公开(公告)号：CN116051908A

公开(公告)日：2023-05-02

申请号：CN202310173159.2

申请日：2023-02-28

Applicant: 华南农业大学

Inventor： 李海锋 ,  岳学军 ,  丁子予 ,  郑建宇 ,  时浩文 ,  肖佳仪

IPC: G06V10/764 ,  G06V10/42 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于改进YOLOv7的微小型病虫害检测系统及其方法，包括视频输入模块、Pic提取模块、AC提取模块、Pic特征提取模块、AC特征提取模块、闪存模块、特征缩放模块、mAP模块、输出模块、YOLOv7模块、模型库和交互模块，所述视频输入模块用于接收拍摄装置传输的影响数据，并将该数据进行转发，所述Pic提取模块和AC提取模块分别用于提取影响数据的图像数据和动作数据，所述Pic特征提取模块和AC特征提取模块分别用于提取图像数据和动作数据的关键特征；本发明可以有效的提高病虫害检测速度，同时也采用了图像和动作双重检测的方式，使得检测结果精度更高。

公开(公告)号：CN117333769A

公开(公告)日：2024-01-02

申请号：CN202311270035.2

申请日：2023-09-28

Applicant: 广东省农业科学院作物研究所 ,  华南农业大学

Inventor： 黄立飞 ,  岳学军 ,  丁子予 ,  曾凡国 ,  王章英 ,  陈景益

IPC: G06V20/10 ,  G06V20/70 ,  G06V10/26 ,  G06V10/82 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的甘薯病毒病识别方法及系统。该方法包括：获取多张染病甘薯的RGB叶片图像；对所述RGB叶片图像进行数据预处理，生成预处理后的数据集；构建深度学习分割模型；将所述预处理后的数据集输入所述深度学习分割模型，得到优化后的甘薯病毒病识别模型；获取待识别的染病甘薯的RGB叶片图像；将所述待识别的染病甘薯的RGB叶片图像输入至所述优化后的甘薯病毒病识别模型，得到二值化的识别结果图；根据所述二值化的识别结果图，得出甘薯病毒病的识别结果。本发明能够高效地在自然环境中识别甘薯病毒病，克服了传统检测方式中的困难、耗时和昂贵的问题。

公开(公告)号：CN116171956A

公开(公告)日：2023-05-30

申请号：CN202310161752.5

申请日：2023-02-22

Applicant: 华南农业大学

Inventor： 李海锋 ,  郑建宇 ,  岳学军 ,  丁子予 ,  肖佳仪 ,  时浩文

IPC: A01M5/00 ,  A01C23/04 ,  A01C23/00 ,  B08B1/00 ,  B30B9/00 ,  B01F27/80 ,  H04N23/50 ,  B01F101/32

Abstract: 本发明公开了一种农业害虫监测设备，包括自行走平台小车、诱虫机构和施肥机构，自行走平台小车前端安装有探路器，诱虫机构和施肥机构设置于自行走平台小车上，诱虫机构包括诱虫箱和接虫漏斗，诱虫箱安装于自行走平台小车顶部，诱虫箱顶部安装有接虫漏斗，接虫漏斗与诱虫箱之间通过四根支撑杆固定连接，接虫漏斗内部设置有支撑架，支撑架顶部安装有诱捕剂盒，接虫漏斗的输送管上设置有电磁阀，诱虫箱内部一侧固定安装有固定板，本发明相较于现有技术中以高压电网为主捕杀的监测装置，不会对害虫本体造成过大的破坏，能够提高后续图像识别的有效性和准确性。

公开(公告)号：CN118711059A

公开(公告)日：2024-09-27

申请号：CN202410782095.0

申请日：2024-06-18

Applicant: 华南农业大学

Inventor： 李炫天 ,  李海锋 ,  周意 ,  岳学军 ,  宋庆奎 ,  钟文山 ,  陈俊致 ,  郑健宇 ,  丁子予 ,  陈彪 ,  陈宇杰 ,  温章媛

IPC: G06V20/10 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06V10/764 ,  G06V10/77

