-
公开(公告)号:CN117893476A
公开(公告)日:2024-04-16
申请号:CN202311727794.7
申请日:2023-12-15
Applicant: 南京林业大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/088 , G06N3/096
Abstract: 本发明公开了一种基于非对抗性无监督域适应的植物病害检测方法及系统,包括:分别采集实验室环境和田间自然条件下的植物病害图像并标记;使用残差神经网络,对采集的所述植物病害图像进行特征提取并转换为特征图像;构建混合神经网络结构,对所述特征图像学习多表征信息向量并拼接后计算得出分类损失函数;将子域适应方法嵌入到所述混合神经网络结构中度量域间差距;根据所述分类损失函数并引入辅助不确定性正则化得出迁移数据;训练得出最优总损失函数。本发明通过反向传播来有效训练网络,收敛速度较快;构建的混合神经网络结构提高了采集的植物病害图像的准确度,引入的辅助不确定性正则化提高源域向目标域迁移的可靠性,具有良好的泛化能力。
-
公开(公告)号:CN117893476B
公开(公告)日:2024-09-06
申请号:CN202311727794.7
申请日:2023-12-15
Applicant: 南京林业大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/088 , G06N3/096
Abstract: 本发明公开了一种基于非对抗性无监督域适应的植物病害检测方法及系统,包括:分别采集实验室环境和田间自然条件下的植物病害图像并标记;使用残差神经网络,对采集的所述植物病害图像进行特征提取并转换为特征图像;构建混合神经网络结构,对所述特征图像学习多表征信息向量并拼接后计算得出分类损失函数;将子域适应方法嵌入到所述混合神经网络结构中度量域间差距;根据所述分类损失函数并引入辅助不确定性正则化得出迁移数据;训练得出最优总损失函数。本发明通过反向传播来有效训练网络,收敛速度较快;构建的混合神经网络结构提高了采集的植物病害图像的准确度,引入的辅助不确定性正则化提高源域向目标域迁移的可靠性,具有良好的泛化能力。
-
公开(公告)号:CN117765006A
公开(公告)日:2024-03-26
申请号:CN202311791699.3
申请日:2023-12-25
Applicant: 南京林业大学
Abstract: 本发明公开基于无人机影像与激光点云的多层次密集树冠分割方法,包括:采集林分点云数据和林分正射影像数据;对林分正射影像进行滤波,对林分点云数据进行滤波:对滤波后的点云归一化处理,用平面栅格法去除地面点云;使用改进超像素算法和能量函数对滤波后的正射影像进行分割;提取分割后的掩膜坐标,将二维图像的掩膜坐标与归一化后的点云坐标对齐进而完成三维分割,采用基于长轴的核密度估计算法确定每个初始分割区域内树冠顶点的个数;采用高斯混合模型进行点云分割,获得树冠分离结果。本发明通过无人机点云和影像数据相结合,能够精确检测密集林分中单个树冠,是评估森林生态系统的先决条件的科学研究方法,为精准林业提供了重要的推动力。
-
公开(公告)号:CN117372529A
公开(公告)日:2024-01-09
申请号:CN202210744593.7
申请日:2022-06-28
Applicant: 南京林业大学
IPC: G06T7/80 , G06T7/33 , G06T5/20 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于RGB‑D的室内移动机器人服务目标定位方法,具体涉及室内移动机器人对服务目标定位领域。服务目标快速准确定位是室内服务机器人实现准确抓取的前提。本发明采用固定于室内移动机器人上的KinectV2相机采集RGB图像以及深度图像,首先对两种图像进行配准,使得调整后的RGB图像和深度图像具有相同的分辨率且像素点一一对应,接着对KinectV2相机进行标定,获得其内部参数矩阵,然后使用训练完成的改进后的YOLOv5‑S目标检测网络在调整后的RGB图像上进行目标检测,获得服务目标中心点在像素坐标系下的二维坐标和类别,接着利用获取的中心点二维坐标在深度图上提取其深度值并进行中值滤波处理,最后利用中心点的二维坐标和处理后的深度值重构出服务目标中心点在相机坐标系下的三维坐标,驱动移动机器人前进并利用机械手完成目标的抓取。该发明综合RGB图像和深度图像定位服务目标,克服了仅用RGB图像获取服务目标实际位置信息难的缺点,同时相比其他定位方法,大大提高了服务目标定位的实时性和准确性。
-
公开(公告)号:CN112529948A
公开(公告)日:2021-03-19
