-
公开(公告)号：CN118262215A
公开(公告)日：2024-06-28
申请号：CN202410368870.8
申请日：2024-03-28
Applicant: 中国烟草总公司郑州烟草研究院 , 河南农业大学
IPC: G06V10/82 , G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/048 , G01N21/84
Abstract: 本发明公开了一种基于改进MobileNetV3‑Large的烤烟烟叶田间成熟度智能判别方法，应用于智能终端，通过拍照功能采集待判别田间成熟度的烤烟烟叶图像,采用搭载的改进MobileNetV3‑Large判别模型对烤烟烟叶图像进行烤烟烟叶田间成熟度判别处理；其中，所述改进MobileNetV3‑Large判别模型以MobileNetV3‑Large为基础模型，在基础模型中引入动态卷积模块、多层感知机、跳跃连接支路、SimAM模块。本发明能够增强图像深层特征提取和通道及位置信息感知，从而使得烤烟烟叶田间成熟度识别结果不受限于产区和部位，烤烟烟叶田间成熟的判别准确率及速度较高。
-
公开(公告)号：CN118262214A
公开(公告)日：2024-06-28
申请号：CN202410368869.5
申请日：2024-03-28
Applicant: 中国烟草总公司郑州烟草研究院 , 河南农业大学
IPC: G06V10/82 , G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/048 , G01N21/84
Abstract: 本发明公开了一种基于改进MobileNetV3‑Small的烤烟烟叶田间成熟度智能判别方法，应用于智能终端，通过拍照功能采集待判别田间成熟度的烤烟烟叶图像,采用搭载的改进MobileNetV3‑Small判别模型对烤烟烟叶图像进行烤烟烟叶田间成熟度判别处理；其中，所述改进MobileNetV3‑Small判别模型以MobileNetV3‑Small为基础模型，在基础模型中引入CBAM模块、多层感知机、跳跃连接支路以及门控线性单元，实现图像特征重用、提升感知拟合能力以及实现了分流管理信息、加速网络收敛，烤烟烟叶田间成熟的判别速度及准确率较高。
-
公开(公告)号：CN116740564A
公开(公告)日：2023-09-12
申请号：CN202310666848.7
申请日：2023-06-07
Applicant: 河南农业大学 , 中国烟草总公司郑州烟草研究院
Abstract: 本发明公开了一种基于深度半监督迁移学习的烟叶图像田间成熟度识别方法，依次包括以下步骤：A：对用于田间成熟度检测的烟叶图像样本进行划分；B：建立用于烟叶田间成熟度图像识别的深度骨干网络，然后进行迁移学习和分类器参数初始化；C：建立深度骨干网络的损失函数；D：利用损失函数对已完成参数初始化的深度骨干网络进行训练，最终得到训练后的深度骨干网络；E：利用训练后的深度骨干网络，对待进行田间成熟度检测的烟叶图像进行田间成熟度识别。本发明能够以极低的标注成本建立烟叶田间成熟度的图像识别模型，实现低成本高效率地烟叶图像田间成熟度识别。
-
公开(公告)号：CN116934701A
公开(公告)日：2023-10-24
申请号：CN202310874790.5
申请日：2023-07-17
Applicant: 河南农业大学 , 中国烟草总公司郑州烟草研究院
Abstract: 本发明公开了一种基于极限学习机的烤烟烟叶田间成熟度手机智能判别方法；通过手机拍照、图像处理功能获得待判别田间成熟度的烤烟烟叶图像及其十个特征参数数据，采用手机搭载的隐含层节点数5～7极限学习机模型进行烤烟烟叶田间成熟度的判别，采用对十个图像特征参数的极限学习机模型进行判别，能够在不损失主要信息的前提下尽可能多地保留细节信息，烤烟烟叶田间成熟的判别正确率较高；利用手机替代计算机、数码相机设备，田间操作方便，烤烟烟叶田间成熟的判别结果现场显示，智能性高、客观性强，避免了人工判别烤烟烟叶田间成熟的主观因素大、经验性高的问题，具有便捷实用，成本低廉，容易普及应用。
-
公开(公告)号：CN117036307A
公开(公告)日：2023-11-10
申请号：CN202311035349.4
申请日：2023-08-16
Applicant: 河南农业大学 , 中国烟草总公司郑州烟草研究院
Abstract: 本发明公开了一种基于支持向量机的烤烟烟叶田间成熟度判别方法，通过手机拍照、图像处理功能获得待判别田间成熟度的烤烟烟叶图像十个特征参数数据，采用手机搭载的S型生长核函数或径向基核函数支持向量机模型进行烤烟烟叶田间成熟度的判别；本发明采用图像十个特征参数的支持向量机模型进行判别，能够在不损失主要信息的前提下尽可能多地保留细节信息，烤烟烟叶田间成熟的判别正确率较高；利用手机替代计算机、数码相机设备，田间操作方便，烤烟烟叶田间成熟的判别结果现场显示，智能性高、客观性强，避免了人工判别烤烟烟叶田间成熟的主观因素大、经验性高的问题，具有便捷实用，成本低廉，容易普及应用等优点。
