-
公开(公告)号：CN117315481B
公开(公告)日：2025-03-21
申请号：CN202311369853.8
申请日：2023-10-23
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/764 , G06V10/77 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/58 , G06V10/80 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及一种基于光谱‑空间自注意力和Transformer网络的高光谱图像分类方法，包括：输入高光谱图像；使用主成分分析进行降维，得到降维后的高光谱图像；通过CBAM模块进行初步的光谱‑空间特征学习；进行初步特征学习；再经过光谱注意力模块得到光谱特征，最后继续挖掘光谱特征；输入空间注意力模块；输入Transformer模块，对全局特征进行学习；将经过全局特征学习的高光谱图像，最后经过全局池化、展平、批归一化和线性层，得到最终分类结果。本发明通过对高光谱图像作为研究对象，使用二维卷积能够在保持计算效率的同时减少计算量和节约成本；实现轻量级、高效率的特征提取和通道选择，提高了中心特征向量识别的准确性，增强了空间提取能力。
-
公开(公告)号：CN118502095A
公开(公告)日：2024-08-16
申请号：CN202410560334.8
申请日：2024-05-08
Applicant: 安徽大学
Abstract: 本发明公开了八电机联合驱动的孢子显微图像全自动采集装置与方法，涉及智能农机装备和生物科学领域，包括：微处理器、八个驱动器、八个步进电机、载物台、载玻片片仓机构、涂刮凡士林机构、显微图像采集机构、孢子捕捉风道机构、继电器I/O控制模块、显微镜点束光源、吸风风机、真空泵和太阳能供电系统。本发明能够采用八个步进电机联合驱动完成推取载玻片、涂刮凡士林、空中孢子捕捉、显微图像采集和载玻片回收等智能连续作业，执行机构设计更简单、更省电且作业更高效，具有更广阔的应用前景。
-
公开(公告)号：CN117315481A
公开(公告)日：2023-12-29
申请号：CN202311369853.8
申请日：2023-10-23
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/764 , G06V10/77 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/58 , G06V10/80 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及一种基于光谱‑空间自注意力和Transformer网络的高光谱图像分类方法，包括：输入高光谱图像；使用主成分分析进行降维，得到降维后的高光谱图像；通过CBAM模块进行初步的光谱‑空间特征学习；进行初步特征学习；再经过光谱注意力模块得到光谱特征，最后继续挖掘光谱特征；输入空间注意力模块；输入Transformer模块，对全局特征进行学习；将经过全局特征学习的高光谱图像，最后经过全局池化、展平、批归一化和线性层，得到最终分类结果。本发明通过对高光谱图像作为研究对象，使用二维卷积能够在保持计算效率的同时减少计算量和节约成本；实现轻量级、高效率的特征提取和通道选择，提高了中心特征向量识别的准确性，增强了空间提取能力。
-
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
Applicant: 安徽大学
IPC: G06V20/69 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/762 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495
Abstract: 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：CN117218537A
公开(公告)日：2023-12-12
申请号：CN202311178242.5
申请日：2023-09-13
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/764 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于Transformer和非局部神经网络双分支架构的高光谱图像分类方法，包括：输入高光谱图像H；对输入的高光谱图像H进行双分支处理：将多个立方块Hsp作为空间子网络的输入，取H的光谱信息Hspe作为光谱子网络的输入；得到一维空间特征；得到一维光谱特征；构建多层感知器模块将提取的一维空间特征和一维光谱特征进行融合，得到分类结果。本发明通过对高光谱图像作为研究对象，用双分支策略以在充分保持计算效率的同时减少计算量和节约成本；本发明所提出的空间注意力机制探索中心像素和周围像素的相似性，提高了中心像素识别的准确性，增强了空间提取能力。