Abstract: 本发明公开了一种基于深度学习的计算机视觉芦荟炭疽病检测方法。本发明中，基于卷积神经网络YOLOv8实现了自然环境下芦荟炭疽病病斑的自动检测，融合BiFPN网络和MCA注意力机制，基于这两个模块对YOLOv8网络进行改进对芦荟植株的炭疽病病斑进行定位识别。利用GAN数据增强以及YOLO数据增强，对芦荟植株的炭疽病数据集数量进行增强，再利用卷积神经网络进行特征提取，经过图像处理，提取了多尺度和遮挡情况下的病斑特征。对于病斑的数据，建立针对芦荟炭疽病病害程度的预测模型，通过mAP、准确率、鲁棒性等指标对模型进行评估，从而使得整个方法的准确性得到了提高，同时也降低了芦荟病害程度分析的时间，提高了检测效率，减轻了相关工作人员的劳动负担。

公开(公告)号：CN117392104A

公开(公告)日：2024-01-12

申请号：CN202311447276.X

申请日：2023-11-02

Applicant: 华南农业大学

Inventor： 李海锋 ,  李炫天 ,  宋庆奎 ,  丁子予 ,  郑健宇 ,  曾凡国 ,  钟文山 ,  陈俊致 ,  肖佳仪 ,  陈彪

IPC: G06T7/00 ,  G06T7/194 ,  G06V20/10 ,  G06V20/68 ,  G06V10/764 ,  G06V10/82 ,  G06V10/77 ,  G06V10/44 ,  G06V10/56 ,  G06V10/58 ,  G06V10/26 ,  G06V10/25 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于深度学习的计算机视觉水稻质量测定方法。本发明中，基于卷积神经网络FasterR－CNN实现了盆栽水稻穗数的自动检测，基于SegNet网络框架训练模型对盆栽水稻稻穗进行分割。利用RGB和HIS等颜色空间对整株水稻图片和分割后稻穗图片进行阈值分割，经过图像处理，提取了51个整株水稻特征和33个穗部特征。根据提取的85个特征数据，建立多个盆栽水稻稻穗鲜质量和干质量预测模型，使用五倍交叉验证对模型进行评估，从而使得整个方法的准确性得到了提高，同时也降低了水稻质量检测分析的时间，提高了测试效率，减轻了相关工作人员的劳动负担。

公开(公告)号：CN116824369A

公开(公告)日：2023-09-29

申请号：CN202310721957.4

申请日：2023-06-19

Applicant: 华南农业大学

Inventor： 肖佳仪 ,  岳学军 ,  罗志环 ,  曾凡国 ,  宋庆奎 ,  丁子予 ,  李海锋 ,  郑健宇 ,  李炫天 ,  陈俊致 ,  钟文山

IPC: G06V20/10 ,  G06V10/764 ,  G06F17/18 ,  G06V10/82

Abstract: 本发明公开了基于边缘计算与yolov7‑tiny的荔枝病害实时检测系统及其方法，包括图像识别模块、yolov7‑tiny模块，注意力CBAM模块，mAP模块，边缘部署模块，所述图像识别模块用于接收拍摄装置传输的影响数据，并将该数据进行转发，所述mAP模块用于对检测结果综合衡量，其计算方式为mAP＝所有类别的平均精度求和除以所有类别，所述注意力CBAM模块用于yolov7‑tiny模块，在神经网络中使模型把握重点，所述特征缩放模块用于特征缩放模块用于对图像特征进行缩放；本发明荔枝病害检测方法是一套集计算机远程通信，计算机硬件技术，多媒体技术于一身的高技术荔枝病害情况收集检测信息传输装置，能够实时判断荔枝发病情况，检测步骤简单化，检测效率大大提高。

公开(公告)号：CN118447496A

公开(公告)日：2024-08-06

申请号：CN202410595977.6

申请日：2024-05-14

Applicant: 华南农业大学

Inventor： 岳学军 ,  钟文山 ,  李海锋 ,  丁子予 ,  郑健宇 ,  曾凡国 ,  李炫天 ,  陈俊致 ,  宋庆奎 ,  陈彪

IPC: G06V20/68 ,  G06V20/17 ,  G06V10/82 ,  G06V10/25 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了一种基于改进YOLOv8的芦荟估产系统，包括数据采集模块、数据预处理模块、目标检测模块、性能估算模块、输入模块、跟踪模块、计数模块、输出模块和数据库；数据采集模块用于使用无人机拍摄视频获取芦荟植株数据；数据预处理模块，对无人机拍摄的芦荟数据视频进行预处理，得到图片数据集，并对芦荟植株进行标注，最后对数据集进行划分。本发明利用了现有技术中YOLOv8的深度网络学习架构进行芦荟植株检测过程中的深度学习，通过在主干添加EMA注意力机制模块提升模型特征提取能力，在颈部采用bifpn结构和改进卷积模块从而使模型更加轻量化，具有很强的学习效果，准确度和效率均高于普遍的人工计数。

