-
公开(公告)号：CN108960530A
公开(公告)日：2018-12-07
申请号：CN201810834676.9
申请日：2018-07-26
Applicant: 江南大学 , 江苏中农物联网科技有限公司
Abstract: 本发明涉及一种基于长短时记忆网络的大田植被覆盖率指标的预测方法，主要包括如下步骤：S1：使用过去几年试验大田中的空气湿度、空气温度、二氧化碳、土壤水分、土壤温度、植被覆盖率指标rvi和相对应的采集时间周期的数据，构建数据集；S2：对数据集内的空气湿度、空气温度、二氧化碳、土壤水分、土壤温度、植被覆盖率指标rvi和时间周期数据进行必要的滤波清洗，并对数据进行归一化处理后，建立样本集。可以预测用户设定时间范围内的植被覆盖率rvi数值，达到提前预报的效果，使得用户可以提前预测植被覆盖率，反映植被覆盖度和生长状况的差异，用户可以根据植被覆盖率的大小，规划施肥，灌溉等改善植物生长状态操作，提高了种植效率和种植成本。
-
公开(公告)号：CN108871235A
公开(公告)日：2018-11-23
申请号：CN201810394498.2
申请日：2018-04-27
Applicant: 江南大学 , 江苏中农物联网科技有限公司
Abstract: 本发明涉及植株叶片的信息获取方法和植株叶片信息采集系统。包括对单片叶面积的计算，以及单片叶倾角的提取。本发明采用二维定位图像采集以及图像处理的方式，在农田间采集植株叶子的图像信息。通过树莓派摄像头采集两个位置的图像信息，得到叶片的水平和垂直二维图像信息。通过相机距离叶片的远近，确定图像缩放系数。水平图像经过opencv函数库进行灰度转换、二值化、边缘检测等图像处理方法得到叶子的叶倾角；通过叶倾角和垂直图像投影信息，计算每一片的叶面积。本方法测量速度快，可以实现对植株单片叶子倾角和面积进行精确的测量，叶倾角和叶面积的误差都在4％左右。
-
公开(公告)号：CN110334845A
公开(公告)日：2019-10-15
申请号：CN201910364029.0
申请日：2019-04-30
Applicant: 江南大学 , 江苏中农物联网科技有限公司
Abstract: 本发明涉及水产养殖领域，具体为大闸蟹的养殖,涉及一种基于GRU溶解氧长时间预测方法。本发明使用与溶解氧具有较强相关性的变量，合理设计划分数据集，并运用GRU网络进行建模，提高了模型的预测精度，达到长时间预测的效果，可准确预测溶解氧未来一段时间内的变化趋势，为养殖户养殖过程的增氧等措施提供合理建议，从而规划增氧设备的使用时间，有效提高大闸蟹产量和降低养殖过程中的能耗和成本。
-
公开(公告)号：CN110308254B
公开(公告)日：2021-06-11
申请号：CN201910323727.6
申请日：2019-04-22
Applicant: 江南大学 , 江苏中农物联网科技有限公司
Abstract: 本发明涉及属于水产养殖领域，具体涉及一种低溶解氧的精准监测方法。本发明通过对水体温度、pH、浊度和氨氮等多种环境因素建立样本集，通过优化长短时记忆网络(LSTM)的损失函数，构建了低溶解氧含量估算模型LDO‑LSTM，优化后的模型更能够充分学习低溶解氧的分布特征，在不影响预测溶解氧总体趋势的情况下，精准估算低溶解氧，确保了低溶解氧的精准估算，实现实时检测低溶解氧，从而节约了在实际养殖过程中用于检测溶解氧传感器的费用支出，同时解决了在低溶解氧时刻检测不准确可能导致人工增氧不及时带来的鱼类死亡问题。
-
公开(公告)号：CN108717586A
公开(公告)日：2018-10-30
申请号：CN201810466338.4
申请日：2018-05-10
Applicant: 江南大学 , 江苏中农物联网科技有限公司
Abstract: 本发明提供一种基于长短时记忆网络的水产养殖环境溶解氧预测方法，属于水产养殖领域。该方法将历史采集的数据作为数据集，对数据进行预处理后建立样本集；将样本集分为训练集和测试集，采用长短时记忆网络LSTM防止过拟合，使用训练集训练LSTM，使用测试集测试后，得到LSTM模型；采集实时溶解氧、pH、浊度，并根据历史数据用LSTM模型预测用户设定时间的溶解氧；根据后续实时采集的溶解氧值和LSTM网络预测的溶解氧值，反向传播调节网络参数，用于下时刻预测。本发明考虑当前养殖环境参数同历史养殖环境参数时间序列上的相关性，建立LSTM模型，用于预测用户设定时间范围内的溶解氧数值，提高养殖效率，节约成本。
-
Patent Agency Ranking
公开(公告)号：CN108647783A
公开(公告)日：2018-10-12
申请号：CN201810440821.5
申请日：2018-05-10
Applicant: 江南大学 , 江苏中农物联网科技有限公司
