农业大学 , 人工智能与数字经济广东省实验室(广州)
Abstract: 本发明公开了一种基基于YOLO的柑橘青果实时识别方法，该方法包括：采集柑橘果实图像并进行预处理，构建训练集；基于YOLOv5模型，增加检测层，得到改进后的检测网络；基于训练集对改进后的检测网络进行训练，结合改进的损失函数，得到目标检测模型；获取待测数据并基于目标检测模型进行产量监测。通过使用本发明，能够实现柑橘青果实时智能识别与产量监测。本发明作为一种基于YOLO的柑橘青果实时识别方法，可广泛应用于产量监测领域。
-
公开(公告)号：CN114898114A
公开(公告)日：2022-08-12
申请号：CN202210509434.9
申请日：2022-05-10
Applicant: 华南农业大学
Abstract: 本发明公开了一种柑橘花期灰霉病识别方法及SoCFPGA监测系统，该方法包括：获取柑橘花灰霉病图像并进行图像标注，构建得到训练集；根据训练集对预构建的轻量化剪枝YOLOv4‑Tiny模型进行训练，得到识别模型；所述轻量化剪枝YOLOv4‑Tiny模型包括骨干网络、特征金字塔和YOLO检测头；基于识别模型对实时图像进行柑橘花灰霉病识别，得到识别结果。该系统基于ZCUI04平台，包括ARM处理子系统和FPGA可编程逻辑部分。通过使用本发明，能够对柑橘花灰霉病进行实时监测，使柑橘果园合理的进行生产决策调整，提高生产效益。本发明可广泛应用于目标识别领域。
-
-
-
-
-
-
Search Results
7
records
(took 0.028 seconds)