-
Patent Agency Ranking
公开(公告)号：CN116630971A
公开(公告)日：2023-08-22
申请号：CN202310904702.1
申请日：2023-07-24
IPC: G06V20/69 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/77 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明涉及基于CRF_ResUnet++网络的小麦赤霉病孢子分割方法，与现有技术相比解决了难以针对样本为赤霉病孢子的小目标密集且存在粘连进行精准分割的缺陷。本发明包括以下步骤：小麦赤霉病孢子识别图像的获取；CRF_ResUnet++网络的构建；CRF_ResUnet++网络的训练；待分割小麦赤霉病孢子图像的获取；小麦赤霉病孢子分割结果的获得。本发明利用具有编码器解码器结构的Unet++对孢子图像进行初始分割，再在Unet++中引入残差块ResNet，以强化特征的传播能力，提取更多孢子细节信息，最后使用全连接条件随机场模型进行后处理，得到更精确的边缘和完整孢子区域。
-
公开(公告)号：CN116630223A
公开(公告)日：2023-08-22
申请号：CN202211095048.6
申请日：2023-04-25
Applicant: 安徽大学
Abstract: 本申请涉及农业图像处理的领域，并公开了一种基于深度卷积神经网络的水稻图像去雨方法，包括以下步骤：获取待去雨的水稻的有雨图像；将待去雨的水稻的有雨图像输入训练后的水稻图像去雨网络，并输出去雨后的水稻图像信息；将无雨的水稻图像信息进行远程传输后进行表型监测。本申请解决了现有技术中在农业水稻图像领域，雨痕易于重叠，水稻图像去雨痕较难的技术问题，实现了可以具有很好的去雨效果，并且可以使得图片雨线或者雨滴更容易去除。
-
公开(公告)号：CN115773449A
公开(公告)日：2023-03-10
申请号：CN202211443970.X
申请日：2022-11-18
Applicant: 安徽大学
Abstract: 本发明公开了一种无人机用多角度采集装置，涉及无人机图像采集领域，本发明包括安装机构，包括安装板；采集机构，其设置于安装机构一侧，包括设于安装板一侧的调节组件以及设于调节组件一侧的采集组件，调节组件包括设于安装板一侧的两个限位板以及与限位板活动连接的丝杆；防护机构，其设置于是谁安装机构一侧，包括设于安装板上的防护板。本发明一种无人机用多角度采集装置，通过第一电机带动丝杆转动，使得移动板在水平方向上进行调节，再使用第二电机带动调节轴转动，使得摄像头在竖直方向上移动，从而完成摄像头多角度采集图像的目的，能够对作物的表型进行全面的收集，降低了无人机操控的难度，提高了采集效率。
-
公开(公告)号：CN115049891A
公开(公告)日：2022-09-13
申请号：CN202210499685.3
申请日：2022-05-09
Applicant: 安徽大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06V20/68
Abstract: 本申请涉及定位测距的领域，公开了一种基于YOLOv5的草莓定位与测距方法，包括以下步骤：利用双目摄像头采集草莓照片，得到草莓图像；对所述草莓图像进行灰度转换处理，得到草莓灰度图像；利用预设模型对所述草莓灰度图像进行识别；其中，所述预设模型基于YOLOv5网络中训练得到。本申请解决了现有技术中定位与测距精度不高的技术问题，实现了利用训练出的模型来提高识别精度和识别效率。
-
公开(公告)号：CN115019303A
公开(公告)日：2022-09-06
申请号：CN202210892609.9
申请日：2022-07-27
Applicant: 安徽大学
Abstract: 本发明涉及基于自注意力机制的草莓病害图像识别方法，与现有技术相比解决了草莓病害图像难以识别的缺陷。本发明包括以下步骤：获取草莓病害图像数据集并进行预处理；构建草莓病害分类识别模型；构建草莓病害自注意力机制模块；草莓病害分类识别模型的训练；待识别草莓病害图像的获得；待识别草莓病害图像结果的获得。本发明解决现阶段草莓病害识别精度问题，使用数据增强处理草莓病害图像，并提出了自注意力机制模块，结合使用草莓病害分类识别模型作为骨干网络加快草莓病害的识别速度与准确度。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.088 seconds)