Abstract: 本发明提供一种水产养殖水质溶解氧检测方法，属于水产养殖领域。该方法将历史采集的数据作为数据集，基于BP神经网络建立检测溶解氧数值的人工智能模型，神经网络训练好后，在不使用溶解氧传感器测定溶解氧的情况下，根据温度、浊度、pH值和数据采集的时刻计算溶解氧数值。因为溶解氧检测传感器的价格昂贵，维护周期短，在水体中杂物吸附等会造成读数偏差较大，本发明根据多变量的相关性和数据融合，使用神经网络模型，在实际溶解氧的检测中不依赖于溶解氧传感器，节约了成本，同时能够解决杂物吸附造成的溶解氧读数不准确问题。
-
公开(公告)号：CN110308254A
公开(公告)日：2019-10-08
申请号：CN201910323727.6
申请日：2019-04-22
Applicant: 江南大学 , 江苏中农物联网科技有限公司
Abstract: 本发明涉及属于水产养殖领域，具体涉及一种低溶解氧的精准监测方法。本发明通过对水体温度、pH、浊度和氨氮等多种环境因素建立样本集，通过优化长短时记忆网络(LSTM)的损失函数，构建了低溶解氧含量估算模型LDO-LSTM，优化后的模型更能够充分学习低溶解氧的分布特征，在不影响预测溶解氧总体趋势的情况下，精准估算低溶解氧，确保了低溶解氧的精准估算，实现实时检测低溶解氧，从而节约了在实际养殖过程中用于检测溶解氧传感器的费用支出，同时解决了在低溶解氧时刻检测不准确可能导致人工增氧不及时带来的鱼类死亡问题。
-
公开(公告)号：CN119669399A
公开(公告)日：2025-03-21
申请号：CN202411662264.3
申请日：2024-11-20
Applicant: 江苏中农物联网科技有限公司 , 农业农村部大数据发展中心 , 江南大学
IPC: G06F16/3329 , G06F16/334 , G06F16/353 , G06N3/0455 , G06N3/09 , G06N5/04
Abstract: 本发明涉及一种河蟹知识问答系统CrabKB的构建方法，包括步骤：进行数据采集得到原始文本，利用采集到的原始文本来生成问答对，从采集到的原始文本中提取出文档分块；对原始文本和文档分块进行质量评估和筛选；继续对评估模型进行预训练和监督微调，不断对评估模型进行优化和更新，得到河蟹知识问答系统CrabKB。本发明的有益效果是：构建了一种满足河蟹养殖户日常学习、维护、管理、品牌维护等需求的河蟹知识问答系统CrabKB，能够降低河蟹养殖户培训和学习的成本；本发明通过更精细化的模型训练和使用策略，能够解决现有的河蟹知识问答系统缺乏对特定领域知识的深度理解、难以有效整合本地知识库、知识库维护困难等问题。
-
公开(公告)号：CN110889550A
公开(公告)日：2020-03-17
申请号：CN201911156861.8
申请日：2019-11-22
Applicant: 江南大学 , 江苏中农物联网科技有限公司
Abstract: 本发明公开了一种基于迁移学习的不同水域溶解氧预测方法。本发明一种基于迁移学习的不同水域溶解氧预测方法，包括：获取第一数据集，所述第一数据集为对第一水域采集第一采集时间段的溶解氧数值、温度、pH、浊度、叶绿素、蓝绿藻和电导率数据；获取第二数据集，所述第二数据集为对第二水域采集第二采集时间段的溶解氧数值、温度、pH、浊度、叶绿素、蓝绿藻和电导率数据。本发明的有益效果：本发明通过采用迁移学习将相同溶解氧预测模型用于不同水域，解决了部分水域因缺少数据而造成溶解氧预测不准确问题。实验中分别构建两个水域的数据集，通过相关性分析和主成分分析后作为溶解氧模型的输入。
-
公开(公告)号：CN108389062A
公开(公告)日：2018-08-10
申请号：CN201810440835.7
申请日：2018-05-10
Applicant: 江南大学 , 江苏中农物联网科技有限公司
IPC: G06Q30/00
CPC classification number: G06Q30/0185
Abstract: 一种基于图像处理的水果防伪溯源系统及方法，属于物联网技术领域。该系统包括生厂商客户端子系统、购买者客户端子系统、服务器端子系统和中心数据库。服务器端子系统包括网络数据通信模块、数据库操作模块、网络服务解析模块、防伪验证模块和图像处理模块。生产商客户端子系统包括网络数据通信模块、数据解析模块、操作界面显示模块、图像采集模块和防伪标签生成模块。购买者客户端子系统包括网络数据通信模块、操作界面显示模块、图像采集模块和数据解析模块。本系统根据水果本身的图像特征进行验证，避免了虚假验证网站或系统提供的虚假验证信息，提高了对水果品质的保证和防伪溯源的可靠程度；对来自不同销售商的水果验证时操作方便且环保。
-
-
-
-
-
-
-
-
-
Search Results
107
records
(took 0.052 seconds)
