公开(公告)号：CN117876388A

公开(公告)日：2024-04-12

申请号：CN202311620647.X

申请日：2023-11-29

Applicant: 华南农业大学

Inventor： 张连宽 ,  林宇亮 ,  肖德琴 ,  王春桃 ,  陈俊名

IPC: G06T7/11 ,  G06T7/30 ,  G06T7/70 ,  G06T7/90 ,  G06T7/50

Abstract: 本发明涉及农业信息技术领域，公开了一种基于深度学习的稠密叶片作物各叶片点云分割方法，本发明将识别的叶片的彩色图像框通过映射关系从作物点云中提取出各对应的点云块，从各个点云块中提取单个目标叶片点云，解决了背景、噪声和不同叶片点相互干扰的问题，通过点云修补成功地获得各个叶片点云，简化了分割点云的复杂度；设计了小参数的pointNet++语义分割网络结构，达到了优异的分割能力，检测性能高且部署简易，有较好的分割率。

公开(公告)号：CN117611903A

公开(公告)日：2024-02-27

申请号：CN202311601178.7

申请日：2023-11-27

Applicant: 华南农业大学

Inventor： 王春桃 ,  王子豪 ,  张嘉仁 ,  郭浩捷

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于多维超球面特征一致性正则化的小样本害虫检测方法，涉及小样本检测的技术领域，包括获取现有害虫数据集，构建基类支持集、基类查询集、小样本支持集和小样本查询集；利用基类支持集和基类查询集对构建的小样本害虫检测模型进行第一阶段训练优化，当总损失函数值达到最小时，获得初训练的小样本害虫检测模型；利用小样本支持集和小样本查询集对初训练的小样本害虫检测模型进行第二阶段训练优化，当总损失函数值达到最小时，获得优化后的小样本害虫检测模型；将待检测的小样本害虫图片输入优化后的小样本害虫检测模型中，获得检测结果。本发明能够在害虫标记数据不足的场景下，准确快速的检测出小样本害虫的种类。

公开(公告)号：CN117172999A

公开(公告)日：2023-12-05

申请号：CN202311155334.1

申请日：2023-09-06

Applicant: 华南农业大学

Inventor： 莫谋科 ,  王春桃 ,  边山

IPC: G06T1/00 ,  G06V40/12 ,  G06N3/084

Abstract: 本发明公开了一种毒化图像生成方法及黑盒分类模型指纹水印方法，涉及神经网络模型保护和计算机视觉的技术领域，所述方法包括采用DWT‑DCT‑SVD方法将指纹水印扩散到整幅图像中，并对DCT系数进行加密。为解决图像数量不平衡和类别不平衡的问题，引入了毒化特征强化模块，提高水印的可靠性和保真度。通过毒化特征强化模块与原始分类模块相结合，能有效得到嵌入强度较小的指纹水印。该方法生成的毒化图像中的指纹水印具有极好的隐蔽性，即使在指纹水印差异为1位的情况下也可准确进行版权验证，并且对多种模型水印攻击表现出强鲁棒性。

公开(公告)号：CN109587498A

公开(公告)日：2019-04-05

申请号：CN201811593258.1

申请日：2018-12-25

Applicant: 华南农业大学

Inventor： 边山 ,  王春桃 ,  顾天己

IPC: H04N19/40 ,  H04N21/4402 ,  H04N19/172 ,  H04N19/42 ,  H04N17/00

Abstract: 本发明提供一种由AVC转码HEVC视频的鉴定方法，包括：利用HEVC解码器对待鉴定视频进行解码，同时从码流中解析出每帧的预测单元划分情况；对于帧内预测的I帧和帧间预测的P帧分别统计其中5种和25种预测单元的出现频率；分别针对I帧和P帧，计算预测单元在每种帧中出现的平均频率，生成5维和25维特征集合；将两个特征集合合并成为30维特征集合，用于视频的训练或鉴定。本发明提供的一种由AVC转码HEVC视频的鉴定方法，通过分析HEVC视频中I帧和P帧的PU划分策略，提出一种基于I帧和P帧中PU分布概率的特征集合，并通过支持向量机分类器鉴定出HEVC转码视频，有效检测由AVC编码转换为HEVC的转码视频，为HEVC视频原始性的鉴定提供了有效的方法。

公开(公告)号：CN113935365B

公开(公告)日：2024-05-14

申请号：CN202111137316.1

申请日：2021-09-27

Applicant: 华南农业大学

Inventor： 边山 ,  李颖 ,  王春桃 ,  黄远航 ,  钟浩 ,  胡娟 ,  甘雨

IPC: G06V40/16 ,  G06V40/40 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明提出一种基于空域和频域双特征的深度伪造视频鉴定方法及系统，涉及多媒体信息安全的技术领域，首先从待鉴定视频中提取视频帧，从提取到的视频帧中提取人脸区域图像，然后进行频域的图像分割及频率域分支特征提取、空间域分支特征提取，最后频率域分支特征和空间域分支特征合并形成特征向量，用于卷积神经网络分类器的训练和测试，避免当前深度伪造视频鉴定方法对低质量视频检测精度低、跨库检测性能差的问题，综合利用空域和频域特征，能够有效检测由深度伪造技术生成的虚假视频，提高了检测精度。

