-
公开(公告)号：CN114445817B
公开(公告)日：2024-10-29
申请号：CN202210089310.X
申请日：2022-01-25
申请人： 华南农业大学
IPC分类号： G06V20/69 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/094 , G06N3/096 , G06N3/126
摘要： 本发明公开了一种基于增强拉曼光谱和图像辅助的柑橘缺素症状识别方法，属于人工智能和拉曼光谱应用领域，该方法包括：获取柑橘叶片的增强拉曼光谱数据，构建缺素症状识别的增强拉曼光谱识别网络；获取柑橘叶片的可见光图像，构建缺素症状识别的可见光图像辅助分类网络；分别利用增强拉曼光谱识别网络和可见光图像辅助分类网络对待识别柑橘叶片的缺素症状进行识别，并对识别结果进行加权求和，获取柑橘叶片缺素症状最终识别结果。本发明通过表面增强拉曼技术放大拉曼信号，反应叶片内部微弱的成分信息；利用增强拉曼光谱识别网络和可见光图像辅助分类网络相结合对缺素症状进行综合判断，极大地提高了柑橘缺素症状识别的准确性。
-
公开(公告)号：CN117636459A
公开(公告)日：2024-03-01
申请号：CN202311453572.0
申请日：2023-11-03
申请人： 华南农业大学
IPC分类号： G06V40/20 , G06V10/82 , G06V10/80 , G06V10/40 , G06N3/0464 , G06N3/0455 , G06N3/08
摘要： 本发明公开了一种基于视觉Transformer的步态识别方法，步骤如下：步态数据的预处理、步态黑白轮廓图特征的提取、人体关键点特征的提取、基于视觉Transformer的融合、联合多特征协同字典的步态识别。本发明引入了一种独特的联合步态骨骼特征和步态黑白轮廓图的协同识别方案，能够更加精准地提取出具有显著差异性的步态特征。同时，它还能够将多种类型的步态特征进行合理的联合和互补，充分发挥各种特征的优势。通过本发明公开的步态识别方法可以进一步应用于身份识别领域。
-
公开(公告)号：CN110940636B
公开(公告)日：2020-12-08
申请号：CN201911237047.9
申请日：2019-12-05
申请人： 华南农业大学
摘要： 本发明公开了一种柑橘林病虫害智能识别与林间信息监测系统，包括：移动识别监测平台采集各种图像以及林间数据，并发送给上位机和云平台；并进行初步诊断，将初步诊断结果发送给上位机；无人机采集遥感图像，发送给云平台和上位机，以及对遥感图像进行处理，生成空中遥感诊断结果，并发送给上位机；上位机接收并显示各种图像、林间数据、初步诊断结果以及空中遥感诊断结果，以及向移动识别监测平台和无人机发送用户指令；上位机从云平台获取多源数据融合分析诊断结果和处方图；云平台将从移动识别监测平台和无人机获取的数据进行多源数据融合分析，并向上位机发送多源数据融合分析的诊断结果和处方图，以有效减少人力、时间投入。
-
公开(公告)号：CN109948563A
公开(公告)日：2019-06-28
申请号：CN201910229945.3
申请日：2019-03-22
申请人： 华南农业大学
摘要： 本发明公开一种基于深度学习的松材线虫病枯死树检测定位方法，包括以下步骤：(1)采集样本图像，预处理样本图像，并对松树进行标注，得到训练样本；(2)运用深度学习框架和卷积神经网络对松材线虫病枯死树训练样本进行训练，得到检测模型；(3)无人机对目标区域进行高空定点拍摄，采集图像和位置信息；(4)将采集后的图像传输到检测模型中，检测模型对采集后的图像进行枯死树识别，并输出检测完成后的检测图像，根据枯死树在图像中坐标位置，最终得到松材线虫病枯死树地理位置信息处方图。本发明能够快速、高效以及准确地检测出患病的松树，判断出患病松树的位置，以便后续的处理。
-
公开(公告)号：CN109636791A
公开(公告)日：2019-04-16
申请号：CN201811528272.3
申请日：2018-12-13
申请人： 华南农业大学
CPC分类号： G06T7/0002 , G06N3/08 , G06T2207/10004 , G06T2207/20081 , G06T2207/30188
摘要： 本发明涉及一种基于深度学习的柑橘黄龙病检测方法、装置及系统，该方法包括：获取待识别柑橘叶片的图像数据；将所述图像数据，输入到移动端的柑橘黄龙病检测的神经网络模型；确定所述图像数据对应的检测结果。该检测方法操作简便、无损、费用低廉、受广大柑橘生产者欢迎；且简化了诊断流程、降低了诊断成本，可以帮忙果农做到了尽早的检测和发现病害，实现对果园中柑橘果树进行快速、实时、准确、无损的诊断，可为果农施肥、生产提供参考，对果树产量有极大帮助，对推动精准农业和农业信息化有积极作用。