-
Patent Agency Ranking
公开(公告)号：CN119068040A
公开(公告)日：2024-12-03
申请号：CN202411060010.4
申请日：2024-08-05
Applicant: 河南农业大学
Abstract: 本申请涉及农作物预测技术领域，提供了一种基于改进CNN的玉米叶面积指数估测方法及系统。在该方法中，对残差网络的输出层和特征提取模块分别进行改进，在残差网络中添加Triplet注意力机制模块以及对残差网络进行重新编排，根据样本图像对得到的玉米生育期识别模型进行训练，以根据玉米生育期图像对玉米叶面积指数进行预测。籍以，在残差网络的基础上改进输出结构，适配回归任务，并引入Triplet注意力机制模块实现特征融合和自注意力机制，提升玉米生育期识别准确率；通过对网络改进和重新编排，不但降低网络复杂度，而且提高了模型的计算速度，能够更好的进行玉米叶面积指数的预测，且具有识别快速精准和轻量化的特点。
-
公开(公告)号：CN115170969A
公开(公告)日：2022-10-11
申请号：CN202210892720.8
申请日：2022-07-27
Applicant: 河南农业大学
Abstract: 本发明公开了一种垂直生长作物地上生物量模型构建方法及系统，涉及农作物种植技术领域。本发明包括以下步骤：利用遥感生物量监测方法获取作物生物量相关参数；基于作物初期的遥感影像计算作物种植密度；根据作物生物量相关参数以及作物种植密度构建作物生物量模型。本发明能够及时准确大面积地获取作物生物量信息，对于农业部门掌握全国各地的作物长势信息和产量预测，及时做出调度和决策具有重要意义。
-
公开(公告)号：CN113673612A
公开(公告)日：2021-11-19
申请号：CN202110981213.7
申请日：2021-08-25
Applicant: 河南农业大学
Abstract: 本发明公开了一种高场不对称离子迁移谱图分类识别方法，基于对检测样本的动态图谱和对图谱进行多尺度空域信息融合的技术路线，包括：分别将每个检测样本重复测量得到一组图谱样本从而获得全部动态图谱，每类检测样本都含有多个已知样本作为训练数据使用；基于每个检测样本的全部动态图谱，在多尺度空域上分别提取特征；基于多尺度空域上分别提取的特征并进行特征融合获得多尺度融合特征；基于多尺度融合特征建立多尺度信息融合的分类识别模型；基于分类识别模型进行高场不对称离子迁移谱图分类识别。还公开了对应的装置，该方法和装置进行自适应的FAIMS图谱分类识别，有效信息不丢失；冗余信息和噪声干扰小，模型建立开销小，鲁棒性强。
-
公开(公告)号：CN113673612B
公开(公告)日：2024-10-29
申请号：CN202110981213.7
申请日：2021-08-25
Applicant: 河南农业大学
IPC: G06V10/764 , G06V10/77 , G06V10/44 , G06V10/762 , G06T3/4007 , G06N20/10
Abstract: 本发明公开了一种高场不对称离子迁移谱图分类识别方法，基于对检测样本的动态图谱和对图谱进行多尺度空域信息融合的技术路线，包括：分别将每个检测样本重复测量得到一组图谱样本从而获得全部动态图谱，每类检测样本都含有多个已知样本作为训练数据使用；基于每个检测样本的全部动态图谱，在多尺度空域上分别提取特征；基于多尺度空域上分别提取的特征并进行特征融合获得多尺度融合特征；基于多尺度融合特征建立多尺度信息融合的分类识别模型；基于分类识别模型进行高场不对称离子迁移谱图分类识别。还公开了对应的装置，该方法和装置进行自适应的FAIMS图谱分类识别，有效信息不丢失；冗余信息和噪声干扰小，模型建立开销小，鲁棒性强。
-
公开(公告)号：CN117994384A
公开(公告)日：2024-05-07
申请号：CN202410174105.2
申请日：2024-02-07
Applicant: 河南农业大学
IPC: G06T11/20 , G06V20/17 , G06V20/10 , G06V10/58 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于辐射传输模型和深度学习的小麦叶片和冠层参数制图方法，涉及联合估算和制图技术领域。包括对冬小麦冠层高光谱和参数进行测量，获得实测数据集，利用辐射传输模型RTM生成模拟数据集，将模拟数据集输入深度学习模型DS‑hyperVGG进行预训练，获得预训练模型，将实测数据集输入预训练模型中，进行第二次训练，获得训练好的DS‑hyperVGG模型，利用训练好的DS‑hyperVGG模型对冬小麦参数进行估算精度验证并制图。本发明有助于提供比传统机器学习方法更高精度的小麦叶片和冠层参数制图结果。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.06 seconds)