申请号:CN202011573075.0
申请日:2020-12-25
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于Mask R‑CNN与3维球体拟合的成熟石榴定位方法,涉及农业机器人水果采摘定位领域,水果快速准确定位是采摘机器人实现准确采摘的前提。本发明采用Kinect V2.0采集石榴彩色图像RGB及深度图像D,首先对采集的彩色图像RGB采用Mask R‑CNN快速定位到成熟石榴的图片位置,然后根据成熟石榴的RGB图片分割出对应的深度图片,采用相机标定参数与旋转矩阵进行三维点云重建,最后对单个的成熟石榴点云数据采用基于最小二乘算法拟合球体的方式补全成熟石榴点云,获得完整的成熟石榴点云数据,并定位到目标石榴。该发明综合彩色图像RGB及深度图像D定位成熟石榴,克服了仅用RGB图像定位法的果实实际尺寸难获得的缺点,同时克服了多方位点云数据融合的复杂匹配过程,大大提高了水果定位的实时性与精度。
-
公开(公告)号:CN117765527A
公开(公告)日:2024-03-26
申请号:CN202310766859.2
申请日:2023-06-27
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于改进YOLOv5的薄壳山核桃果实检测方法,包括步骤:S1、根据薄壳山核桃的物理特性和形态特征,采集薄壳山核桃在不同时间、不同光照下的样本图像,根据样本特征对采集图像先进行预处理,建立目标果实识别与检测数据集;S2、利用改进后的YOLOv5s网络对所述识别与检测数据集进行训练,并验证算法的鲁棒性和实时性;其中,所述改进后的YOLOv5s网络为:对YOLOv5s目标检测算法结构上进行改进,通过引入SE注意力模块与StageBlock模块,增加算法对特定环境下目标果实的检测精度。通过实验对比发现,当果实目标较少时,本发明算法较原有算法提高了5.4%,准确率达到97.2%,而检测密集时,本发明改进算法对小目标检测性能更优,而检测速度能达到54.3fps/s。
-
公开(公告)号:CN105120563A
公开(公告)日:2015-12-02
申请号:CN201510556322.9
申请日:2015-09-03
Applicant: 南京林业大学
IPC: H05B37/02
CPC classification number: Y02B20/48
Abstract: 本发明公开了一种基于单片机的智能家居照明系统,包括单片机控制芯片、网络模块、串口通信模块、电路驱动模块、照明模块、路由器、GSM模块和终端,单片机控制芯片分别连接网络模块、串口通信模块和电路驱动模块,电路驱动模块还连接照明模块,网络模块还连接路由器,串口通信模块还连接GSM模块,GSM模块还通过终端连接路由器。本智能家居照明系统是以STC12C5A60S2单片机控制芯片为控制核心,利用WiFi模式与移动通信GSM模块对家居照明系统进行智能控制,实现远程控制与本地控制模式。
-
公开(公告)号:CN216646279U
公开(公告)日:2022-05-31
申请号:CN202122338658.1
申请日:2021-09-26
Applicant: 南京林业大学
Abstract: 本实用新型公开了一种温室阔叶苗生长状态自动监测平台,包括车体、检测模块和定位模块,所述车体包括底盘、金属支架和车顶,所述底盘下装有车轮,所述车轮里侧装有驱动电机,所述金属支架连接起底盘和车顶,所述检测模块包括超声波传感器和摄像头,所述超声波传感器置于车体前方,所述摄像头通过一根金属伸缩杆固定在车体上方,所述定位模块包括GPS信号天线和GPS模块,所述GPS信号天线通过一根金属杆固定在车体上方,所述GPS模块置于车体内。本实用新型很大程度上代替人员进行实地监测,节省人力资源,保障人身安全,提高效率,解决了监测温室阔叶苗生长状态时需人为接触,耗时耗力的问题,解决了人为采集中效率低下的问题。
-
-
公开(公告)号:CN216217246U
公开(公告)日:2022-04-05
申请号:CN202122338608.3
申请日:2021-09-26
Applicant: 南京林业大学
Abstract: 本实用新型公开了一种图像采集远程传输装置,本装置包括图像采集装置和信号传输装置,图像采集包括水平舵机、垂直舵机、图像采集平台、摄像头;信号传输装置包括图像处理芯片、4G通信装置。所述装置中图像采集由两轴向舵机组成,与数据处理装置通过螺丝固定。本实用新型采用了一种集成的图像采集及远程传输设置,通过舵机的结合实现了多角度的图像采集,集成的处理芯片与4G通信装置使得图像的及时远程传输变得可行。
-
-
-
-
-
-
-
-
-