-
公开(公告)号：CN119600400A
公开(公告)日：2025-03-11
申请号：CN202411639993.7
申请日：2024-11-18
Applicant: 安徽农业大学
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06V20/05 , G06V40/10 , G06T5/90 , G06T7/90 , G06T5/60 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种患病鱼类检测方法及检测装置，属于计算机视觉检测技术领域。针对现有技术中存在的患病鱼类疾病检测效率低下、准确度不高且无法实时检测等问题，本发明通过构建患病鱼类检测模型，所述患病鱼类检测模型包括主干网络、颈部网络和检测头网络；将患病鱼类图像输入到基于空间深度卷积神经网络的主干网络中进行特征提取得到视觉特征图，再输入视觉特征图到颈部网络的对比度增强传递注意力结构中进行特征融合处理得到融合特征图，最后，将融合特征图输入到检测头网络中通过多头预测小目标检测算法检测得到患病鱼类目标检测结果，实现实时进行鱼群疾病检测，有效提高鱼类患病的检测效率和检测精度，具有较强的实用性和适用广泛性。
-
公开(公告)号：CN114548265B
公开(公告)日：2024-06-21
申请号：CN202210157494.9
申请日：2022-02-21
Applicant: 安徽农业大学
IPC: G06V10/764 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种作物叶片病害图像生成模型训练方法、作物叶片病害识别方法、电子设备及存储介质，属于图像增强技术领域。基于层级式SwinT网络作为叶片区域提取模块的特征提取网络，设计多阶段重叠式嵌入和分层级特征下采样模块优化SwinT的图像嵌入方式和渐进式层级结构，根据重构特征图生成显著图并提取叶片区域。将叶片区域提取模块集成到图像生成模型，通过设计背景损失函数引导图像生成模型仅在叶片区域生成病斑，实现叶片病害图像数据集的有效增强。本发明能够提升生成作物叶片病害图像的生成效率与质量，显著提高作物叶片病害识别模型的准确率和鲁棒性，具有计算代价低、所需的训练数据量小、收敛快速且稳定等特点。
-
公开(公告)号：CN118038451A
公开(公告)日：2024-05-14
申请号：CN202410431523.5
申请日：2024-04-11
Applicant: 安徽农业大学
IPC: G06V20/68 , G06V10/80 , G06V10/74 , G06V10/774 , G06V10/762
Abstract: 本发明公开了一种开放世界果实检测模型构建方法、检测方法及电子设备，属于计算机视觉和自然语言处理技术领域。本发明构建所得检测模型包括：文本编码模块，用于生成输入文本的文本特征向量；图像编码模块，用于生成输入图像的图像特征向量；图文特征融合模块，用于多层融合和交互文本特征和图像特征，生成融合后的图像特征向量和文本特征向量；深度估计模块，用于生成输入图像的深度估计特征；目标检测头，用于进一步融合和提取所得的融合后的图像特征向量、文本特征向量和深度估计特征，得到预测结果。本发明结合图像、深度估计算法和开放文本，实现了未见类别的果实检测和定位。
-
公开(公告)号：CN117115668B
公开(公告)日：2024-01-26
申请号：CN202311374559.6
申请日：2023-10-23
Applicant: 安徽农业大学
IPC: G06V20/10 , G06N3/0455 , G06N3/0464 , G06V10/26 , G06V10/44 , G06V10/52 , G06V10/82
Abstract: 型提取。本发明能够提升作物冠层表型信息的提本发明公开了一种作物冠层表型信息提取 取效率与精度。方法、电子设备及存储介质，属于图像处理技术领域。本发明采用编码器‑解码器架构设计语义分割模型，融合基于多维权重聚合的动态卷积神经网络与基于级联自注意力的作物特征提取网络，增强对环境因素和作物生长分布差异的鲁棒性。在编、解码器连接处引入作物上下文信息提取模块，并联有效的空洞卷积组合捕获作物冠层像素点与其邻域像素点特征以辅助分类决策，提升模型对作物冠层像素与背景像素的辨别能力。
-
公开(公告)号：CN116678862A
公开(公告)日：2023-09-01
申请号：CN202310681543.3
申请日：2023-06-08
Applicant: 安徽农业大学
Abstract: 本发明公开了一种植株叶绿素荧光三维成像装置及方法，属于植株叶绿素荧光三维领域。针对现有技术中存在的植株叶绿素荧光三维成像方法实现复杂、需要多角度拍摄、合成图像需要大量数据等问题，本发明提供了一种植株叶绿素荧光三维成像装置及方法，在不同位置光源下获取植株单视角图像通过植株神经辐射场对植株进行三维重建，生成植株精细三维模型，同时结合渲染对植株精细三维模型进行优化，得到植株三维图像以及植株叶绿素荧光三维图像，由此能够提高单视角下植株叶绿素荧光三维成像的精度和速度，减少数据处理时间，为植株生长、疾病和逆境应答等研究提供更加准确、全面的信息。
