-
公开(公告)号：CN105139061A
公开(公告)日：2015-12-09
申请号：CN201510656746.2
申请日：2015-10-08
Applicant: 安徽省农业科学院农业经济与信息研究所
IPC: G06K19/06
Abstract: 本发明公开了一种农作物种子电子代码生成方法及其溯源监管系统，其中，农作物种子电子代码生成方法为：将厂商识别代码、简化身份证码、序列号依次排列，所述农作物品种身份证码简化为由五位数字和字母组合的简化身份证码，所述厂商识别代码直接采用种子企业的组织机构代码，所述序列号由时间戳加上随机码组成，所述农作物种子溯源监管系统由数据库、服务器、电子代码生成器、电子代码载体、扫码系统、用户终端组成，本发明使用方便快速、节约成本、能有效鉴别种子品质和类别，进而提高农作物产量。
-
公开(公告)号：CN104091175A
公开(公告)日：2014-10-08
申请号：CN201410337605.X
申请日：2014-07-15
Applicant: 中国科学院合肥物质科学研究院 , 安徽省农业科学院农业经济与信息研究所
IPC: G06K9/62
Abstract: 本发明涉及一种基于Kinect深度信息获取技术的害虫图像自动识别方法，与现有技术相比解决了害虫图像识别方法识别率低、鲁棒性差的缺陷。本发明包括以下步骤：像素位置转换；图像分割；方向校正；特征提取；特征训练及害虫识别。本发明能够自动识别害虫种类，提高了害虫的识别率与鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN109945784B
公开(公告)日：2020-10-09
申请号：CN201910219713.X
申请日：2019-03-22
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图像Exif元数据的植保图像病虫害尺寸测算方法，与现有技术相比解决了在无长度标尺等参照物的情况下，无法测算出图像中病虫害尺寸的缺陷。本发明包括以下步骤：植保图像的获取；Exif元数据的获取；读取数码相机和微距镜头的参数数据；病虫害尺寸的测算。本发明利用植保图像Exif元数据实现了图像中病斑及昆虫个体大小的测量，为农业图像识别算法提供了尺寸特征，提高了农业病虫害图像自动识别的准确率。
-
公开(公告)号：CN104102922B
公开(公告)日：2017-08-01
申请号：CN201410337565.9
申请日：2014-07-15
Applicant: 中国科学院合肥物质科学研究院 , 安徽省农业科学院农业经济与信息研究所
IPC: G06K9/62
Abstract: 本发明提供一种基于上下文感知字典学习的害虫图像分类方法，包括以下步骤：将已知类别的害虫图像的上下文感知信息添加到害虫图像样本库，得到若干类训练样本，构造学习函数，利用训练样本完成害虫图像过完备字典的学习；将待分类害虫图像进行预处理，得到测试样本；将测试样本进行稀疏表示维数约简处理；将经过稀疏表示维数约简后的测试样本读入稀疏表示分类器，根据通过学习得到的过完备字典，计算测试样本与各类训练样本上下文感知信息的残差；对测试样本与各类训练样本上下文感知信息的残差进行分析，判定测试样本的类别。本发明能够提高复杂场景中的害虫图像分类的精度和效率，提升传统农作物害虫诊断模式。
-
公开(公告)号：CN104091175B
公开(公告)日：2017-08-01
申请号：CN201410337605.X
申请日：2014-07-15
Applicant: 中国科学院合肥物质科学研究院 , 安徽省农业科学院农业经济与信息研究所
IPC: G06K9/62
Abstract: 本发明涉及一种基于Kinect深度信息获取技术的害虫图像自动识别方法，与现有技术相比解决了害虫图像识别方法识别率低、鲁棒性差的缺陷。本发明包括以下步骤：像素位置转换；图像分割；方向校正；特征提取；特征训练及害虫识别。本发明能够自动识别害虫种类，提高了害虫的识别率与鲁棒性。
-
公开(公告)号：CN109945784A
公开(公告)日：2019-06-28
申请号：CN201910219713.X
申请日：2019-03-22
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图像Exif元数据的植保图像病虫害尺寸测算方法，与现有技术相比解决了在无长度标尺等参照物的情况下，无法测算出图像中病虫害尺寸的缺陷。本发明包括以下步骤：植保图像的获取；Exif元数据的获取；读取数码相机和微距镜头的参数数据；病虫害尺寸的测算。本发明利用植保图像Exif元数据实现了图像中病斑及昆虫个体大小的测量，为农业图像识别算法提供了尺寸特征，提高了农业病虫害图像自动识别的准确率。
-
公开(公告)号：CN104102922A
公开(公告)日：2014-10-15
申请号：CN201410337565.9
申请日：2014-07-15
Applicant: 中国科学院合肥物质科学研究院 , 安徽省农业科学院农业经济与信息研究所
IPC: G06K9/62
Abstract: 本发明提供一种基于上下文感知字典学习的害虫图像分类方法，包括以下步骤：将已知类别的害虫图像的上下文感知信息添加到害虫图像样本库，得到若干类训练样本，构造学习函数，利用训练样本完成害虫图像过完备字典的学习；将待分类害虫图像进行预处理，得到测试样本；将测试样本进行稀疏表示维数约简处理；将经过稀疏表示维数约简后的测试样本读入稀疏表示分类器，根据通过学习得到的过完备字典，计算测试样本与各类训练样本上下文感知信息的残差；对测试样本与各类训练样本上下文感知信息的残差进行分析，判定测试样本的类别。本发明能够提高复杂场景中的害虫图像分类的精度和效率，提升传统农作物害虫诊断模式。
-
-
-
-
-
-
Search Results
7
records
(took 0.032 seconds)
