-
公开(公告)号：CN115797928A
公开(公告)日：2023-03-14
申请号：CN202211568315.7
申请日：2022-12-08
申请人： 安徽大学
摘要： 本发明涉及一种基于可旋转椭圆框的小麦条锈病菌夏孢子显微图像检测方法，包括：获取夏孢子原始显微图像；对夏孢子原始显微图像进行预处理，得到标注数据；基于可旋转椭圆框构建夏孢子检测模型；将训练集输入夏孢子检测模型进行训练，得到训练后的夏孢子检测模型；将测试集中的夏孢子显微图像输入到训练后的夏孢子检测模型，训练后的夏孢子检测模型输出夏孢子检测信息，通过夏孢子检测信息检测定位出显微图像中的小麦条锈病菌夏孢子。本发明能够精准检测并分割出夏孢子显微图像中的夏孢子，且推理速度较快；对小麦条锈病菌夏孢子检测的识别精确度达到了98.61％，分割率达到了85.15％，推理速度为0.3254s/iter，达到了实时检测的应用需求。
-
公开(公告)号：CN113869246B
公开(公告)日：2022-04-01
申请号：CN202111163882.X
申请日：2021-09-30
申请人： 安徽大学
IPC分类号： G06V20/69 , G06V10/774 , G06K9/62
摘要： 本发明涉及基于改进CenterNet技术的小麦条锈病菌夏孢子显微图像检测方法，与现有技术相比解决了难以针对夏孢子显微图像进行检测的缺陷。本发明包括以下步骤：夏孢子显微图像的获取和预处理；夏孢子检测网络的构建；夏孢子检测网络的训练；待检测夏孢子显微图像的获取；待检测夏孢子显微图像检测结果的获得。本发明能够精准检测并分割出夏孢子显微图像中的夏孢子，且检测速度快。
-
公开(公告)号：CN117274988A
公开(公告)日：2023-12-22
申请号：CN202311319722.9
申请日：2023-10-11
申请人： 安徽大学
IPC分类号： G06V20/69 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/762 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495
摘要： 本发明公开了一种基于Yolov5s的小麦条锈病菌孢子显微图像检测方法及系统，该方法包括如下步骤：孢子显微图像的获取；孢子显微图像的预处理；孢子检测网络的构建，该孢子检测网络通过聚类算法重新确定预设锚框，在Backbone模块加入了引入transformer模型的C3TR单元，在Neck模块采用轻量型上采样层；孢子检测网络的训练；通过训练后的孢子检测网络对孢子进行检测计数。本发明能够精准检测孢子显微图像中的孢子，且模型参数量小。
-
公开(公告)号：CN113869246A
公开(公告)日：2021-12-31
申请号：CN202111163882.X
申请日：2021-09-30
申请人： 安徽大学
摘要： 本发明涉及基于改进CenterNet技术的小麦条锈病菌夏孢子显微图像检测方法，与现有技术相比解决了难以针对夏孢子显微图像进行检测的缺陷。本发明包括以下步骤：夏孢子显微图像的获取和预处理；夏孢子检测网络的构建；夏孢子检测网络的训练；待检测夏孢子显微图像的获取；待检测夏孢子显微图像检测结果的获得。本发明能够精准检测并分割出夏孢子显微图像中的夏孢子，且检测速度快。
-
公开(公告)号：CN115565012A
公开(公告)日：2023-01-03
申请号：CN202211285868.1
申请日：2022-10-20
申请人： 安徽大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06V20/10 , G06V20/52 , G06N3/04 , G06N3/08 , G06Q50/02 , G06Q50/26
摘要： 本发明涉及一种基于自旋式Unet++网络的小麦条锈病夏孢子监测方法，包括：获取夏孢子显微图像；构建样本数据集；将样本数据集分为训练集、测试集和验证集；对Unet++网络模型进行改进，得到改进后的Unet++网络模型；将样本数据集中的图像输入至改进后的Unet++网络模型中，进行自旋式训练，得到夏孢子计数网络模型，并输出带检测框的样本数据集中的图像；训练夏孢子计数网络模型；将待检测的夏孢子显微图像输入到训练后的夏孢子计数网络模型，输出带检测框和计数的图像。本发明中夏孢子计数网络模型的计数准确率高，达到了99.03％；分割率较高，达到了86.45％；检测速率较高，达到了14张/秒，占用内存较小，仅为46.8MB。
-
-
-
-
搜索结果
5 条记录 (耗时 0.029 秒)
