-
公开(公告)号：CN113469064B
公开(公告)日：2024-03-29
申请号：CN202110757395.X
申请日：2021-07-05
申请人： 安徽大学
IPC分类号： G06V20/10 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明实施方式提供一种复杂环境下的玉米叶病害图像的识别方法及系统，属于图像识别技术领域。所述识别方法包括：获取待识别的玉米叶病害图像；对图像执行第一卷积运算以得到第一特征图；根据公式(1)对第一特征图执行第一池化操作以得到第二特征图；对第二特征图执行第二卷积运算以得到第三特征图；根据公式(2)对第三特征图执行第二池化操作以得到第四特征图；将第四特征图输入分类层中以确定图像对应的玉米叶病害类型。该方法及系统通过构建轻量型神经网络，并结合CASF特征的融合原理，实现了采用轻量型神经网络对玉米叶病害图像的精确、高效识别，克服了现有技术中因采用重量型神经网络而导致的识别方法应用场景局限的技术缺陷。
-
公开(公告)号：CN116311230B
公开(公告)日：2023-08-18
申请号：CN202310556136.X
申请日：2023-05-17
申请人： 安徽大学
IPC分类号： G06V20/68 , G06V10/82 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/774 , G06N3/048 , G06N3/047 , G06N3/082 , G06N3/0464
摘要： 本发明公开了一种面向真实场景下的玉米叶片病害识别方法及装置，包括：获取训练样本集；构建MSDCNeXt模型，所述模型包括多个阶段的MSDCNeXt block堆叠模块，每个阶段的MSDCNeXt block堆叠模块后面设有降采样层，MSDCNeXt block内部采用瓶颈结构的残差模块；基于训练样本集训练所述MSDCNeXt模型，获取玉米叶片病害识别模型；通过训练完成的玉米叶片病害识别模型进行玉米叶片图像分析，获取玉米叶片病害识别结果。本发明通过MSDCNeXt模型提高了玉米叶片病害图像识别准确率。
-
公开(公告)号：CN117436531A
公开(公告)日：2024-01-23
申请号：CN202311763394.1
申请日：2023-12-21
申请人： 安徽大学
IPC分类号： G06N5/04 , G06N5/02 , G06F16/36 , G06F16/33 , G06Q50/02 , G06F40/211 , G06F40/295
摘要： 本申请涉及一种基于水稻病虫害知识图谱的问答系统及方法，其中，基于水稻病虫害知识图谱的问答系统包括：病虫害关系问答模块；所述病虫害关系问答模块包括第一接口单元、信息抽取单元和检索单元；所述第一接口单元用于获取用户输入的当前问题，并输出相应所述当前问题的回复；所述信息抽取单元用于抽取所述当前问题中的主实体，以及用于通过依存句法分析抽取所述当前问题中的目标关系；所述检索单元用于在预先构建的知识图谱中检索与所述主实体具有所述目标关系的目标客实体，并根据所述目标客实体生成所述当前问题的回复。通过本申请，解决了相关技术中存在针对水稻病虫害问答系统的回答缺少可解释性的问题。
-
公开(公告)号：CN114943906A
公开(公告)日：2022-08-26
申请号：CN202210259450.7
申请日：2022-03-16
申请人： 安徽大学
摘要： 本申请公开了一种基于SCResneSt网络的低分辨率水稻虫害Android手机识别系统，包括实时采集模块、预处理模块以及识别模块：所述实时采集模块被配置为实时采集原始图片数据；所述预处理模块被配置为对所述原始图片数据进行预处理，得到待识别图片数据；所述识别模块被配置为将所述待识别图片数据输入至识别模型中进行识别，得到识别结果。本申请解决了现有技术中病虫害图像的准确率低和鲁棒性无法达到应用需求的技术问题，实现了将低分辨率转换成超分辨重构图像，提高了低分辨率水稻害虫识别的准确率。
-
公开(公告)号：CN116311230A
公开(公告)日：2023-06-23
申请号：CN202310556136.X
申请日：2023-05-17
申请人： 安徽大学
IPC分类号： G06V20/68 , G06V10/82 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/774 , G06N3/048 , G06N3/047 , G06N3/082 , G06N3/0464
