-
公开(公告)号：CN117852720A
公开(公告)日：2024-04-09
申请号：CN202410054385.3
申请日：2024-01-15
Applicant: 暮思科技有限公司 , 中国科学院合肥物质科学研究院
IPC: G06Q10/04 , G06Q50/02 , G06F18/241 , G06F18/27 , G06F18/214 , G06F18/21 , G06F18/2431
Abstract: 本发明公开了一种基于机器学习分类和回归算法的农业多维度施肥预测方法，首先采集真实农业多维度数据，构建农业数据集X，并将其分为农业数据训练集和农业数据测试集；建立农业多维度施肥分类模型，通过农业多维度施肥分类模型来判断当前月份是否需要施肥；建立农业多维度施肥回归模型，通过农业多维度施肥回归模型来预测当前月份的施肥量；采用分块结构的方式建立农业多维度施肥预测模型，通过其获得多种肥料的施肥量；通过所述农业数据测试集，对施肥量进行验证。本发明的农业多维度施肥预测方法，具有能够综合农业生产过程中的各种因素来精准地预测各种肥料的施肥量、节约肥料的同时能够确保产量、精度高、稳定性高和泛化性强等优点。
-
公开(公告)号：CN118172240A
公开(公告)日：2024-06-11
申请号：CN202410275072.0
申请日：2024-03-12
Applicant: 中国科学院合肥物质科学研究院
Abstract: 本发明涉及一种基于深度学习的压敏漆图像配准方法，包括：采集风洞实验中的压敏漆图像并进行预处理，构建数据集，划分为训练集和测试集；构建基于深度学习的配准网络模型；将训练集输入基于深度学习的配准网络模型进行训练；将测试集输入训练后的基于深度学习的配准网络模型，输出相应的变形场，根据变形场将变形图像M校正为配准图像，完成压敏漆图像的配准。本发明使用卷积网络学习从输入图像到输出变形场之间的复杂映射，更适用多种场景下压敏漆图像中宽动态范围的非刚性形变的配准问题；同时其多层结构和跳连接实现了图像的宏观结构特征和局部细节特征的融合，提高对非刚性形变的适应性，实现压敏漆图像配准速度和精度的大幅度提升。
-
公开(公告)号：CN113487576B
公开(公告)日：2023-08-22
申请号：CN202110796527.X
申请日：2021-07-14
Applicant: 中国科学院合肥物质科学研究院
IPC: G06T7/00 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于通道注意力机制的虫害图像检测方法，与现有技术相比解决了虫害检测准确率低、检测速度慢的缺陷。本发明包括以下步骤：采集虫害图像并建立虫害数据集；构建基于通道注意力机制的虫害图像检测模型；对虫害图像检测模型进行训练；待检测虫害图像的获取；虫害图像检测结果的获得。本发明通过多尺度预测结构能够提取到更丰富特征的基础神经网络、融合了多个尺度的特征来进行检测，可以在不加深网络深度的前提下提升检测精度；本发明通过通道积空间注意力机制、通过对于通道特征的筛选，使得特征融合时保留的信息更加有利于训练损失的降低，有利于定位及分类的准确，同时通过一定比例的降维可以权衡性能和检测速度的取舍。
-
公开(公告)号：CN112580519B
公开(公告)日：2022-08-19
申请号：CN202011526728.X
申请日：2020-12-22
Applicant: 中国科学院合肥物质科学研究院
IPC: G06V20/68 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及基于自适应混合特征重校准的深度学习模型的大豆损伤识别方法，该方法包括以下步骤：(1)采集大豆图像建立数据集；(2)构建基于自适应混合特征重校准的深度学习模型；(3)对深度学习模型进行训练；(4)采用完成训练的深度学习模型对测试样本进行识别。本发明通过构建基于自适应混合特征重校准的深度学习模型对大豆表面损伤进行识别，解决了大豆种粒体积小、表面损伤细微，难以准确识别的问题，同时本发明所构建的深度学习模型相比于传统图像识别深度学习模型参数量及运算量大幅下降，为将该模型应用于便携式移动设备创造了条件。
-
公开(公告)号：CN113487576A
公开(公告)日：2021-10-08
申请号：CN202110796527.X
申请日：2021-07-14
Applicant: 中国科学院合肥物质科学研究院
Abstract: 本发明涉及一种基于通道注意力机制的虫害图像检测方法，与现有技术相比解决了虫害检测准确率低、检测速度慢的缺陷。本发明包括以下步骤：采集虫害图像并建立虫害数据集；构建基于通道注意力机制的虫害图像检测模型；对虫害图像检测模型进行训练；待检测虫害图像的获取；虫害图像检测结果的获得。本发明通过多尺度预测结构能够提取到更丰富特征的基础神经网络、融合了多个尺度的特征来进行检测，可以在不加深网络深度的前提下提升检测精度；本发明通过通道积空间注意力机制、通过对于通道特征的筛选，使得特征融合时保留的信息更加有利于训练损失的降低，有利于定位及分类的准确，同时通过一定比例的降维可以权衡性能和检测速度的取舍。
-
Patent Agency Ranking
公开(公告)号：CN112733614A
