-
Patent Agency Ranking
公开(公告)号：CN114926735A
公开(公告)日：2022-08-19
申请号：CN202210534042.8
申请日：2022-05-17
Applicant: 东北农业大学
IPC: G06V20/10 , G06V10/40 , G06V10/764 , G06V10/774
Abstract: 本发明涉及农业人工智能和植物保护领域，具体地，提供了一种基于RAML的作物叶片复合侵染性多病害识别方法。该方法解决了实际种植环境下作物病害识别模型泛化性能低，同时识别一幅图像中多种病害准确率低的问题。该方法包括：首先采集实际种植环境下作物病害图像，经过数据清洗后用one‑hot编码方式进行标注，将标注后的数据划分训练集、验证集和测试集，再输入到本发明提供的一种基于RAML的作物叶片复合侵染性多病害识别方法中进行模型训练并保存训练好的模型。该模型将通道注意力机制和空间注意力机制并联后构建注意力机制模块，并将其嵌入到ResNet‑50模型架构中，再结合Sigmoid激活函数可以同时预测叶片图像中存在的多种病害类别。
-
公开(公告)号：CN112861752B
公开(公告)日：2022-06-14
申请号：CN202110201803.3
申请日：2021-02-23
Applicant: 东北农业大学
IPC: G06V20/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于DCGAN与RDN的作物病害识别方法及系统，属于农业信息化和植物保护领域，该方法包括：首先进行数据收集，包括网络公开的数据集和人工采集的数据，然后利用数据可视化、数据清洗、DCGAN数据生成等技术保障训练数据集的准确性和分布均衡性；将处理完的数据按照60％训练集，20％验证集和20％测试集的比例进行划分；本发明构建了一个深度残差网络(RDN)识别模型，设置模型训练参数后，加载训练集和验证集进行模型训练；最后将训练好的模型应用于作物叶片病害识别系统中进行作物病害预测，系统返回作物病害类别及概率。该方法可以识别多种作物多种病害，尤其能提升在样本分布不均的情况下识别的准确率。
-
公开(公告)号：CN112861752A
公开(公告)日：2021-05-28
申请号：CN202110201803.3
申请日：2021-02-23
Applicant: 东北农业大学
Abstract: 本发明涉及一种基于DCGAN与RDN的作物病害识别方法及系统，属于农业信息化和植物保护领域，该方法包括：首先进行数据收集，包括网络公开的数据集和人工采集的数据，然后利用数据可视化、数据清洗、DCGAN数据生成等技术保障训练数据集的准确性和分布均衡性；将处理完的数据按照60％训练集，20％验证集和20％测试集的比例进行划分；本发明构建了一个深度残差网络(RDN)识别模型，设置模型训练参数后，加载训练集和验证集进行模型训练；最后将训练好的模型应用于作物叶片病害识别系统中进行作物病害预测，系统返回作物病害类别及概率。该方法可以识别多种作物多种病害，尤其能提升在样本分布不均的情况下识别的准确率。
-
公开(公告)号：CN115824311A
公开(公告)日：2023-03-21
申请号：CN202211728972.3
申请日：2022-12-30
Applicant: 东北农业大学
Abstract: 本发明公开了一种带物联网功能的室内环境监测装置，其技术方案要点是，包括：仪器块，所述仪器块的底面开设有底槽，所述底槽的内部开设有三个检测槽，三个所述检测槽的内部自左向右分别固定安装有温湿度传感器、烟雾传感器和粉尘传感器；在使用时可通过开启微型风机，以抽取室内空气，使空气受吸引进入底槽的内部，以辅助温湿度传感器、烟雾传感器和粉尘传感器进行监测，增加实用性，可通过开启步进电机带动丝杆移动仪器块，通过防护网用于防止室内漂浮物等杂质进入底槽的内部，当开启步进电机移动仪器块时，此时可通过滚珠与滑槽的贴合，以增加仪器块移动时的稳定性，防止出现抖动的情况发生。
-
公开(公告)号：CN114926735B
公开(公告)日：2025-01-10
申请号：CN202210534042.8
申请日：2022-05-17
Applicant: 东北农业大学
IPC: G06V20/10 , G06V10/40 , G06V10/764 , G06V10/774
Abstract: 本发明涉及农业人工智能和植物保护领域，具体地，提供了一种基于RAML的作物叶片复合侵染性多病害识别方法。该方法解决了实际种植环境下作物病害识别模型泛化性能低，同时识别一幅图像中多种病害准确率低的问题。该方法包括：首先采集实际种植环境下作物病害图像，经过数据清洗后用one‑hot编码方式进行标注，将标注后的数据划分训练集、验证集和测试集，再输入到本发明提供的一种基于RAML的作物叶片复合侵染性多病害识别方法中进行模型训练并保存训练好的模型。该模型将通道注意力机制和空间注意力机制并联后构建注意力机制模块，并将其嵌入到ResNet‑50模型架构中，再结合Sigmoid激活函数可以同时预测叶片图像中存在的多种病害类别。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