摘要： 本发明公开了一种面向真实场景下的玉米叶片病害识别方法及装置，包括：获取训练样本集；构建MSDCNeXt模型，所述模型包括多个阶段的MSDCNeXt block堆叠模块，每个阶段的MSDCNeXt block堆叠模块后面设有降采样层，MSDCNeXt block内部采用瓶颈结构的残差模块；基于训练样本集训练所述MSDCNeXt模型，获取玉米叶片病害识别模型；通过训练完成的玉米叶片病害识别模型进行玉米叶片图像分析，获取玉米叶片病害识别结果。本发明通过MSDCNeXt模型提高了玉米叶片病害图像识别准确率。
-
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：CN113469064A
公开(公告)日：2021-10-01
申请号：CN202110757395.X
申请日：2021-07-05
申请人： 安徽大学
摘要： 本发明实施方式提供一种复杂环境下的玉米叶病害图像的识别方法及系统，属于图像识别技术领域。所述识别方法包括：获取待识别的玉米叶病害图像；对图像执行第一卷积运算以得到第一特征图；根据公式(1)对第一特征图执行第一池化操作以得到第二特征图；对第二特征图执行第二卷积运算以得到第三特征图；根据公式(2)对第三特征图执行第二池化操作以得到第四特征图；将第四特征图输入分类层中以确定图像对应的玉米叶病害类型。该方法及系统通过构建轻量型神经网络，并结合CASF特征的融合原理，实现了采用轻量型神经网络对玉米叶病害图像的精确、高效识别，克服了现有技术中因采用重量型神经网络而导致的识别方法应用场景局限的技术缺陷。
-
公开(公告)号：CN117291189A
公开(公告)日：2023-12-26
申请号：CN202311575611.4
申请日：2023-11-24
申请人： 安徽大学
IPC分类号： G06F40/295 , G06N3/0442 , G06N3/045 , G06N3/084 , G06N3/088 , G06F18/213
摘要： 本申请涉及一种基于MA‑RBC模型的水稻病虫害命名实体识别方法，其中，该基于MA‑RBC模型的水稻病虫害命名实体识别方法包括：获取待识别数据；通过训练后的MA‑RBC模型对所述待识别数据中的水稻病虫害命名实体进行识别，得到目标水稻病虫害命名实体；其中，所述MA‑RBC模型包括依次连接的预训练语言层、循环神经网络层、多头自注意力层和统计层。解决了MA‑RBC模型模型识别的准确率问题，实现了提高水稻病虫害实体识别的准确率。所述鲁棒优化的波特预训练层采用动态掩码进行预训练，且所述鲁棒优化的波特预训练层的最大输入序列长度为512，从多个数据源中获取样本数据。通过本申请，解决了MA‑RBC模型模型识别的准确率问题，实现了提高水稻病虫害实体识别的准确率。
-
公开(公告)号：CN117218120A
公开(公告)日：2023-12-12
申请号：CN202311473501.7
申请日：2023-11-08
申请人： 安徽大学
IPC分类号： G06T7/00 , G06N3/0464 , G06N3/08
摘要： 本申请涉及一种实体表面缺陷识别系统，其中，该实体表面缺陷识别系统包括：识别模块；所述识别模块用于通过训练后的轻量化卷积神经网络识别实体表面图像的缺陷类别；其中，所述轻量化卷积神经网络包括多个深度可分离卷积，所述深度可分离卷积包括逐深度卷积，所述逐深度卷积的卷积核大小为7*7，所述深度可分离卷积的输入和输出通过残差支路连接。通过本申请，解决了相关技术中还缺乏有效的实体表面缺陷识别系统的问题，实现了快速准确识别实体表面缺陷的过程。
-
公开(公告)号：CN114596274A
公开(公告)日：2022-06-07
申请号：CN202210204848.0
申请日：2022-03-03
申请人： 安徽大学
摘要： 本发明公开了一种基于改进Cascade RCNN网络的自然背景柑橘黄龙病检测方法，包括：利用Cascade RCNN网络改进后的骨干网络对待检测柑橘图像进行特征提取，改进后的骨干网络中至少一层采用可变形卷积；利用Cascade RCNN网络改进后的区域特征提取网络对骨干网络输出的特征进行高层次语义特征提取，改进后的区域特征提取网络包括一个自下而上卷积融合过程；利用Cascade RCNN网络的级联检测器对区域特征提取网络输出的高层次语义特征进行多阶段级联的目标识别检测过程，获取待检测柑橘图像的黄龙病检测结果。本发明有效提高了对柑橘黄龙病检测的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.02 秒)
