-
公开(公告)号：CN116702053A
公开(公告)日：2023-09-05
申请号：CN202310996454.8
申请日：2023-08-09
申请人： 长春理工大学 , 长春理工大学重庆研究院
IPC分类号： G06F18/2411 , G06N3/006 , G06F18/2131 , G01M99/00
摘要： 本发明属于农机技术领域，尤其为一种基于多元信息与MCSA‑SVM的农机故障检测方法，包括所述故障检测方法包括由安装在农机目标检测点上检测相关数据的振动传感器、倾角传感器、霍尔传感器构成的感知层，用来信息传递的网络层，由服务器构成的用来存储数据与故障分析的应用层和显示模块。本发明通过在农机上安装不同类型的传感器，利用了更加多元的农机工作数据，减小了农机故障检测对单一传感器的依赖，防止了由于部分传感器误差而导致的农机故障的误判。另外，本发明过在不同检测点安装振动信号传感器，使得农机故障的类别检测更加细致，可以为农机维修提供参考，快速了解农机出现故障的具体原因。
-
公开(公告)号：CN118229720A
公开(公告)日：2024-06-21
申请号：CN202410651900.6
申请日：2024-05-24
申请人： 长春理工大学 , 长春理工大学重庆研究院
摘要： 本发明公开一种适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法，包括利用无人机采集田间秸秆图像，并将采集的田间秸秆图像数据输入至服务器上、服务器将获取的田间秸秆图像数据传输到图像预处理模型中，对田间秸秆图像数据进行预处理、将预处理后的图像输入至基于演化计算的多阈值图像分割模型中，分割和提取图像的秸秆部分和其他部分，以及根据分割后的结果，统计各部分的像素点数，将秸秆部分的像素点数与整个图像的像素点数作比得到秸秆覆盖率，然后输出秸秆覆盖率结果，本发明实现了精确的图像分割，提高了图像分割效率和准确性。
-
公开(公告)号：CN117370877B
公开(公告)日：2024-04-26
申请号：CN202311661136.2
申请日：2023-12-06
申请人： 长春理工大学 , 长春理工大学重庆研究院
IPC分类号： G06F18/2411 , G06N3/006 , G06F18/2131 , G01M99/00
摘要： 本发明公开一种基于多元传感器与IPSO‑GPR的农机故障预测方法，包括通过传感器和采集卡完成对农机各部件在正常运行状态下和非正常工作状态下的数据信号采集，由服务器存储数据信息，提取振动、温度、倾角和压力信号数据特征并记录故障信号标签类别，将信号数据输入IPSO‑GPR模型中进行预测，将信号数据输入IPSO‑SVM模型中进行故障分类并根据输出的最大故障概率值作为对农机故障诊断的预测结果，该种基于多元传感器与IPSO‑GPR的农机故障预测方法，通过传感器收集的信号数据预测未来农机可能发生的故障，为农机维修提供参考，提高农机维护的效率，也能快速了解农机故障的具体原因，有助于提高农机故障诊断的准确性和实时性。
-
公开(公告)号：CN117392157B
公开(公告)日：2024-03-19
申请号：CN202311704265.5
申请日：2023-12-13
申请人： 长春理工大学 , 长春理工大学重庆研究院
摘要： 本发明公开一种边缘感知的保护性耕作秸秆覆盖率检测方法，包括通过无人机对田间图像进行采集，并将采集的数据传输到服务器上、将图像输入到处理模型中，对其进行预处理、将处理后的图像传到具有边缘感知的分割模型中，将图像的秸秆部分和其余部分分离，根据分割后的结果，统计秸秆部分像素大小和整个图像的关系得到秸秆覆盖率，并将得到的结果输出，该种边缘感知的保护性耕作秸秆覆盖率检测方法，通过边缘感知的分割技术得到田间秸秆覆盖率以评估秸秆还田的效果，全过程通过深度学习的方法极大了节省人力，且在速度和准确率上都得到很大的提高。
-
公开(公告)号：CN118229720B
公开(公告)日：2024-07-16
申请号：CN202410651900.6
申请日：2024-05-24
申请人： 长春理工大学 , 长春理工大学重庆研究院
摘要： 本发明公开一种适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法，包括利用无人机采集田间秸秆图像，并将采集的田间秸秆图像数据输入至服务器上、服务器将获取的田间秸秆图像数据传输到图像预处理模型中，对田间秸秆图像数据进行预处理、将预处理后的图像输入至基于演化计算的多阈值图像分割模型中，分割和提取图像的秸秆部分和其他部分，以及根据分割后的结果，统计各部分的像素点数，将秸秆部分的像素点数与整个图像的像素点数作比得到秸秆覆盖率，然后输出秸秆覆盖率结果，本发明实现了精确的图像分割，提高了图像分割效率和准确性。
-
公开(公告)号：CN118172690B
