-
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：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。
-
-
Patent Agency Ranking
公开(公告)号：CN115100148A
公开(公告)日：2022-09-23
申请号：CN202210733236.0
申请日：2022-06-23
Applicant: 安徽省农业科学院农业经济与信息研究所
Abstract: 本发明提供了一种基于轻量型卷积神经网络的农作物害虫检测方法，通过以YOLO‑L ite模型为基础网络模型，将轻量型沙漏块并嵌入至所述YOLO‑L ite模型，将坐标注意力块分别嵌入经典残差块和轻量型沙漏块中，以生成YOLOLite‑CSG模型；其中，所述轻量型沙漏块包括分组卷积层和通道混洗层；获取待检测农作物图像，基于YOLOLite‑CSG模型对所述农作物图像执行害虫检测。通过基于轻量型卷积神经网络的农作物害虫检测模型YOLOL ite‑CSG，模型以YOLOv3为基础，并优化残差块数量和输出通道数，同时，采用k‑means++生成先验框，并替换部分残差块为轻量型沙漏块，最后引入坐标注意力机制，实现检测精度的大大提高，且参数量和计算量大幅下降，适合部署于农业环境中。
-
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：CN115131662A
公开(公告)日：2022-09-30
申请号：CN202210716513.7
申请日：2022-06-22
Applicant: 安徽省农业科学院农业经济与信息研究所
Abstract: 本发明提供了一种基于注意力特征融合的轻量级农作物病害图像识别方法。针对基于卷积神经网络的农作物病害识别模型参数量大，计算量高的问题，提出了一种基于轻量级注意力特征融合网络的农作物病害识别模型。该模型以ResNet18为基础网络模型，使用轻量级残差块(DSGResNet block)和倒残差替换基础网络模型ResNet18中的残差块，再使用注意力特征融合模块替换模型中的特征融合模块，相对于现有技术中的ResNet18模型大大降低了模型的参数量和计算量，同时提高了模型的农作物病害识别能力。
-
公开(公告)号：CN113239947B
公开(公告)日：2022-09-23
申请号：CN202110264082.0
申请日：2021-03-10
Applicant: 安徽省农业科学院农业经济与信息研究所
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于细粒度分类技术的害虫图像分类方法，与现有技术相比解决了害虫细粒度识别效果差的缺陷。本发明包括以下步骤：训练图像的获取；害虫识别网络的构建；害虫识别网络的训练；待识别害虫图像的获取；害虫识别结果的获得。本发明使用特征过滤融合和设计损失函数达到了最高性能，能同时适用于相近害虫和粗类害虫的分类，均能获得理想效果。同时，针对背景非常复杂，且害虫颜色和形态与背景较为接近的害虫，也能关注到了目标本身，可准确识别，进一步拓宽农业害虫自动分类的害虫类别数量。
-
公开(公告)号：CN113239947A
公开(公告)日：2021-08-10
申请号：CN202110264082.0
申请日：2021-03-10
Applicant: 安徽省农业科学院农业经济与信息研究所
Abstract: 本发明涉及一种基于细粒度分类技术的害虫图像分类方法，与现有技术相比解决了害虫细粒度识别效果差的缺陷。本发明包括以下步骤：训练图像的获取；害虫识别网络的构建；害虫识别网络的训练；待识别害虫图像的获取；害虫识别结果的获得。本发明使用特征过滤融合和设计损失函数达到了最高性能，能同时适用于相近害虫和粗类害虫的分类，均能获得理想效果。同时，针对背景非常复杂，且害虫颜色和形态与背景较为接近的害虫，也能关注到了目标本身，可准确识别，进一步拓宽农业害虫自动分类的害虫类别数量。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.032 seconds)
