-
公开(公告)号：CN119963504A
公开(公告)日：2025-05-09
申请号：CN202510034863.9
申请日：2025-01-09
Applicant: 中国农业科学院农业信息研究所
Abstract: 本申请公开了一种用于多叶植物的叶片表型提取方法、设备、介质及产品，涉及图像处理领域，该方法包括获取叶片图像；基于HSV色彩空间确定绿色叶片的色彩范围，确定HSV色彩阈值；采用HSV色彩阈值对叶片图像中的叶片与背景进行分割；采用形态学操作对初始二值化图像进行去噪；基于叶片轮廓的面积和形状对去噪后的二值化图像进行优化；根据优化后的二值化图像，采用形态学腐蚀算法，生成随机点，得到随机点集合；根据叶片形态和走向，识别随机点集合中的关键点；根据关键点以及根据关键点得到的叶片骨架，确定叶片表型；本申请能够提高提取任何复杂植物的叶片表型参数的精度和效率，进而准确的实现对任何复杂植物性状的综合评估。
-
公开(公告)号：CN118968341B
公开(公告)日：2025-02-25
申请号：CN202411259360.3
申请日：2024-09-10
Applicant: 中国农业科学院农业信息研究所
IPC: G06V20/13 , G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本申请公开一种遥感时序图像生成方法、装置及介质，涉及图像视频分析及农业信息技术领域，所述方法包括：确定待预测区域中各类型作物的遥感时序图像；对当前作物的各历史时刻的作物分布图分别进行空间角度的区块划分，得到多个历史区块图像；将当前作物的任一空间角度的所有历史时刻的历史区块图像均输入至遥感图像生成模型中，得到对应空间角度的待预测时刻的预测区块图像；遥感图像生成模型是利用训练集对初始模型进行训练得到的，初始模型是基于Transformer网络和VQ‑VAE模型构建的；基于待预测区域中各类型作物的各空间角度的待预测时刻的预测区块图像，确定待预测时刻的预测遥感图像。提高了高分辨率遥感图像的预测精度。
-
公开(公告)号：CN112905693A
公开(公告)日：2021-06-04
申请号：CN202110135930.8
申请日：2021-02-01
Applicant: 中国农业科学院农业信息研究所
IPC: G06F16/27 , G06F16/2458 , G06F16/23 , G06F16/28 , G06F21/60 , G06F21/62 , G06F21/64 , G06Q50/02
Abstract: 本发明公开了一种基于区块链技术的农业供应链数据管理系统，该管理系统包括农业供应链数据管理模块、农业供应链数据抽取模块、农业供应链数据安全存储模块、农业供应链数据安全访问模块，上述四个模块构建于区块链网络上，相互进行信息的管理、储存、访问。本技术方案的农业供应链数据管理系统和方法，基于区块链和数据库技术，结合星际文件系统(Inter‑Planetary File System，IPFS)和智能合约技术保障了大型异构数据的安全存储和访问，对农业供应链中生产、运输、销售等节点实现了数据安全、有效管理和优化。
-
公开(公告)号：CN111523479A
公开(公告)日：2020-08-11
申请号：CN202010331638.9
申请日：2020-04-24
Applicant: 中国农业科学院农业信息研究所
IPC: G06K9/00
Abstract: 本发明公开了一种动物的生物特征识别方法、装置、计算机设备及存储介质，涉及生物特征识别技术领域，用于减少动物生物特征识别所造成的成本，避免动物所承受的生物破坏。本发明的主要技术方案为：将待识别动物的生物图像输入到动物生物特征识别模型得到所述待识别动物的生物特征信息；所述动物生物特征识别模型是根据生物特征样本信息以及对应的标签训练得到的；计算所述待识别动物的生物特征信息与生物特征数据库中各动物的生物特征信息相似度；将所述生物特征数据库中与所述待识别动物的生物特征信息相似度最大的生物特征信息对应的动物标签确定为所述待识别动物的身份。
-
公开(公告)号：CN111275752A
公开(公告)日：2020-06-12
申请号：CN202010075235.2
申请日：2020-01-22
Applicant: 中国农业科学院农业信息研究所
Abstract: 本发明公开了一种水流测速方法、装置、计算机设备及存储介质，涉及视频测速技术领域，用于提高水流测速的准确度。本发明的主要技术方案为：获取待检测水流的视频序列；并从视频序列中获取视频帧RGB图像、视频帧差灰度图像以及视频帧灰度图像；根据所述视频帧RGB图像、所述视频帧差灰度图像以及所述视频帧灰度图像分别确定所述待检测水流的表观特征、运动特征与纹理特征；将所述待检测水流的表观特征、运动特征与纹理特征进行组合得到水流特征，并将所述水流特征输入到特征融合网络模型中得到与所述待检测水流对应的水流流速的预测结果；所述特征融合网络模型是根据样本水流特征和其对应的水流流速标签训练得到的。
-
Patent Agency Ranking
公开(公告)号：CN119597968A