公开(公告)号：CN117523606A

公开(公告)日：2024-02-06

申请号：CN202311466396.4

申请日：2023-11-07

Applicant: 华南农业大学

Inventor： 杨文浩 ,  李海锋 ,  王亚文 ,  吴杰 ,  丁子予

IPC: G06V40/10 ,  G06V40/20 ,  G06V10/44 ,  G06V10/82 ,  G06V10/74 ,  G06V20/40

Abstract: 本发明公开了一种基于步态识别的行人识别方法，该识别方法具体包括以下步骤：摄像头进行人像采集，拍摄完整的行人行走视频，并将拍摄的视频存入云端数据库，通过云端数据库补全人像，对采集的视频数据进行预处理，将视频转化为图像并进行分割，消除背景，提取人像信息，通过卷积神经网络(CNN)提取行人的步态特征，包括步长、步宽、手臂摆动、步幅、步频、步态稳定性和步态对称性，通过卷积神经网络(CNN)对提取的步态特征进行建模，建立行人像识别模型，通过GaitSet算法将待识别的行人图像输入行人识别模型中进行匹配和比对。本发明数据处理速度快，步态识别的精确度高，同时采用隐蔽式监控和管理，提高了监控的安全性和可靠性。

公开(公告)号：CN115731282A

公开(公告)日：2023-03-03

申请号：CN202211454671.6

申请日：2022-11-21

Applicant: 华南农业大学

Inventor： 时浩文 ,  李智庆 ,  岳学军 ,  苏世源 ,  张育华 ,  吴彦琪 ,  王越 ,  肖佳仪 ,  郑健宇 ,  李海锋 ,  丁子予

IPC: G06T7/60 ,  G06V20/05 ,  G06V20/52 ,  G06V40/10 ,  G06V10/44 ,  G06V10/74 ,  G06V10/762 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G01D21/00

Abstract: 本发明公开了一种基于深度学习的水下鱼类重量估计方法、系统及电子设备，方法包括：收集目标鱼类图像，对图像进行划分和标注，构建目标鱼类数据集；对所述目标鱼类数据集进行预处理；构建目标鱼类检测模型、轮廓提取模型和重量估计模型，使用获取的目标鱼类数据集训练上述模型；构建目标鱼类轮廓对比器，判断鱼身是否和摄像头垂直，当两者垂直时，对相应的轮廓图进行后续处理；构建目标鱼类轮廓图缩放器，对输入轮廓图的像素尺寸进行缩放；将按比例缩放后的轮廓图作为重量估计模型的输入，得到目标鱼类的重量估计结果。本发明能无损、快速地对目标鱼类进行识别、定位和重量估计，对多尺寸目标有良好的识别精度。

公开(公告)号：CN221863646U

公开(公告)日：2024-10-22

申请号：CN202323521242.9

申请日：2023-12-22

Applicant: 华南农业大学

Inventor： 李海锋 ,  杨文浩 ,  李炫天 ,  丁子予 ,  郑健宇 ,  曾凡国 ,  钟文山 ,  陈俊致 ,  陈彪 ,  宋庆奎 ,  肖运高 ,  周晖 ,  汪姣 ,  余首男 ,  徐铭晨

IPC: A01D46/247 ,  A01D46/253 ,  A01D46/22

Abstract: 本实用新型公开了用于荔枝种植的采摘装置，包括中空的支撑杆，所述支撑杆从上到下依次设有采摘机构、手动机构以及电动机构；所述手动机构包括握把以及两端分别与采摘机构和握把外端面相连接的拉绳。设计了手动采摘和自动采摘两种方式，在采摘时，可采用电动方式进行采摘，在采摘时，微型电动推杆回缩拉动第二拉绳向内移动，在移动的过程中，拉动握把以及拉绳，在拉绳拉动的过程中，带动连接杆向下移动，在移动的过程中，带动导向臂向下移动，受铰接的影响，会带动剪切刀片向内合起，完成自动采摘操作，不需要手动操作，不容易造成手部酸痛，操作更加舒适，同时在不能外接电源时，也可采用手动以及电动交替的方式，也能减少需要耗费的人力。