公开(公告)号：CN116152281A

公开(公告)日：2023-05-23

申请号：CN202211693058.X

申请日：2022-12-28

Applicant: 华南农业大学

Inventor： 薛月菊 ,  李继平 ,  王峡锐 ,  许成果

IPC: G06T7/13 ,  G06T7/194 ,  G06T7/62 ,  G06N3/096 ,  G06N3/045

Abstract: 本发明公开了一种基于知识蒸馏的玫瑰花茎杆分割与测量方法，包括：1)用工业相机采玫瑰花茎杆图像，人工标注玫瑰花茎杆，制作数据集；2)选择教师基础网络，建立粗糙分割预测头和边缘细分割预测头并训练教师网络；3)构建学生网络；4)用关键像素点注意力蒸馏和通道注意力蒸馏加强教师网络对学生网络的指导训练；5)用训练后的学生网络对玫瑰花茎杆图像做分割处理，得到玫瑰花茎杆轮廓图，实现玫瑰花茎杆直径测量。本发明能够加快分割速度与精度，从而得到更高精度的玫瑰花茎杆的直径，进一步提高玫瑰花的分级质量，增加农户收益。

公开(公告)号：CN114898250A

公开(公告)日：2022-08-12

申请号：CN202210393478.X

申请日：2022-04-15

Applicant: 华南农业大学

Inventor： 薛月菊 ,  李程鹏 ,  李诗梅 ,  许成果 ,  区铭强

IPC: G06V20/40

Abstract: 本发明公开了一种基于自注意力机制的哺乳仔猪多目标跟踪方法，包括：S1、采集在栏哺乳仔猪视频，制作哺乳仔猪多目标跟踪的数据集，分为训练集与测试集；S2、改进TransTrack的网络模型，将训练集训练改进后的网络模型；S3、在测试集上，用训练后的网络模型输出仔猪检测与预测的跟踪结果；S4、设计黑暗区域自适应置信度匹配策略，找回黑暗区域的检测结果中的漏检目标；S5：设计基于历史帧标记的错检位置策略，避免检测结果中的错检。本发明解决了在栏哺乳仔猪跟踪过程中，仔猪全局特征提取能力不够，灯光出现的昏暗，以及仔猪与仔猪、母猪与仔猪之间的粘连遮挡，导致跟踪过程中，仔猪错检、漏检和id互换问题。

公开(公告)号：CN115661713A

公开(公告)日：2023-01-31

申请号：CN202211358233.X

申请日：2022-11-01

Applicant: 华南农业大学

Inventor： 薛月菊 ,  甘海明 ,  侯文豪 ,  许成果

IPC: G06V20/40 ,  G06V10/82 ,  G06V10/80 ,  G06V10/766 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/049 ,  G06N3/08

Abstract: 本发明公开了基于自注意力时空特征融合的吮乳仔猪计数方法，包括：利用CenterNet检测视频帧中侧卧母猪，以获取视频帧吮乳仔猪关键帧和感兴趣区域，克服非吮乳仔猪运动对感兴趣区域时空特征提取的干扰；将时空双流卷积网络提取关键帧视频片段的时空特征转化为时空特征向量，输入时域、空间和融合Transformer，获得自注意力矩阵，自注意力矩阵与融合的时空特征进行元素积获得自注意力时空特征图；自注意力时空特征图输入吮乳仔猪数量回归分支完成吮乳仔猪计数。本发明充分利用了基于时空双模态数据特征的多路Transformer自注意力，提取自注意力时空特征图，实现了直接高效的吮乳仔猪计数。

公开(公告)号：CN114898250B

公开(公告)日：2024-09-06

申请号：CN202210393478.X

申请日：2022-04-15

Applicant: 华南农业大学

Inventor： 薛月菊 ,  李程鹏 ,  李诗梅 ,  许成果 ,  区铭强

IPC: G06V20/40

Abstract: 本发明公开了一种基于自注意力机制的哺乳仔猪多目标跟踪方法，包括：S1、采集在栏哺乳仔猪视频，制作哺乳仔猪多目标跟踪的数据集，分为训练集与测试集；S2、改进TransTrack的网络模型，将训练集训练改进后的网络模型；S3、在测试集上，用训练后的网络模型输出仔猪检测与预测的跟踪结果；S4、设计黑暗区域自适应置信度匹配策略，找回黑暗区域的检测结果中的漏检目标；S5：设计基于历史帧标记的错检位置策略，避免检测结果中的错检。本发明解决了在栏哺乳仔猪跟踪过程中，仔猪全局特征提取能力不够，灯光出现的昏暗，以及仔猪与仔猪、母猪与仔猪之间的粘连遮挡，导致跟踪过程中，仔猪错检、漏检和id互换问题。

公开(公告)号：CN115984698A

公开(公告)日：2023-04-18

申请号：CN202310010754.4

申请日：2023-01-05

Applicant: 华南农业大学

Inventor： 薛月菊 ,  李国庆 ,  李仕清 ,  郭景峰 ,  许成果

IPC: G06V20/10 ,  G06V10/82 ,  G06N3/084 ,  G06V10/774 ,  G06V10/44 ,  G06N3/0464

Abstract: 本发明公开了一种基于改进YOLOv5的荔枝果实生长期识别方法，包括：1)荔枝数据集的建立，包括对数据采集、预处理、标注和划分数据集；2)对传统YOLOv5的特征提取模块、特征融合模块和下采样方式进行改进。在特征提取模块的SPPF模块后添加SimAM注意力机制。在特征融合模块中，使用轻量级卷积GSConv替代普通卷积，既保证了检测精度与速度，也降低了计算成本；将YOLOv5网络中的所有3×3的跨步卷积替换为非跨步卷积，并在非跨步卷积之后添加SPD模块用于下采样；最终由预测模块对输出的数据进行信息分析和处理，得出检测结果。本发明解决了荔枝果实生长期识别中，果实目标小、重叠、遮挡和图像模糊导致目标检测精度低的问题。