-
公开(公告)号:CN116994243B
公开(公告)日:2024-04-02
申请号:CN202310944621.4
申请日:2023-07-31
Applicant: 安徽省农业科学院农业经济与信息研究所
IPC: G06V20/68 , G06V10/26 , G06V10/32 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种轻量级农业害虫检测方法及系统。通过获取待检测图像,并对所述待检测虫害图像执行预处理操作;所述预处理操作包括图像尺寸处理为预定大小尺寸;对预处理后的待检测图像,基于轻量级农业害虫检测算法YOLOLite‑X算法模型执行农业害虫检测;输出农业害虫检测结果。相对于现有技术,构建了高精度的轻量级农业害虫检测算法YOLOLite‑X,SPD‑Conv方法主要采用简单的特征变换实现图像下采样,参数量和计算量远少于跨步卷积。
-
公开(公告)号:CN116994243A
公开(公告)日:2023-11-03
申请号:CN202310944621.4
申请日:2023-07-31
Applicant: 安徽省农业科学院农业经济与信息研究所
IPC: G06V20/68 , G06V10/26 , G06V10/32 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种轻量级农业害虫检测方法及系统。通过获取待检测图像,并对所述待检测虫害图像执行预处理操作;所述预处理操作包括图像尺寸处理为预定大小尺寸;对预处理后的待检测图像,基于轻量级农业害虫检测算法YOLOLite‑X算法模型执行农业害虫检测;输出农业害虫检测结果。相对于现有技术,构建了高精度的轻量级农业害虫检测算法YOLOLite‑X,SPD‑Conv方法主要采用简单的特征变换实现图像下采样,参数量和计算量远少于跨步卷积。
-
公开(公告)号:CN118657903A
公开(公告)日:2024-09-17
申请号:CN202410888564.7
申请日:2024-07-04
Applicant: 安徽省农业科学院农业经济与信息研究所 , 安徽省农业科学院水产研究所
IPC: G06T17/10 , G06T15/00 , G06T15/08 , G06T15/50 , G06V10/25 , G06V10/26 , G06V40/10 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/54 , G06V10/46 , G06V10/56 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0985
Abstract: 本发明涉及一种结合实例分割和改进神经辐射场的黄颡鱼三维重建方法,包括:图像预处理;制作黄颡鱼数据集;在卷积神经网络的主干网络中加入SA注意力机制模块,形成轻量化聚合网络;将轻量化聚合网络加入神经辐射场模型即NeRF模型中,得到基于空间图像特征的NeRF模型,进行三维重建,生成新视角的图像即3D图片;进行消融实验研究,对估计结果的准确性进行对比。通过改进的网络结构和训练流程,显著提高了计算效率,能够从稀疏的视角集合,甚至是单一视角中有效合成新的视图;本发明在设计上考虑到了跨场景的泛化能力,通过在学习过程中整合多视图图像和空间特征,大大增强了模型对未见场景的适应能力。
-
-