公开(公告)日：2021-04-30
申请号：CN202011526712.9
申请日：2020-12-22
Applicant: 中国科学院合肥物质科学研究院
Abstract: 本发明涉及一种带有相似尺寸强化识别的害虫图像检测方法，与现有技术相比解决了难以针对植保图像中相似尺寸害虫进行检测的缺陷。本发明包括以下步骤：获取害虫图像数据集并进行预处理；构建害虫图像检测网络；害虫图像检测网络的训练；待检测害虫图像的获取；害虫图像检测结果的获得。本发明通过自学习的权重和加权注意力特征金字塔，使卷积神经网络能够重点关注数据集中大部分害虫图像尺寸所对应的特征层，提高了卷积神经网络的特征表达能力，以此应对相似尺寸的害虫误别问题；利用多尺度无锚区域建议网络，让后续的分类回归网络获得更好的候选区域，实现了相似尺寸害虫的强化识别，由此提高了害虫识别与检测的准确率。
-
公开(公告)号：CN112580519A
公开(公告)日：2021-03-30
申请号：CN202011526728.X
申请日：2020-12-22
Applicant: 中国科学院合肥物质科学研究院
Abstract: 本发明涉及基于自适应混合特征重校准的深度学习模型的大豆损伤识别方法，该方法包括以下步骤：(1)采集大豆图像建立数据集；(2)构建基于自适应混合特征重校准的深度学习模型；(3)对深度学习模型进行训练；(4)采用完成训练的深度学习模型对测试样本进行识别。本发明通过构建基于自适应混合特征重校准的深度学习模型对大豆表面损伤进行识别，解决了大豆种粒体积小、表面损伤细微，难以准确识别的问题，同时本发明所构建的深度学习模型相比于传统图像识别深度学习模型参数量及运算量大幅下降，为将该模型应用于便携式移动设备创造了条件。
-
公开(公告)号：CN113961010B
公开(公告)日：2023-07-18
申请号：CN202110987581.2
申请日：2021-08-26
Applicant: 中国科学院合肥物质科学研究院
Abstract: 本发明涉及基于抗饱和有限时间自适应神经网络容错技术的四旋翼植保无人机跟踪控制方法，与现有技术相比解决了四旋翼植保无人机难以实现高精度跟踪控制的缺陷。本发明包括以下步骤：期望轨迹数据的设定和存储；实时轨迹数据的采集和存储；四旋翼植保无人机复合数学模型的建立；四旋翼植保无人机飞行误差数学模型的建立；饱和补偿系统的设计和数据存储；自适应神经网络参数的设计和数据存储；基于抗饱和有限时间自适应神经网络容错跟踪控制器的设计和控制信号的存储；实时轨迹数据的更新；位置系统和姿态系统中参数数值的调整。本发明可以保证四旋翼植保无人机的轨迹跟踪误差在有限时间范围内收敛。
-
公开(公告)号：CN112733614B
公开(公告)日：2022-09-09
申请号：CN202011526712.9
申请日：2020-12-22
Applicant: 中国科学院合肥物质科学研究院
Abstract: 本发明涉及一种带有相似尺寸强化识别的害虫图像检测方法，与现有技术相比解决了难以针对植保图像中相似尺寸害虫进行检测的缺陷。本发明包括以下步骤：获取害虫图像数据集并进行预处理；构建害虫图像检测网络；害虫图像检测网络的训练；待检测害虫图像的获取；害虫图像检测结果的获得。本发明通过自学习的权重和加权注意力特征金字塔，使卷积神经网络能够重点关注数据集中大部分害虫图像尺寸所对应的特征层，提高了卷积神经网络的特征表达能力，以此应对相似尺寸的害虫误别问题；利用多尺度无锚区域建议网络，让后续的分类回归网络获得更好的候选区域，实现了相似尺寸害虫的强化识(56)对比文件陈峰等.基于机器视觉和卷积神经网络的东北寒地玉米害虫识别方法《.江苏农业科学》.2020,(第18期),Lin Jiao 等.AF-RCNN: An anchor-freeconvolutional neural network for multi-categories agricultural pest detection.《ELSEVIER》.2020,第1-9页.
-
公开(公告)号：CN112559792A
公开(公告)日：2021-03-26
申请号：CN202011529611.7
申请日：2020-12-22
Applicant: 中国科学院合肥物质科学研究院
IPC: G06F16/583 , G06F16/55 , G06K9/00 , G06K9/62 , G06T5/10
Abstract: 本发明提供一种基于相似度的害虫图像检索方法，包括建立害虫样本图像数据库；计算害虫样本图像基于均值哈希算法和感知哈希算法的哈希值；计算待检索害虫图像基于均值哈希算法和感知哈希算法的哈希值；计算待检索害虫图像与害虫样本图像基于均值哈希算法和感知哈希算法的哈希值的相似度；计算得到待检索害虫图像与害虫样本图像的平均相似度；将高于设定阈值的平均相似度所对应的害虫样本图像添加到害虫图像检索结果集中；按照平均相似度由高到低的顺序，对害虫图像检索结果集中的害虫样本图像进行排序，并选取排在前面的若干个作为检索结果。本发明提高了害虫图像相似度计算结果的准确性以及害虫图像的检索效率。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.061 seconds)
