-
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:CN113806983B
公开(公告)日:2024-02-02
申请号:CN202111097070.X
申请日:2021-09-18
申请人: 长春理工大学 , 长春理工大学重庆研究院
IPC分类号: G06F30/23 , G06F30/17 , G06F111/04 , G06F119/14
摘要: 一种腹腔镜手术中组织形变实时仿真方法涉及计算机辅助医疗领域,通过使用正四面体和锥形弹簧的质点弹簧模型,来对软组织进行保障其粘弹性和不可压缩性等特性的仿真。本发明采用使用中心正四面体单元和锥形弹簧的质点弹簧模型,在对软组织进行形变仿真时,能够保证软组织的不可压缩性和粘弹性等特性,同时能够实现约30FPS的仿真速率,能够初步满足实时性的要求,适合用于手术中的仿真。
-
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。
-
公开(公告)号:CN113822865B
公开(公告)日:2023-05-05
申请号:CN202111096723.2
申请日:2021-09-18
申请人: 长春理工大学 , 长春理工大学重庆研究院
IPC分类号: G06T7/00 , G06T7/11 , G06V10/764 , G06N3/08 , G06N3/0455 , G06N3/0464
摘要: 一种基于深度学习的腹部CT图像肝脏自动分割方法属于医学图像分割技术领域,目的在于解决现有技术存在的整体网络复杂、训练开销大、训练过程较长、网络难收敛、无法捕获长距离依赖信息导致的分割精度低的问题。本发明提出了一种基于深度学习的腹部CT图像肝脏自动分割方法,以3D UNet为基础网络架构,并在相邻的编码器和解码器间引入残差连接来优化梯度传播和特征传递;同时,将原始UNet中的瓶颈层替换成提出的上下文收集模块(CCM)来获得具有密集上下文信息的特征;通过残差连接的引入和上下文收集模块的应用,本方法有效地提高了腹部CT图像中肝脏的自动分割精度,为肝癌的诊断和治疗提供了更有利的前提条件。
-
公开(公告)号:CN113822865A
公开(公告)日:2021-12-21
申请号:CN202111096723.2
申请日:2021-09-18
申请人: 长春理工大学 , 长春理工大学重庆研究院
摘要: 一种基于深度学习的腹部CT图像肝脏自动分割方法属于医学图像分割技术领域,目的在于解决现有技术存在的整体网络复杂、训练开销大、训练过程较长、网络难收敛、无法捕获长距离依赖信息导致的分割精度低的问题。本发明提出了一种基于深度学习的腹部CT图像肝脏自动分割方法,以3D UNet为基础网络架构,并在相邻的编码器和解码器间引入残差连接来优化梯度传播和特征传递;同时,将原始UNet中的瓶颈层替换成提出的上下文收集模块(CCM)来获得具有密集上下文信息的特征;通过残差连接的引入和上下文收集模块的应用,本方法有效地提高了腹部CT图像中肝脏的自动分割精度,为肝癌的诊断和治疗提供了更有利的前提条件。
-
公开(公告)号:CN114266704B
公开(公告)日:2024-01-30
申请号:CN202111097009.5
申请日:2021-09-18
申请人: 长春理工大学 , 长春理工大学重庆研究院
摘要: 自适应光斑消除方法涉及计算机辅助医疗领域,解决了由照明设备引起的腹腔内壁镜面反射对腹腔镜影像影响的问题。该方法包括如下步骤:图像增强;颜色空间转换;光斑区域分割;光斑区域消除;本发明的方法相较于全局光斑去除算法在多区域小光斑场景下表现出色,保留了更多的纹理信息而全局光斑去除算法在去除光斑的同时模糊了大量的细节;相较于局部光斑去除算法,本方法在大区域高亮光斑场景下有更好的去除效果,图像中的光斑被去除的更加彻底。综上所述,本发明的方法在全局与局部光斑区域去除效果上相比其他算法都有较大的提升。
-
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。
-
-
-
-
-
-
-
-
-