-
公开(公告)号：CN118090722A
公开(公告)日：2024-05-28
申请号：CN202410098313.9
申请日：2024-01-24
Applicant: 安徽农业大学
Abstract: 本发明公开了一种水果隐性损伤检测方法及系统，方法包括：获取若干待测水果；采集待测水果调制后的不同视角下的双频结构光图像；将所述双频结构光图像输入至预先训练的水果隐性损伤检测模型，输出不同视角下待测水果的隐性损伤区域。利用本发明实施例，能够提供一种成本低、速度快、适用性强的水果隐性损伤检测方法，不仅能够保证水果的品质安全，而且能够提升水果的经济效益。
-
公开(公告)号：CN117455912B
公开(公告)日：2024-03-19
申请号：CN202311784225.6
申请日：2023-12-23
Applicant: 安徽农业大学
Abstract: 本发明涉及图像处理技术领域，公开了一种基于三平面镜的玉米穗粒全景计数方法，包括如下步骤：步骤S1：搭建基于三平面镜的玉米穗粒全景计数系统，该系统主要包括三面平面镜、多个标准圆柱体、一个支撑底座、一个摄像机和光源，其中，平面镜反射其他视角下的玉米穗粒图像，标准圆柱体对相机进行标定，支撑底座固定玉米的位置，摄像机采集标准圆柱数据集和玉米穗粒数据集。本发明提供基于三平面镜的玉米穗粒全景计数方法，实现对玉米产量的精确估算。玉米穗粒全景计系统能够同时获取三个不同视角下的玉米穗粒图像并计算出整根玉米穗的粒数。相较于其他计数系统，该系统具有速度快、精度高等显著优点，能够更好地满足实际需求。
-
公开(公告)号：CN116840236A
公开(公告)日：2023-10-03
申请号：CN202310739385.2
申请日：2023-06-21
Applicant: 安徽农业大学
IPC: G01N21/88
Abstract: 本发明涉及水果机械损伤检测技术领域，公开了一种薄皮水果亚表面机械损伤检测方法，包括以下步骤：S1搭建光照明反射成像系统，并采集灰度反射图像；S2利用三相解调算法从灰度反射图像中求解出直流分量图像与交流分量图像；S3选择全局阈值，将直流分量图像进行二值化，生成仅包含苹果区域的掩膜图像。本发明采用结构光照明反射成像技术，解决了水果亚表面机械损伤区域因表面几乎看不见而导致的难检测问题；使得水果亚表面机械损伤区域呈现更好的对比度；解决了水果近似球形形状导致靠近边缘区域的亚表面机械损伤难以被有效检测的问题；具有非接触、成本低、精度高、速度快的优点。
-
公开(公告)号：CN117953544B
公开(公告)日：2024-08-02
申请号：CN202410348589.8
申请日：2024-03-26
Applicant: 安徽农业大学
IPC: G06V40/10 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/094 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06V20/64
Abstract: 本发明公开了一种目标行为监测方法及系统，方法包括：采集目标的单视角图片；将所述单视角图片输入预先训练的扩散模型，输出所述目标的一组多视角图片；将所述多视角图片输入预先训练的NeRF网络，输出所述目标的三维点云数据；将所述三维点云数据输入预先训练的分类网络，输出所述目标的行为模式。利用本发明实施例，能够通过深度学习技术提高目标行为的监测水平和准确性，不需要使用传感器监测目标的行为模式，降低成本，适应性较强，进一步高效和准确评估目标的生长发育状况。
-
公开(公告)号：CN118379728B
公开(公告)日：2024-08-27
申请号：CN202410842103.6
申请日：2024-06-27
Applicant: 安徽农业大学
IPC: G06V20/68 , G06V10/141 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/09
Abstract: 本发明涉及图像处理技术领域，公开了一种基于双平面镜的玉米穗粒全景计数系统，计数系统包括底板、两个平面镜、一个支撑底座、一个摄像机、三个滑轨和三个挡板以及光源；两个平面镜尺寸相同，且两个平面镜垂直放置于底板上，两个平面镜的一侧接触且二者之间的夹角为120°，摄像机安装在支撑底座的正前方；三块挡板分别安装在三个滑轨上，三个滑轨沿周向均匀阵列分布在支撑底座的四周。本发明提出的计数方法能够同时获取多个视角的玉米穗粒图像信息，并通过深度学习算法对图像进行处理和分析，从而准确计算出整根玉米穗粒的数量。与其它计数系统相比，该系统具有速度快、精度高、操作简便等显著优点，能够更好地满足实际需求。
-
Patent Agency Ranking
公开(公告)号：CN117314870A
公开(公告)日：2023-12-29
申请号：CN202311306359.7
申请日：2023-10-10
Applicant: 安徽农业大学