-
Patent Agency Ranking
公开(公告)号：CN110421580B
公开(公告)日：2023-08-18
申请号：CN201910824297.6
申请日：2019-09-02
Applicant: 安徽农业大学
Abstract: 本发明适用于智能机器人技术领域，尤其涉及一种田间智能机器人，所述田间智能机器人包括：移动平台，用于带动所述机器人移动；多目标识别测距模块，用于采集田间图像信息；控制器，用于接收所述田间图像信息，根据所述田间图像信息识别田间异物，并控制除草与微耕模块清除所述田间异物和对土地进行微耕；所述除草与微耕模块用于在所述控制器的控制下清除所述田间异物和对土地进行微耕；电源模块，用于为所述机器人供电。本发明实施例通过引入多目标识别测距模块和除草与微耕模块，能够有效解决现有技术中对多目标识别与测距精度不高以及杂草异物清除时不能同步微耕且功能单一问题。
-
公开(公告)号：CN113361194B
公开(公告)日：2022-10-04
申请号：CN202110623651.6
申请日：2021-06-04
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于深度学习的传感器漂移校准方法、电子设备及存储介质，属于传感器校准技术领域。该方法采用数据增广方法扩充数据样本，为传感器漂移校准提供了数据保障，所提出的传感器漂移校准方法包括漂移特征提取和漂移校准两个部分，分别对应于漂移特征提取模块和校准模块。漂移特征提取模块通过多尺度卷积层提取数据中隐藏在不同尺度上时间和频率的漂移关键特征，为校准模块奠定基础；校准模块采用基于自注意力的一维残差卷积神经网络有效利用邻近传感器间数据相关性对漂移数据进行漂移补偿，能够同时校准传感器群组中多个传感器的漂移。该方法能充分利用数据的时间和空间特征，有效提取数据中的漂移特征，提高了数据采集质量。
-
公开(公告)号：CN114509404A
公开(公告)日：2022-05-17
申请号：CN202210141354.2
申请日：2022-02-16
Applicant: 安徽农业大学
IPC: G01N21/359 , G01N21/01 , G06F30/27 , G06N20/10
Abstract: 本发明公开了一种高光谱土壤有效硼含量预测方法，通过预处理建模根据可见近红外高光谱预测土壤有效硼含量，首先将采集的可见近红外高光谱数据进行预处理转换，再结合回归算法建立土壤有效硼含量预测模型，从而实现根据土壤有效硼含量预测模型利用土壤光谱数据预测土壤有效硼含量。能够实现利用可见近红外高光谱无损、实时、快速、准确、室内检测土壤有效硼含量。
-
公开(公告)号：CN114119574A
公开(公告)日：2022-03-01
申请号：CN202111443534.8
申请日：2021-11-30
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于机器视觉的采摘点检测模型构建方法及采摘点定位方法，属于人工智能检测技术领域。采集采摘目标多角度RGB图像和深度图像通过视角映射生成采摘目标的第一点云集合作为训练集；采用三维重建方法实时重建采摘本体树冠层第二点云集合作为验证集和测试集，训练采摘点检测模型Alpha‑VoteNet。采摘时，采用三维重建方法实时三维重建采摘对象树冠层第三点云集合，利用采摘点检测模型获取采摘对象树冠层的所有采摘目标的采摘区域标注框，并根据标注框底面顶点计算底面中心获取采摘点三维坐标。本方法克服了传统方法中无法获取采摘目标的三维信息和因障碍物遮挡造成识别精度不高的问题，具有检测精度高、识别速度快和泛化能力强等特点。
-
公开(公告)号：CN112215893A
公开(公告)日：2021-01-12
申请号：CN202011170842.3
申请日：2020-10-28
Applicant: 安徽农业大学
Abstract: 本发明适用于计算机视觉技术领域，提供一种目标二维中心坐标点确定方法、装置、设备及测距系统。目标二维中心坐标点确定方法包括：获取原始图像中的目标的轮廓边缘图像；对轮廓边缘图像进行第一遍历，并确定轮廓边缘图像中的第一指定区域；对第一指定区域进行第二遍历，并确定第二指定区域；在第二指定区域内选取符合第二预设条件的像素点作为目标二维中心坐标点，并回算目标二维中心坐标点在原始图像中的坐标。在农作物或杂草的轮廓边缘图像中，越接近目标中心位置单位区域内像素点越密集，本发明通过两次遍历提取像素点最密集的区域，并在该区域内选取一个像素点作为目标的二维中心坐标点，提高农田除草机器人对目标定位的准确度。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.028 seconds)