公开(公告)日：2025-03-11
申请号：CN202411573078.2
申请日：2024-11-06
Applicant: 中国农业科学院农业信息研究所
IPC: G06F16/783 , G06F18/25
Abstract: 本发明提供了一种跨模态牲畜行为检索方法及装置，涉及文本‑视频检索技术领域。该方法包括：获取牲畜视频和用户输入的输入文本，输入文本包括牲畜行为事件；提取输入文本中的目标句子、目标句子的名词和动词；基于牲畜行为检索标签对应的单词集合，确定目标句子的名词的检索标签和动词的检索标签；从视频‑文本多通道特征集合中，查找与名词的检索标签、动词的检索标签和目标句子的句子结构匹配的视频特征；基于匹配的视频特征，检索牲畜视频中的牲畜行为事件。基于该方案，可以提高基于输入文本从牲畜视频中检索牲畜行为事件的准确性。
-
公开(公告)号：CN118129843A
公开(公告)日：2024-06-04
申请号：CN202410361910.6
申请日：2024-03-28
Applicant: 中国农业科学院农业信息研究所
Abstract: 本公开提供了一种花卉数据分析测量装置，涉及花卉数据测量技术领域。该花卉数据分析测量装置包括：具有固定底座的连接支架；旋转托台，与固定底座连接，用于承载盆栽花卉并旋转调整盆栽花卉的展示角度；感知模块，设置于连接支架上，用于采集盆栽花卉的基础花卉数据，尤其是盆栽花卉的花卉香味；控制模块用于生成用于控制旋转托台和感知模块的控制指令，并根据感知模块采集的基础花卉数据生成花卉评价数据；显示模块用于设置旋转托台和感知模块的控制参数，以及展示花卉评价数据。本技术方案能够提升花卉数据的测量效率，并将花卉品质的评价进行量化，提升花卉评价数据的准确性，并且可以实现对花卉香味的评价。
-
公开(公告)号：CN113220911B
公开(公告)日：2024-02-02
申请号：CN202110571909.2
申请日：2021-05-25
Applicant: 中国农业科学院农业信息研究所
Abstract: 本发明公开了一种农业多源异构数据的分析与挖掘方法：S1、农业多源异构数据管理；S2、建立多源异构数据表达机制，对多源异构数据建立统一表征，其具体过程包括：S2‑1、语义对象网络构建及动态管理更新；S2‑2、对多源异构数据进行多模态内容表示并对其分类标注实现联合学习；S3、多源异构数据对象建模的关联协同及关联数据对象迁移。本方案通过农业数据的深度分析、挖掘实现了现实应用需要，用户随时随地可以对农场进行高度智能化管理，并对农场生产环境进行精准监测和控制；此外，本申请为无人农场继续发挥科技在农业标准化、信息化、智能化等领域提供技术保障，促进我国农业科技和信
-
公开(公告)号：CN120071063A
公开(公告)日：2025-05-30
申请号：CN202510128548.2
申请日：2025-02-05
Applicant: 中国农业科学院农业信息研究所
IPC: G06V10/80 , G06V10/82 , G06N3/0455 , G06V10/26 , G06N3/0464 , G06V10/56
Abstract: 本申请公开了一种花卉品质分级方法、设备及介质，涉及植物检测技术领域，该方法包括：采集目标花卉的图像数据和文本数据；对文本数据进行模式匹配得到多个目标关键特征，每个目标关键特征均包括特征名和特征值；各特征名构成一个特征索引向量；各特征值构成一个特征值向量；对图像数据进行图像分割，确定分割后花瓣图像的平均RGB颜色；将花瓣图像进行特征变化得到全局细粒度特征向量；将特征索引向量、特征值向量和平均RGB颜色进行向量点积操作得到点积输出；将点积输出与全局细粒度特征向量进行拼接，得到多模态特征融合向量；将多模态特征融合向量输入花卉品质分级模型得到分级结果。本申请可提高花卉品质分级的准确性。
-
公开(公告)号：CN119625394A
公开(公告)日：2025-03-14
申请号：CN202411688063.0
申请日：2024-11-25
Applicant: 中国农业科学院农业信息研究所
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06V20/10 , G06V10/80
Abstract: 本发明提供了一种作物图像的自动标注方法及装置，涉及深度学习技术领域。该方法包括：获取作物图像的训练集、测试集和验证集；基于训练集按照神经网络模型从高层到低层的解冻顺序，在第i轮训练中冻结第j组网络层之前的每个网络层的参数训练，训练第j组网络层中的参数并调整第j组网络层之后的网络层的参数；在第j组网络层以及之后的网络层的参数训练完成之后开始训练第j‑1组网络层的参数并调整第j‑1组网络层之后的网络层的参数；在第i轮的所有网络层的参数训练完后，若基于测试集和验证集验证的模型性能指标均满足预设条件，则基于训练后的神经网络模型对待标注集中的每个作物图像进行标注。基于该方案，可以提高作物图像自动标注的准确性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.028 seconds)