-
公开(公告)号：CN104008551B
公开(公告)日：2017-06-13
申请号：CN201410255640.7
申请日：2014-06-10
申请人： 华南农业大学
摘要： 本发明公开了一种基于可见光图像的柑橘黄龙病检测方法，在训练阶段，采集大量已感染柑橘黄龙病的柑橘叶片的图像以及正常叶片的图像，提取纹理特征和颜色特征的特征值，将上述特征值与正常叶片的特征值通过BP神经网络进行训练、学习，得到最优的BP神经网络模型；在进行识别阶段，提取待识别叶片图像的特征，输入上述最优的BP神经网络模型中，即判断柑橘树是否健康。本发明还可进一步判断黄龙病的种类，以及是否是非黄龙病黄化。本发明能够对柑橘黄龙病进行早期、准确、非破坏性诊断，具有检测精度高的优点。
-
公开(公告)号：CN103278460B
公开(公告)日：2015-07-29
申请号：CN201310210407.2
申请日：2013-05-30
申请人： 华南农业大学
摘要： 本发明公开了一种柑橘树红蜘蛛虫害胁迫情况测试分析方法，包括以下步骤：1)选取多片柑橘健康叶片样本与柑橘红蜘蛛叶片样本；2)采集柑橘叶片样本的高光谱图像；3)测定柑橘叶片样本的叶绿素和类胡萝卜素含量；4)对采集的高光谱图像进行预处理；5)对预处理后的高光谱图像进一步去噪；6)提取进一步去噪的高光谱图像的特征波段；7)利用提取的特征波段建立检测模型，通过逐步回归分析挑选出最佳波段组合，确定与叶绿素、类胡萝卜素含量之间的定量关系；8)采用所建立模型对柑橘叶片的叶绿素和类胡萝卜素含量进行检测，进而预测柑橘树红蜘蛛虫害胁迫情况。本发明通过建立模型预测柑橘树红蜘蛛虫害胁迫情况，具有非人工、无损害的特点。
-
公开(公告)号：CN111768490B
公开(公告)日：2023-06-27
申请号：CN202010406089.7
申请日：2020-05-14
申请人： 华南农业大学
摘要： 本发明公开了一种基于迭代最近点与人工干预的植物三维建模方法及系统，该方法包括下述步骤：多视角获取植物的点云数据；对获得的植物点云进行可视化操作；根据人机交互算法定位感兴趣的点云区域并切除背景；基于统计分析的方法判别离群点噪声并滤除离群点噪声；对获得的多组点云进行初始配准；采用初始配准后的点云作为初始解，采用ICP配准算法进行精准配准，得到精准配准结果；采用体素化网格法进行点云精简，得到最终的植物三维模型。本发明采用多视角获取植物点云数据，解决枝叶遮挡问题，对植物点云数据去除边缘噪声，提出人工干预和点云的精准配准方法，在植物枝叶相互遮挡的情况下，能够很好地建立植物的三维模型。
-
公开(公告)号：CN114445817A
公开(公告)日：2022-05-06
申请号：CN202210089310.X
申请日：2022-01-25
申请人： 华南农业大学
IPC分类号： G06V20/69 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06N3/12
摘要： 本发明公开了一种基于增强拉曼光谱和图像辅助的柑橘缺素症状识别方法，属于人工智能和拉曼光谱应用领域，该方法包括：获取柑橘叶片的增强拉曼光谱数据，构建缺素症状识别的增强拉曼光谱识别网络；获取柑橘叶片的可见光图像，构建缺素症状识别的可见光图像辅助分类网络；分别利用增强拉曼光谱识别网络和可见光图像辅助分类网络对待识别柑橘叶片的缺素症状进行识别，并对识别结果进行加权求和，获取柑橘叶片缺素症状最终识别结果。本发明通过表面增强拉曼技术放大拉曼信号，反应叶片内部微弱的成分信息；利用增强拉曼光谱识别网络和可见光图像辅助分类网络相结合对缺素症状进行综合判断，极大地提高了柑橘缺素症状识别的准确性。
-
公开(公告)号：CN113361377A
公开(公告)日：2021-09-07
申请号：CN202110615906.4
申请日：2021-06-02
申请人： 华南农业大学
摘要： 本发明提供一种植物生长管控模型构建方法、电子设备、存储介质，方法包括，采集可见光图像数据和多光谱图像数据，对其进行处理分别输入可见光数据处理模型和多光谱数据处理模型，对这两个数据处理模型进行训练，使其能够识别植物生长情况，结合植物的种植知识和环境数据，判断植物生长情况，匹配出对应的植物管控操作的决策指令，形成植物生长管控初始模型，对其进行验证改进形成植物生长管控模型。本发明能够将采集的信息处理，将其与植物的种植知识进行结合，根据环境数据发出具体的决策指令，农作人员根据决策指令进行操作，对植物进行精准管控，按需实现精细化作业，在降低劳动力成本、减少资源浪费和环境污染的同时，实现丰产丰收。
-
-
-
-
-
-
-
-
-
搜索结果
49 条记录 (耗时 0.029 秒)