Abstract: 本发明涉及图像分析技术领域，公开了一种植物叶片三维表型分析方法，包括以下步骤：S1构建结构光三维成像系统：其中，结构光三维成像系统包括相机、投影仪和计算机；S2植物图像信息采集：利用相机采集投影仪投影至植物叶片的条纹图像和植物叶片的RGB图像；S3条纹图像的条纹分析。本发明采用结构光三维成像系统重建的植物点云数据精度高，计算的植物叶片表型参数精度高，能有效地反应植物叶片的真实长势信息；使用改进的Mask R‑CNN分割算法对植物叶片进行实例分割，将结构光技术和深度学习算法的结果相结合，可以实现自动化的叶片三维表型分析；得到植物叶片的三维信息，帮助育种人员实时地了解植物的生长状态，更好地管理和培养植物。
-
公开(公告)号：CN116106280A
公开(公告)日：2023-05-12
申请号：CN202310009357.5
申请日：2023-01-03
Applicant: 安徽农业大学
IPC: G01N21/64
Abstract: 本发明公开了基于结构光视觉的植物三维叶绿素荧光成像系统，包括：步骤S1：搭建三维叶绿素荧光成像系统；步骤S2：红色滤波片模式下切换测量光光源、光化光光源、饱和脉冲光源、远红光光源，采集不同状态下植物的叶绿素荧光图像；步骤S3：打开普通白光光源，红色、绿色、蓝色滤波片模式下依次采集植物的单通道图像，融合获得植物的三通道彩色图像；步骤S4：关闭所有光源，中性滤波片模式下采集被植物调制后的双频十二步相移条纹图像，重构出植物的三维点云模型；步骤S5：利用叶绿素荧光图像、三通道彩色图像对植物三维点云模型进行逐像素渲染，实现植物三维叶绿素荧光成像。
-
公开(公告)号：CN116012249A
公开(公告)日：2023-04-25
申请号：CN202310002686.7
申请日：2023-01-03
Applicant: 安徽农业大学
Abstract: 本发明公开了一种用于条纹投影系统的伽马误差校正方法，包括：步骤S1：搭建条纹投影三维测量系统；步骤S2：利用三步相移法计算整周期未校正截断相位；步骤S3：将整周期未校正截断相位换算成1/6周期未校正截断相位；步骤S4：对1/6周期未校正截断相位进行直方图均衡化，获得1/6周期已校正截断相位，并换算成整周期已校正截断相位；步骤S5：利用相位展开算法恢复出已校正绝对相位，再根据条纹投影系统标定结果，将已校正绝对相位映射至三维空间，重构出待测物体的三维形貌。本发明提供的一种用于条纹投影系统的伽马误差校正方法，充分考虑了伽马误差的周期性和对称性，无需任何预标定过程和额外条纹图像，具有测量精度高、速度快、灵活性强的优势。
-
公开(公告)号：CN117953544A
公开(公告)日：2024-04-30
申请号：CN202410348589.8
申请日：2024-03-26
Applicant: 安徽农业大学
IPC: G06V40/10 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/094 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06V20/64
Abstract: 本发明公开了一种目标行为监测方法及系统，方法包括：采集目标的单视角图片；将所述单视角图片输入预先训练的扩散模型，输出所述目标的一组多视角图片；将所述多视角图片输入预先训练的NeRF网络，输出所述目标的三维点云数据；将所述三维点云数据输入预先训练的分类网络，输出所述目标的行为模式。利用本发明实施例，能够通过深度学习技术提高目标行为的监测水平和准确性，不需要使用传感器监测目标的行为模式，降低成本，适应性较强，进一步高效和准确评估目标的生长发育状况。
-
公开(公告)号：CN118379728A
公开(公告)日：2024-07-23
申请号：CN202410842103.6
申请日：2024-06-27
Applicant: 安徽农业大学
IPC: G06V20/68 , G06V10/141 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/09
Abstract: 本发明涉及图像处理技术领域，公开了一种基于双平面镜的玉米穗粒全景计数系统，计数系统包括底板、两个平面镜、一个支撑底座、一个摄像机、三个滑轨和三个挡板以及光源；两个平面镜尺寸相同，且两个平面镜垂直放置于底板上，两个平面镜的一侧接触且二者之间的夹角为120°，摄像机安装在支撑底座的正前方；三块挡板分别安装在三个滑轨上，三个滑轨沿周向均匀阵列分布在支撑底座的四周。本发明提出的计数方法能够同时获取多个视角的玉米穗粒图像信息，并通过深度学习算法对图像进行处理和分析，从而准确计算出整根玉米穗粒的数量。与其它计数系统相比，该系统具有速度快、精度高、操作简便等显著优点，能够更好地满足实际需求。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.028 seconds)
