-
公开(公告)号：CN115661665A
公开(公告)日：2023-01-31
申请号：CN202211570398.3
申请日：2022-12-08
IPC: G06V20/10 , G06V20/69 , G06V10/74 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种端到端的方向性花生（Arachis hypogaea L.）叶片气孔表型实时智能检测方法及系统—PeanutNet。本发明的核心是端到端的方向性花生叶片气孔表型实时智能检测方法。该方法针对有损或者无损方式获取的花生叶片表皮气孔图像数据，通过构建一种端到端的方向性目标检测网络，一站式实现实时的花生叶片气孔定位，密度和开度等表型信息全自动获取。本发明的PeanutNet主要包括如下模块：花生叶片图像导入模块、花生叶片气孔智能检测模块、批量处理与显示模块、模型参数调整模块、保存检测与识别详细信息模块等。该系统具有实时性，极大地方便了用户对花生气孔表型性状进行分析，还能通过参数调整模块最大限度地提高识别的准确性和可扩展性。
-
公开(公告)号：CN115375632A
公开(公告)日：2022-11-22
申请号：CN202210937711.6
申请日：2022-08-05
Applicant: 河南大学
Abstract: 本发明公开了一种基于CenterNet模型的肺结节的智能检测系统，该系统包括：导入图像模块、肺结节检测模块、批量处理与显示模块、模型参数调整模块、显示检测识别详细信息模块本发明能够批量处理待检测的CT图像，通过主流的目标检测模块快速、准确定位肺结节，并且进一步对肺结节进行分析以获取大小等信息，极大地方便了用户对患者肺结节图像中肺结节表型性状的分析，模型训练耗时短，最大限度地提高肺结节自动检测与识别准确性和高效性。
-
公开(公告)号：CN119445232A
公开(公告)日：2025-02-14
申请号：CN202411527294.3
申请日：2024-10-30
Applicant: 河南大学
IPC: G06V10/764 , G06V10/82 , G06V10/766 , G06V10/74 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于梯度平衡与Wasserstein距离的目标检测方法。该方法通过结合梯度平衡技术和Wasserstein距离，实现了对目标的精准定位和微小目标的稳定识别。首先，为提升模型对目标的定位能力，设计了一个基于梯度的样本平衡分类损失函数，通过调整样本的梯度贡献，减缓了非当前目标类的正样本造成的梯度消极影响。进一步地，为缓解模型对小目标位置偏差的敏感性，引入归一化Wasserstein距离，并将其与SIoU度量融合，提出了可调节的回归损失函数。最终，提出了一个基于梯度平衡与Wasserstein距离的损失函数，形成了一种新的目标检测方法。该方法适用于农业方面的气孔检测和医学方面的病变区域识别等任务，为解决复杂场景下的目标检测难题提供了新的思路和解决方案。
-
公开(公告)号：CN115187868A
公开(公告)日：2022-10-14
申请号：CN202210934304.X
申请日：2022-08-04
Applicant: 河南大学
IPC: G06V20/10 , G06V10/12 , G06V10/40 , G06V10/762 , G06V10/774 , G06V10/82
Abstract: 本发明涉及智慧农业技术领域，具体涉及一种实时多功能病虫害智能识别预警系统，该系统包括农作物病害识别模块、农作物病害预警模块、农作物虫害图像检测模块、农作物虫害图像批量检测模块、农作物虫害视频检测模块。本发明利用训练完成的病害识别网络实现对农作物病害的识别与预警，利用训练完成的虫害检测网络实现对农作物虫害的识别与实时检测，基于PyQt5开发出GUI，用户只需在界面上进行简单的鼠标点击就可以开启关闭识别检测以及实时得到识别检测结果，其中，病害识别网络和虫害检测网络分别可以是通过对RepVGG卷积神经网络和改进的YOLOV5网络进行训练得到的。本发明提高了农作物病虫害识别检测的准确度和速度。
-
-
-
Search Results
4
records
(took 0.013 seconds)
