-
公开(公告)号：CN119339173B
公开(公告)日：2025-02-25
申请号：CN202411897369.7
申请日：2024-12-23
Applicant: 吉林农业大学
IPC: G06V10/764 , G06V10/40 , G06V10/77 , G06V10/82 , G06V20/68 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 一种粳稻籽粒的品种分类鉴别方法与装置，属于深度学习神经网络，尤其涉及粳稻籽粒的品种分类鉴别；解决了现有的图像分类处理模型的参数复杂度高、分类准确率低、无法避免过拟合、收敛速度慢，在性能方面无法满足粳稻籽粒分类的需求，导致的当前依然采用人工方法、化学方法和光谱技术等传统分类方法对粳稻籽粒进行评估或分类，费用昂贵、耗时、效率低下，且精度不足的问题；所述方法包括：用于将数据预处理后的待分类的粳稻籽粒的RGB图像输入训练完成的J‑Rice‑ResNeXt模型中，获得粳稻籽粒的分类鉴别结果的步骤；所述的一种粳稻籽粒的品种分类鉴别方法与装置，适用于粳稻籽粒的品种分类鉴别。
-
Patent Agency Ranking
公开(公告)号：CN119992348A
公开(公告)日：2025-05-13
申请号：CN202510472077.7
申请日：2025-04-16
Applicant: 吉林农业大学
IPC: G06V20/10 , G06V10/762 , G06V10/24 , G01S17/88 , G01S7/497
Abstract: 本发明提出了一种基于3D LiDAR的大豆成熟期作物行检测方法，属于激光雷达检测领域。解决了现有图像方法受光照影响大，而激光雷达在大豆作物行的检测上研究较少，尤其是在不同种植密度、漏苗和缺失行判定方面存在不足的问题。方法包括：采集大豆点云数据，并进行点云倾斜校正；根据校正后的点云进行分段聚类；利用主茎法提取单株大豆冠层点云；通过动态网格划分方法对冠层点云进行空间划分，根据点云密度动态计算网格尺寸，建立二维网格索引；根据划分的冠层点云网格进行缺苗点云补全及伪作物行判定；采用最小二乘法对补全后的冠层点云进行线性拟合，生成作物行中心线作为作物区域识别结果。主要用于大豆检测领域。
-
公开(公告)号：CN119339173A
公开(公告)日：2025-01-21
申请号：CN202411897369.7
申请日：2024-12-23
Applicant: 吉林农业大学
IPC: G06V10/764 , G06V10/40 , G06V10/77 , G06V10/82 , G06V20/68 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 一种粳稻籽粒的品种分类鉴别方法与装置，属于深度学习神经网络，尤其涉及粳稻籽粒的品种分类鉴别；解决了现有的图像分类处理模型的参数复杂度高、分类准确率低、无法避免过拟合、收敛速度慢，在性能方面无法满足粳稻籽粒分类的需求，导致的当前依然采用人工方法、化学方法和光谱技术等传统分类方法对粳稻籽粒进行评估或分类，费用昂贵、耗时、效率低下，且精度不足的问题；所述方法包括：用于将数据预处理后的待分类的粳稻籽粒的RGB图像输入训练完成的J‑Rice‑ResNeXt模型中，获得粳稻籽粒的分类鉴别结果的步骤；所述的一种粳稻籽粒的品种分类鉴别方法与装置，适用于粳稻籽粒的品种分类鉴别。
-
公开(公告)号：CN119827439A
公开(公告)日：2025-04-15
申请号：CN202510307938.6
申请日：2025-03-17
Applicant: 吉林农业大学
Abstract: 一种基于激光补光灯植物叶片光能吸收量定量测算方法，属于植物光学检测与分析技术领域。其解决了现有的对植物叶片的光能吸收检测通常侧重于标准实验条件下的测量，无法适应于实际应用中的多变、复杂的条件，在实际的研究中仍具备一定的局限性和不稳定性的技术问题。所述方法包括如下步骤：S1、采集影响因素x下植物叶片光合有效辐射光子通量密度数据；S2、根据所述光合有效辐射光子通量密度数据计算植物叶片的透射率和反射率；S3、对植物叶片的透射率进行修正，得到修正的透射率，并基于修正的透射率计算植物叶片对激光的衰减系数；S4、基于植物叶片对激光的衰减系数构建植物叶片光能吸收量定量测算模型。
-
公开(公告)号：CN119107319B
公开(公告)日：2025-02-28
申请号：CN202411586598.7
申请日：2024-11-08
Applicant: 吉林农业大学
IPC: G06T7/00 , G06T7/11 , G06V10/766
Abstract: 一种基于图像的叶片光合速率预测方法，涉及植物光合作用评估技术领域。为解决现有技术中存在的，现有的光合速率测量技术存在：成本高且难以大规模应用，以及缺乏对叶片图像全面特征的有效分析，导致预测精度不高的技术问题，本发明提供的技术方案为：一种基于图像的叶片光合速率预测模型构建方法，方法包括：对采集的训练图像进行预处理，包括划分多个区间的步骤；对预设测量区域内的，所述分区中，像素个数进行统计的步骤；基于最小二乘法，得到所述像素个数与光合速率之间的量化关系的步骤；根据所述量化关系，构建光合速率预测模型的步骤。可以应用于分析叶片光合速率的工作中。
-
公开(公告)号：CN119107319A
公开(公告)日：2024-12-10
申请号：CN202411586598.7
申请日：2024-11-08
Applicant: 吉林农业大学
IPC: G06T7/00 , G06T7/11 , G06V10/766
Abstract: 一种基于图像的叶片光合速率预测方法，涉及植物光合作用评估技术领域。为解决现有技术中存在的，现有的光合速率测量技术存在：成本高且难以大规模应用，以及缺乏对叶片图像全面特征的有效分析，导致预测精度不高的技术问题，本发明提供的技术方案为：一种基于图像的叶片光合速率预测模型构建方法，方法包括：对采集的训练图像进行预处理，包括划分多个区间的步骤；对预设测量区域内的，所述分区中，像素个数进行统计的步骤；基于最小二乘法，得到所述像素个数与光合速率之间的量化关系的步骤；根据所述量化关系，构建光合速率预测模型的步骤。可以应用于分析叶片光合速率的工作中。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
