-
公开(公告)号:CN119498063A
公开(公告)日:2025-02-25
申请号:CN202411366629.8
申请日:2024-09-27
Applicant: 安徽农业大学
IPC: A01C1/02 , G06V20/10 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/006 , G01N21/3563 , G01N21/359
Abstract: 本发明提供了基于近红外光谱的水稻种子活力快速检测方法,属于光谱分析技术领域。本发明对水稻种子在高温高湿的环境下进行不同程度的老化处理,未经老化的水稻种子作为对照组,采集不同程度老化处理的水稻种子光谱数据,并对数据进行预处理;取出各处理组的种子进行生理指标的测定,包括发芽率和发芽势等;基于预处理后的光谱数据,采用数据增强方法来充分体现样本数据的内部特征和类别差异;应用Conv1D‑GRU框架,模型能够同时捕捉光谱数据中的空间特征和时序信息,全连接层将提取到的综合特征用活力预测,并通过softmax层输出分类结果,使用混合优化种群搜索算法来进一步优化模型的性能,以实现根据水稻种子老化的不同程度对水稻种子的活力进行快速检测。
-
公开(公告)号:CN118320492B
公开(公告)日:2024-08-23
申请号:CN202410756564.1
申请日:2024-06-13
Applicant: 安徽农业大学
Abstract: 本发明属于污水处理技术领域,具体是一种农田污水多级过滤处理装置,包括第一箱体、第二箱体和第三箱体,其中,第二箱体为横向设置,第一箱体位于第二箱体的左侧,第一箱体底部右侧与第二箱体的左端敞口相通;第三箱体的顶部左侧与第二箱体的右端敞口相通;还包括过滤组件,过滤组件设置在第二箱体内;第三箱体内还设置有锥形滤筒;过滤组件包括第一过滤模块、第二过滤模块和第三过滤模块,当过滤组件发生堵塞时,随着第一箱体内水位的不断增加,使浮块上浮,进而拉动过滤组件向右摆动,以使得第二过滤模块顶部移动到弧形板的右半部分,使过滤组件疏通,也使得第三过滤通道参与到对污水的过滤工作,提高对农田污水的过滤效果。
-
公开(公告)号:CN118320492A
公开(公告)日:2024-07-12
申请号:CN202410756564.1
申请日:2024-06-13
Applicant: 安徽农业大学
Abstract: 本发明属于污水处理技术领域,具体是一种农田污水多级过滤处理装置,包括第一箱体、第二箱体和第三箱体,其中,第二箱体为横向设置,第一箱体位于第二箱体的左侧,第一箱体底部右侧与第二箱体的左端敞口相通;第三箱体的顶部左侧与第二箱体的右端敞口相通;还包括过滤组件,过滤组件设置在第二箱体内;第三箱体内还设置有锥形滤筒;过滤组件包括第一过滤模块、第二过滤模块和第三过滤模块,当过滤组件发生堵塞时,随着第一箱体内水位的不断增加,使浮块上浮,进而拉动过滤组件向右摆动,以使得第二过滤模块顶部移动到弧形板的右半部分,使过滤组件疏通,也使得第三过滤通道参与到对污水的过滤工作,提高对农田污水的过滤效果。
-
公开(公告)号:CN119915771A
公开(公告)日:2025-05-02
申请号:CN202510398362.9
申请日:2025-04-01
Applicant: 安徽农业大学
IPC: G01N21/359 , G06V10/82 , G06N3/045 , G06V10/44 , G06V10/58 , G06V10/774
Abstract: 本发明公开了一种基于高光谱图像的稻种活力检测方法及系统,该方法包括:对样品稻种随机分组,并分别进行老化处理,得到未老化处理的样品稻种组、多个不同老化程度的样品稻种组;采集不同的样品稻种组的稻种光谱数据作为训练样本;将不同的样品稻种组置于预设环境中进行发芽,基于不同样品稻种组的发芽率确定不同样品稻种组的活力水平;基于不同的样品稻种组的稻种光谱数据和对应的活力水平训练预先构建的神经网络模型,得到训练完成的稻种活力检测模型;对于待检测的稻种,采集稻种光谱数据,输入所述稻种活力检测模型,得到稻种活力水平检测结果。本发明实现稻种活力水平快速检测,为水稻种子品质估提供有力支持。
-
公开(公告)号:CN119901706A
公开(公告)日:2025-04-29
申请号:CN202510069032.5
申请日:2025-01-16
Applicant: 安徽农业大学
IPC: G01N21/359 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/08 , G01N21/3563 , G01N21/01
Abstract: 本发明公开了一种水稻籽粒垩白无损检测方法、装置、设备及介质,所述方法利用近红外光谱仪采集待测水稻籽粒的初始光谱数据,并利用水稻籽粒垩白检测模型对所述待测水稻籽粒的初始光谱数据进行处理,以获得所述待测水稻籽粒的垩白检测结果。所述方法基于近红外光谱技术快速、准确及非破坏性的特点,通过近红外光谱采集仪器获取待测水稻籽粒的光谱数据,随后利用特征提取及数据预处理技术,提取水稻籽粒的关键特征,并结合机器学习技术,以实现待测水稻籽粒垩白的无损检测。该方法为水稻籽粒的质量监测提供了有力支撑,对提升水稻生产的质量和效率具有重要意义。
-
-
-
-