公开(公告)日：2024-07-09
申请号：CN202410566242.0
申请日：2024-05-09
申请人： 长春理工大学 , 长春理工大学重庆研究院
摘要： 本发明公开一种基于改进YOLOv7模型的玉米叶片病虫害检测方法，包括通过无人机对玉米农田进行图像采集、对图像进行标注，并进行数据增强以扩充图像数量，将扩充的图像按照4:1的比例划分为训练集和验证集、对YOLOv7进行改进得到改进后的YOLOv7目标检测模型，对改进后的YOLOv7目标检测模型进行训练，并评估训练后的YOLOv7目标检测模型，得到最佳的YOLOv7目标检测模型，使用得到的最佳的YOLOv7目标检测模型，对玉米叶片图像进行病虫害检测，本发明基于改进YOLOv7模型的玉米叶片病虫害检测方法，在满足高效性、实时性的前提下，适用于相似性较高的小目标识别，为农业生产中玉米病虫害防控提供科学依据和技术支持。
-
公开(公告)号：CN117793663B
公开(公告)日：2024-05-14
申请号：CN202410211701.3
申请日：2024-02-27
申请人： 长春理工大学 , 长春理工大学重庆研究院
IPC分类号： H04W4/38
摘要： 本发明公开一种基于LoRa的农机作业信息远距离传输方法，包括利用安装在农机上的采集模块采集土壤湿度、土壤温度、土壤PH值、农机振动值、土壤深度值和土壤行间距值的数据信息、设置LoRa模块无线参数，然后从采集模块中读取采集的数据信息，并使用CSS技术将其调制为chirp信号，信号测试阶段后，数据接收模块在测试阶段后对相位进行优化，接收到信号后，对数据信号进行解码后接收数据，该种基于LoRa的农机作业信息远距离传输方法，提高可接收信号的抗干扰性且提高了信号的强度。
-
公开(公告)号：CN117574280B
公开(公告)日：2024-04-16
申请号：CN202410050860.X
申请日：2024-01-15
申请人： 长春理工大学 , 长春理工大学重庆研究院
IPC分类号： G06F18/243 , G06N3/006 , G06F18/10 , G06F18/214
摘要： 本发明公开一种基于多元特征参数与MDBO‑RF的播种质量检测方法，包括由安装在排种管壁上的红外光电传感器去采集不同播种情况的脉冲信号，并将数据上传到服务器，由服务器去提取脉冲信号的特征参数来构建数据集、建立RF模型去训练数据集，并用MDBO算法优化RF模型的超参数，构成MDBO‑RF模型以及在播种过程中，每当红外传感器获得实时播种的信号时就传输到服务器进行特征提取，再输入到训练好的MDBO‑RF模型中去检测播种质量，最后再将结果反馈给农机播种监控终端，该种基于多元特征参数与MDBO‑RF的播种质量检测方法,可以提高RF对播种质量检测的准确程度。
-
公开(公告)号：CN117793663A
公开(公告)日：2024-03-29
申请号：CN202410211701.3
申请日：2024-02-27
申请人： 长春理工大学 , 长春理工大学重庆研究院
IPC分类号： H04W4/38
摘要： 本发明公开一种基于LoRa的农机作业信息远距离传输方法，包括利用安装在农机上的采集模块采集土壤湿度、土壤温度、土壤PH值、农机振动值、土壤深度值和土壤行间距值的数据信息、设置LoRa模块无线参数，然后从采集模块中读取采集的数据信息，并使用CSS技术将其调制为chirp信号，信号测试阶段后，数据接收模块在测试阶段后对相位进行优化，接收到信号后，对数据信号进行解码后接收数据，该种基于LoRa的农机作业信息远距离传输方法，提高可接收信号的抗干扰性且提高了信号的强度。
-
公开(公告)号：CN117370877A
公开(公告)日：2024-01-09
申请号：CN202311661136.2
申请日：2023-12-06
申请人： 长春理工大学 , 长春理工大学重庆研究院
IPC分类号： G06F18/2411 , G06N3/006 , G06F18/2131 , G01M99/00
摘要： 本发明公开一种基于多元传感器与IPSO‑GPR的农机故障预测方法，包括通过传感器和采集卡完成对农机各部件在正常运行状态下和非正常工作状态下的数据信号采集，由服务器存储数据信息，提取振动、温度、倾角和压力信号数据特征并记录故障信号标签类别，将信号数据输入IPSO‑GPR模型中进行预测，将信号数据输入IPSO‑SVM模型中进行故障分类并根据输出的最大故障概率值作为对农机故障诊断的预测结果，该种基于多元传感器与IPSO‑GPR的农机故障预测方法，通过传感器收集的信号数据预测未来农机可能发生的故障，为农机维修提供参考，提高农机维护的效率，也能快速了解农机故障的具体原因，有助于提高农机故障诊断的准确性和实时性。
-
-
-
-
-
-
-
-
-
搜索结果
44 条记录 (耗时 0.027 秒)
