-
公开(公告)号：CN117408829B
公开(公告)日：2024-07-09
申请号：CN202311408679.3
申请日：2023-10-27
Applicant: 东北农业大学
IPC: G06Q50/02 , G06Q10/0639 , G06F18/23213 , G06F18/22
Abstract: 耕地保护分区及特征自动归纳、障碍因子诊断方法，属于农业工程技术领域。为了解决现有的耕地质量分区方案都是按照行政区划、局部空间自相关方法进行划分存在不能根据耕地的客观情况进行分区，导致同一分区内的土地可能存在相似性差异大的问题，使得分区内的特征及障碍因子并不是基于具有相似特征的耕地提取的，从而存在提取的障碍因子与实际情况差异较大的问题。本发明根据预先建立的耕地质量评价指标体系，首先获取研究区域中典型样地的耕地质量评价指标数据，并采用对研究区域内的采样单元进行聚类，得到若干个采样单元集合，得到耕地的若干个分区；然后针对每个区域，获得分区的耕地特征，同时采用指标障碍度识别每个分区的障碍因子。
-
公开(公告)号：CN109452183B
公开(公告)日：2024-06-25
申请号：CN201811644982.2
申请日：2018-12-30
Applicant: 东北农业大学
Abstract: 一种带有故障检测功能的猪舍刮板式清粪设备。本发明涉及一种带有故障检测功能的猪舍刮板式清粪设备。牵引绳（14）穿过横向刮粪板（12‑1），所述的横向刮粪板（12‑1）内嵌入检测设备（11），所述的横向刮粪板（12‑1）垂直连接竖向刮粪板（12‑2），所述的竖向刮粪板（12‑2）的两个外端设置凸块（23），所述的凸块（23）上连接与横向刮粪板（12‑1）呈锐角的斜向刮粪板（12‑3），所述的斜向刮粪板（12‑3）的外端设置圆形刮板（12‑4），所述的圆形刮板（12‑4）与粪道侧壁（13）紧贴接触。本发明用于猪舍刮板式清粪。
-
公开(公告)号：CN110553983B
公开(公告)日：2022-03-04
申请号：CN201910836171.0
申请日：2019-09-05
Applicant: 东北农业大学
IPC: G01N21/25 , G06V10/764 , G06V10/774 , G06V10/25 , G06K9/62
Abstract: 本发明公开了一种牛奶中山梨酸钾的快速检测方法，本发明将高光谱成像技术应用于牛奶中山梨酸钾的快速识别。首先选择不同品牌牛奶制备建模样本，通过高光谱成像系统采集样本高光谱图像，利用ENVI软件提取样本高光谱数据。去除首尾噪声波段后，采用标准正态变换对449～1160nm波段间光谱进行预处理，利用竞争性自适应采样算法对光谱数据进行变量筛选，基于支持向量机方法构建牛奶中山梨酸钾定性分析模型。模型的校正集准确率和验证集准确率分别达到97.59％、97.08％，模型Kappa系数为0.8403，表明该模型具有较高的准确性和可靠性，能够实现牛奶中山梨酸钾的快速检测，也为牛奶中其它防腐剂的检测提供技术支撑。
-
公开(公告)号：CN109452183A
公开(公告)日：2019-03-12
申请号：CN201811644982.2
申请日：2018-12-30
Applicant: 东北农业大学
Abstract: 一种带有故障检测功能的猪舍刮板式清粪设备。本发明涉及一种带有故障检测功能的猪舍刮板式清粪设备。牵引绳（14）穿过横向刮粪板（12-1），所述的横向刮粪板（12-1）内嵌入检测设备（11），所述的横向刮粪板（12-1）垂直连接竖向刮粪板（12-2），所述的竖向刮粪板（12-2）的两个外端设置凸块（23），所述的凸块（23）上连接与横向刮粪板（12-1）呈锐角的斜向刮粪板（12-3），所述的斜向刮粪板（12-3）的外端设置圆形刮板（12-4），所述的圆形刮板（12-4）与粪道侧壁（13）紧贴接触。本发明用于猪舍刮板式清粪。
-
公开(公告)号：CN117408829A
公开(公告)日：2024-01-16
申请号：CN202311408679.3
申请日：2023-10-27
Applicant: 东北农业大学
IPC: G06Q50/02 , G06Q10/0639 , G06F18/23213 , G06F18/22
Abstract: 耕地保护分区及特征自动归纳、障碍因子诊断方法，属于农业工程技术领域。为了解决现有的耕地质量分区方案都是按照行政区划、局部空间自相关方法进行划分存在不能根据耕地的客观情况进行分区，导致同一分区内的土地可能存在相似性差异大的问题，使得分区内的特征及障碍因子并不是基于具有相似特征的耕地提取的，从而存在提取的障碍因子与实际情况差异较大的问题。本发明根据预先建立的耕地质量评价指标体系，首先获取研究区域中典型样地的耕地质量评价指标数据，并采用对研究区域内的采样单元进行聚类，得到若干个采样单元集合，得到耕地的若干个分区；然后针对每个区域，获得分区的耕地特征，同时采用指标障碍度识别每个分区的障碍因子。
-
Patent Agency Ranking
