公开(公告)号：CN117152735A

公开(公告)日：2023-12-01

申请号：CN202311119458.4

申请日：2023-09-01

Applicant: 安徽大学

Inventor： 陈鹏 ,  张明年 ,  章军 ,  夏懿 ,  王兵 ,  梁栋 ,  黄磊 ,  张波 ,  庞春辉 ,  王俊峰

IPC: G06V20/68 ,  G06V10/774 ,  G06V10/776 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/25 ,  G06V10/764 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明涉及一种基于改进yolov5s的番茄成熟度分级方法，包括：获取图像；进行图像预处理，得到训练集、测试集和验证集；对yolov5s模型进行改进；采用训练集对改进后的yolov5s模型进行训练，得到训练好的yolov5s模型；采用测试集对训练好的yolov5s模型进行测试，利用测试集中的图片进行定性以及定量的相关指标的评估；将待分级的番茄图片输入训练好的yolov5s模型，训练好的yolov5s模型识别出成熟的番茄。本发明用高像素相机获取成熟番茄图像，将深度学习技术中的全卷积图像分割网络应用到番茄智能采摘中，根据实际使用场景对网络结构进行调整，利用采集的番茄图像数据集训练卷积神经网络，最终使网络能够自动检测成熟番茄。

公开(公告)号：CN117063903A

公开(公告)日：2023-11-17

申请号：CN202311223649.5

申请日：2023-09-21

Applicant: 安徽大学

Inventor： 陈鹏 ,  王俊峰 ,  章军 ,  夏懿 ,  梁栋 ,  朱瑞 ,  庞春晖 ,  李高强 ,  张波 ,  张明年 ,  孟维庆

IPC: A01M1/04 ,  A01M1/20 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明涉及一种大型虫情监测回收方法，包括下列顺序的步骤：打开黑光引虫灯管和加热仓的上仓门，吸引虫子来到加热仓；关闭加热仓的上仓门和下仓门，执行加热杀虫工作，杀死虫子后，打开下仓门，加热烘干的虫子落到圆盘上摆放；位于圆盘正上方的相机对圆盘上的虫子进行拍照；拍摄的照片分别存储本地和上传云端进行识别，通过基于深度学习的图像识别模型，对图片内容进行依次识别；启动电刷对圆盘上的害虫进行清扫和回收。本发明还公开了一种大型虫情监测回收装置。本发明基于硬件、软件、电子、网络实现了自动化、智能化的虫情测报设备，为农业、林业等各个领域提供虫情的监测功能；实现软硬件的自动化，这使得虫情测报灯的工作更高效。

公开(公告)号：CN118709050B

公开(公告)日：2024-10-29

申请号：CN202411187392.7

申请日：2024-08-28

Applicant: 安徽大学 ,  漳州市测绘设计研究院

Inventor： 苗永春 ,  孙世龙 ,  孙海信 ,  李迎松 ,  王俊峰

IPC: G06F18/241 ,  G06N3/045 ,  G06N3/0464 ,  G06F18/211 ,  G06F18/213 ,  G06F18/25 ,  G06F18/27

Abstract: 本发明公开了一种空间异构融合的鲸类信号分类方法及系统，涉及海洋工程鲸类信号处理领域，方法包括：采集鲸类信号，并对鲸类信号进行非重叠等长帧裁剪、归一化等预处理，得到所有信号帧的特征异构向量；基于所有信号帧的特征异构向量，筛选出鲸类信号高区分度的关键特征；重组高区分度的关键特征异构向量，引入异构三分支骨干网络和空间异构注意力融合网络，构建鲸类信号分类模型；利用鲸类信号分类模型完成鲸类信号分类。本发明筛选高区分度的关键特征，有效避免冗余特征引起的过拟合，降低时空复杂度。本发明构建空间异构注意力融合的分类网络，利用时域、频域和时频域特征信息，深层捕获不同域特征的互补信息，提高相似特征鲸类信号的区分度。

公开(公告)号：CN118709050A

公开(公告)日：2024-09-27

申请号：CN202411187392.7

申请日：2024-08-28

Applicant: 安徽大学 ,  漳州市测绘设计研究院

Inventor： 苗永春 ,  孙世龙 ,  孙海信 ,  李迎松 ,  王俊峰

IPC: G06F18/241 ,  G06N3/045 ,  G06N3/0464 ,  G06F18/211 ,  G06F18/213 ,  G06F18/25 ,  G06F18/27

Abstract: 本发明公开了一种空间异构融合的鲸类信号分类方法及系统，涉及海洋工程鲸类信号处理领域，方法包括：采集鲸类信号，并对鲸类信号进行非重叠等长帧裁剪、归一化等预处理，得到所有信号帧的特征异构向量；基于所有信号帧的特征异构向量，筛选出鲸类信号高区分度的关键特征；重组高区分度的关键特征异构向量，引入异构三分支骨干网络和空间异构注意力融合网络，构建鲸类信号分类模型；利用鲸类信号分类模型完成鲸类信号分类。本发明筛选高区分度的关键特征，有效避免冗余特征引起的过拟合，降低时空复杂度。本发明构建空间异构注意力融合的分类网络，利用时域、频域和时频域特征信息，深层捕获不同域特征的互补信息，提高相似特征鲸类信号的区分度。