公开(公告)号：CN112287787B

公开(公告)日：2023-09-26

申请号：CN202011122979.1

申请日：2020-10-20

Applicant: 华南农业大学

Inventor： 谭穗妍 ,  马旭 ,  齐龙 ,  李泽华 ,  王春桃 ,  徐初东 ,  王宇唯 ,  卢恒辉

IPC: G06V20/10 ,  G06V10/50 ,  G06V10/764 ,  G06V10/774 ,  G06V10/26 ,  G06T3/40

Abstract: 本发明公开了一种基于梯度直方图特征的作物倒伏分级方法，包括：S1，获取待检测大田作物冠层的RGB彩色图像；S2，用拼接软件对RGB彩色图像进行快速拼接，形成整个大田的二维正交拼接图像；S3，对二维正交拼接图像进行区域分割；S4，提取区域冠层彩色图像的方向梯度直方图HOG特征；S5，将所述梯度直方图HOG特征输入预先构建并训练好的基于SVM支持向量机的作物倒伏分级评价模型，输出作物倒伏级数。本发明通过将待检测大田作物划分为区域，每个区域提取方向梯度直方图HOG特征，并输入构建的作物倒伏分级评价模型，模型即可输出作物倒伏级数，最后生成整个大田的倒伏程度的分布图。

公开(公告)号：CN112560734A

公开(公告)日：2021-03-26

申请号：CN202011532832.X

申请日：2020-12-23

Applicant: 华南农业大学

Inventor： 边山 ,  王丛笑 ,  顾天己 ,  王春桃

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的重获取视频检测方法、系统、设备及介质，所述方法包括：获取原始视频数据集和重获取视频数据集，所述重获取视频数据集通过拍摄设备对成像设备显示的原始视频数据进行采集获取；根据原始视频数据集和重获取视频数据集，获取训练数据集；对训练数据集中的训练视频数据进行预处理；以残差网络作为重获取视频检测模型，利用预处理后的训练视频数据对重获取视频检测模型进行训练，得到训练好的重获取视频检测模型；利用训练好的重获取视频检测模型对待测视频进行检测，判定是否为重获取视频。本发明能够实现重获取视频的检测，借鉴图像领域的研究方法和手段，一改传统的依靠手动提取特征的检测方法。

公开(公告)号：CN119442168A

公开(公告)日：2025-02-14

申请号：CN202411398963.1

申请日：2024-10-09

Applicant: 华南农业大学

Inventor： 边山 ,  朱迪琪 ,  陈倩怡 ,  王春桃 ,  肖德琴

IPC: G06F18/27 ,  G06F18/243 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/084 ,  G01G17/08

Abstract: 本发明公开了一种结合深度学习和多模态数据的智能化肉鸭估重方法，所述方法包括S1、基于多视图摄像头获取肉鸭的视觉模态数据，S2、采集肉鸭的非视觉模态数据，S3、基于深度学习网络融合视觉模态数据与非视觉模态数据，S4、基于融合数据进行肉鸭关键点检测并校正姿势和遮挡误差，S5、利用校正后的关键点数据估算肉鸭体重；该结合深度学习和多模态数据的智能化肉鸭估重方法，实现对大批量肉鸭的实时体重估算，节省了人工操作时间，显著提高了生产管理效率，能够应对肉鸭不同姿态及相互遮挡的复杂养殖场景，增强了估重系统在真实养殖环境下的适应性和鲁棒性，保证了在各种情况下的稳定性能。

公开(公告)号：CN118464890A

公开(公告)日：2024-08-09

申请号：CN202410449004.1

申请日：2024-04-15

Applicant: 长沙理工大学 ,  华南农业大学

Inventor： 郑琼 ,  陈义豪 ,  夏清 ,  王春桃 ,  王重洋 ,  李丹 ,  朱丽红

IPC: G01N21/84 ,  G01N21/552

Abstract: 本发明提供一种基于高光谱几何比值植被指数的水稻稻瘟病识别方法及系统。所述方法的步骤包括：获取水稻稻田的高光谱数据；基于水稻在所述稻瘟病识别的敏感波段的光谱反射率，进行光谱特征分析和图形分析，构建水稻的稻瘟病光谱特征分析三角和稻瘟病光谱特征分析梯形，获得水稻的第一稻瘟病病样表征指数和第二稻瘟病病样表征指数，得到水稻的稻瘟病几何比值植被指数；最后，通过比较判断待测水稻和染病水稻的稻瘟病几何比值植被指数的大小，判定并获取水稻稻田中已经染上稻瘟病的水稻。本发明所述的方法，能够检测早期稻瘟病感染，同时，提高了水稻稻瘟病的检测识别精度和检测效率，在农业生产和种植的过程中有效地减少人力物力损耗。

公开(公告)号：CN117911410B

公开(公告)日：2024-06-14

申请号：CN202410311048.8

申请日：2024-03-19

Applicant: 华南农业大学

Inventor： 边山 ,  黄勇龙 ,  王春桃

IPC: G06T7/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06T7/10

Abstract: 本发明提出一种视频对象移除篡改检测方法及系统，涉及信息安全计算机视觉的技术领域，方法包括获取视频对象移除篡改检测数据集；对所述视频对象移除篡改检测数据集进行预处理，得到裁剪数据集；对所述裁剪数据集进行预处理，得到所述裁剪数据集的高频信息；将所述高频信息作为预设的视频对象移除篡改检测模型的输入，对所述视频对象移除篡改检测模型进行训练，得到训练好的视频对象移除篡改检测模型，所述视频对象移除篡改检测模型用于输出待检测视频是否存在对象移除篡改的判定结果。本发明有效地提取视频的时空特征，增强了视频中对象的关注度和区分度，提高了视频对象移除篡改检测准确率和效率。