公开(公告)号：CN106971394B
公开(公告)日：2019-11-12
申请号：CN201710235725.2
申请日：2017-04-12
Applicant: 东北农业大学
IPC: G06T7/10
Abstract: 本发明应用于农产品无损检测领域，属于计算机视觉、计算机图形学和数字图像处理等交叉领域，公开了一种快速分离粘连玉米种子的图像分割方法。首先采用最大类间方差法(OSTU)对目标图像二值化处理，并计算重心坐标；然后利用数学公式建立通过重心坐标的若干条轴线及每条轴线上的n条垂直线，并依据垂直线经过目标图像区域的像素之和，构建长度为n的集合并转化成相应的二维曲线；最后将所有二维曲线中的凹点存储到一个向量中，并根据数学公式搜索最小值和候选分割线。根据本发明实施例的方法，结合了轮廓跟踪和凹点搜索的优势，且经过实验表明，其具有实现简单、准确率较高和分割效果理想等优势，为后续的种子质量分级奠定良好的基础。
-
公开(公告)号：CN106971394A
公开(公告)日：2017-07-21
申请号：CN201710235725.2
申请日：2017-04-12
Applicant: 东北农业大学
IPC: G06T7/10
Abstract: 本发明应用于农产品无损检测领域，属于计算机视觉、计算机图形学和数字图像处理等交叉领域，公开了一种快速分离粘连玉米种子的图像分割方法。首先采用最大类间方差法(OSTU)对目标图像二值化处理，并计算重心坐标；然后利用数学公式建立通过重心坐标的若干条轴线及每条轴线上的n条垂直线，并依据垂直线经过目标图像区域的像素之和，构建长度为n的集合并转化成相应的二维曲线；最后将所有二维曲线中的凹点存储到一个向量中，并根据数学公式搜索最小值和候选分割线。根据本发明实施例的方法，结合了轮廓跟踪和凹点搜索的优势，且经过实验表明，其具有实现简单、准确率较高和分割效果理想等优势，为后续的种子质量分级奠定良好的基础。
-
公开(公告)号：CN106596465A
公开(公告)日：2017-04-26
申请号：CN201710123913.6
申请日：2017-03-03
Applicant: 东北农业大学
IPC: G01N21/359
CPC classification number: G01N21/359
Abstract: 本发明公开了一种近红外光谱分析中的异常样本识别方法，本发明结合半数重采样和Cook距离算法对近红外光谱分析数据进行异常样本识别。首先改变半数重采样算法的结果表达方式，对光谱数据进行异常样本识别，然后利用Cook距离方法针对化学值进行异常样本识别，均通过偏最小二乘建模效果选取各自的最佳置信区间，联合二者作为本方法中的置信区间；对于同时出现在两种方法下的异常样本，若为高杠杆值点，则剔除，否则保留。本发明结合两种相互独立的算法，能够处理光谱异常和化学值异常同时存在或只存在一种的情况，并对特殊的异常样本进行深入判断，保留由于自身特性而被识别出的特异样本，增强了模型的适用性和稳定性。
-
公开(公告)号：CN114299436A
公开(公告)日：2022-04-08
申请号：CN202111650132.5
申请日：2021-12-30
Applicant: 东北农业大学
Abstract: 本发明公开了融合时空双注意力机制的群养生猪争斗行为识别方法，包括以下步骤：通过摄像头采集群养生猪争斗行为视频数据，建立数据集；将视频数据进行抽帧操作，以水平翻转、垂直翻转、对角翻转及下调50％图像亮度的方法进行数据增强；构建融合空间和时序注意力机制的时空组合模型，并通过增强后得到的数据训练得到争斗行为识别效果最佳的时空组合模型。该融合时空双注意力机制的群养生猪争斗行为识别方法，解决了视频数据在空间和时间域具有过多冗余信息和不显著特征而导致识别效果不佳的问题，对于同一批群养生猪争斗行为数据其识别效果超过了预训练模型的识别精度，有益于提高生猪养殖业的经济效益。
-
公开(公告)号：CN110553983A
公开(公告)日：2019-12-10
申请号：CN201910836171.0
申请日：2019-09-05
Applicant: 东北农业大学
Abstract: 本发明公开了一种牛奶中山梨酸钾的快速检测方法，本发明将高光谱成像技术应用于牛奶中山梨酸钾的快速识别。首先选择不同品牌牛奶制备建模样本，通过高光谱成像系统采集样本高光谱图像，利用ENVI软件提取样本高光谱数据。去除首尾噪声波段后，采用标准正态变换对449～1160nm波段间光谱进行预处理，利用竞争性自适应采样算法对光谱数据进行变量筛选，基于支持向量机方法构建牛奶中山梨酸钾定性分析模型。模型的校正集准确率和验证集准确率分别达到97.59％、97.08％，模型Kappa系数为0.8403，表明该模型具有较高的准确性和可靠性，能够实现牛奶中山梨酸钾的快速检测，也为牛奶中其它防腐剂的检测提供技术支撑。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.031 seconds)
