-
公开(公告)号:CN106845401B
公开(公告)日:2020-11-03
申请号:CN201710041268.3
申请日:2017-01-20
Applicant: 中国科学院合肥物质科学研究院
Abstract: 本发明涉及一种基于多空间卷积神经网络的害虫图像识别方法,与现有技术相比解决了害虫图像识别率低、鲁棒性差的缺陷。本发明包括以下步骤:对训练图像进行收集和预处理;构造多尺度的MS‑CNN网络模型和多核分类模型;对待测图像进行收集和预处理;将测试样本输入经过多核模型的训练的MS‑CNN网络模型中,进行害虫图像的自动识别。本发明提高了害虫识别的准确率,增强了害虫识别算法的鲁棒性,达到了实际应用水平。
-
公开(公告)号:CN111476238A
公开(公告)日:2020-07-31
申请号:CN202010352776.5
申请日:2020-04-29
Applicant: 中国科学院合肥物质科学研究院
Abstract: 本发明涉及一种基于区域尺度感知技术的害虫图像检测方法,与现有技术相比解决了中小尺寸害虫目标难以准确检测的缺陷。本发明包括以下步骤:获取害虫图像数据集并进行预处理;害虫图像候选区域的提取;构建尺度感知害虫检测网络;尺度感知害虫检测网络的训练;待检测害虫图像的获取;待检测害虫图像候选区域的提取;害虫图像检测结果的获得。本发明通过感知害虫区域的位置,使基于卷积神经网络的害虫检测框架能够受到害虫区域尺寸大小的指导,从而自动地在多尺度害虫图像特征图中有效地学习所需要的害虫局部特征并针对性的实现特征融合,使得表达能力更强的害虫局部特征发挥的作用更大,由此提高了害虫识别与检测的准确率。
-
公开(公告)号:CN111178121A
公开(公告)日:2020-05-19
申请号:CN201811586823.1
申请日:2018-12-25
Applicant: 中国科学院合肥物质科学研究院
Abstract: 本发明涉及一种基于空间特征和深度特征强化技术的害虫图像定位识别方法,与现有技术相比解决了图像识别技术无法满足农业害虫检测需要的缺陷。本发明包括以下步骤:基础图像数据的获取;标准卷积块的处理;全局激活模块的处理;害虫图像候选框的提取;害虫图像的定位识别。本发明利用基于空间和深度特征强化的全局激活模块去学习特征权重,基于空间特征强化的网络结构分支使得在空间上有效的空间位置信息权重大、无效或效果小的空间位置信息权重小,基于深度特征强化的网络结构分支使得在通道上有效的特征图权重大、无效或效果小的特征图权重小,并可以将全局激活模块应用到不同深度的标准卷积模块结构后强化重要的信息特征。
-
公开(公告)号:CN110428413A
公开(公告)日:2019-11-08
申请号:CN201910710686.6
申请日:2019-08-02
Applicant: 中国科学院合肥物质科学研究院
Abstract: 本发明涉及一种用于灯诱设备下的草地贪夜蛾成虫图像检测方法,与现有技术相比解决了难以在灯诱设备下进行草地贪夜蛾成虫快速检测的缺陷。本发明包括以下步骤:训练样本的收集和预处理;构建并训练草地贪夜蛾成虫检测模型;灯诱设备下草地贪夜蛾成虫图像的收集和预处理;灯诱设备下草地贪夜蛾成虫的标记。本发明改进了目标检测方法中普遍存在需要产生大量冗余候选框的缺陷,增强了数据的可靠性,保证了对草地贪夜蛾成虫图像检测精度的同时极大减少了候选区域,提高了检测速度。
-
公开(公告)号:CN109086823A
公开(公告)日:2018-12-25
申请号:CN201810864030.5
申请日:2018-08-01
Applicant: 中国科学院合肥物质科学研究院
Abstract: 本发明涉及一种小麦赤霉病病穗率自动统计方法,与现有技术相比解决了赤霉病图像易受到背景、光照及遮挡影响导致难以识别的缺陷。本发明包括以下步骤:小麦赤霉病图像的获取和预处理;构建小麦赤霉病图像麦穗检测模型;训练深度卷积神经网络;待统计小麦赤霉病图像的收集和预处理;正常麦穗和发病麦穗的计数;计算病穗率。本发明通过机器视觉的方法实现小麦赤霉病病穗率自动统计,提高了小麦赤霉病病穗率统计的智能化水平、鲁棒性及检测精度。
-
公开(公告)号:CN106126879B
公开(公告)日:2018-09-28
申请号:CN201610416698.4
申请日:2016-06-07
Applicant: 中国科学院合肥物质科学研究院
Abstract: 本发明涉及一种基于稀疏表示技术的土壤近红外光谱分析预测方法,与现有技术相比解决了无法对土壤成分进行大批量综合分析的缺陷。本发明包括以下步骤:训练样本土壤集的获取和预处理;构造基于稀疏表示的分类预测模型;测试样本的获取和预处理;将测试土壤样本的光谱数据特征向量输入构造的分类预测模型,完成对测试样本土壤成分的分类预测。本发明基于稀疏表示框架来进行土壤近红外光谱分析预测,提高了近红外光谱土壤主要成分预测的精度和模型的鲁棒性。
-
公开(公告)号:CN119888606A
公开(公告)日:2025-04-25
申请号:CN202411936152.2
申请日:2024-12-26
Applicant: 中国科学院合肥物质科学研究院
Abstract: 本发明涉及一种基于渐进式注意力及空间解耦的害虫图像检测方法,与现有技术相比解决了田间害虫图像检测精度不高的缺陷。本发明包括以下步骤:获取田间害虫图像;构建害虫图像检测模型;害虫图像检测模型的训练;获取待检测害虫图像;获得害虫图像检测结果。本发明通过对目标框编码作为先验知识参与目标查询的更新,使得网络收敛更快,通过渐进式注意力的目标查询更新,使得后一层的查询能够感知前一层查询的相关信息。同时,基于任务解耦的交叉注意力网络,构建针对性的目标查询用于不同任务的优化,专注于不同任务的目标查询更有利于精细的网络优化,实现基于渐进式注意力及空间解耦的害虫检测方法。
-
公开(公告)号:CN118053074A
公开(公告)日:2024-05-17
申请号:CN202410302895.8
申请日:2024-03-18
Applicant: 中国科学院合肥物质科学研究院
IPC: G06V20/10 , G06V10/44 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明涉及基于高斯感受野增强自注意力的密集害虫图像检测方法,与现有技术相比解决了田间密集害虫图像检测容易出现漏检的缺陷。本发明包括以下步骤:获取密集害虫图像;构建密集害虫检测模型;密集害虫检测模型的训练;获取待检测害虫图像;获得害虫图像检测结果。本发明提供一种端到端的密集害虫检测框架,有利于密集害虫的检测。利用差异化特征选择网络去除大量相似目标查询,使得在一对一标签分配的网络训练中不会出现相似查询分配成正样本和负样本,从而造成网络训练难以拟合。
-
公开(公告)号:CN117151983A
公开(公告)日:2023-12-01
申请号:CN202311200961.2
申请日:2023-09-18
Applicant: 中国科学院合肥物质科学研究院
Abstract: 本发明涉及一种基于小波启发和高频增强的图像全色锐化方法,与现有技术相比解决了融合图像易产生伪影、颜色失真、泛化性差的缺陷。本发明包括以下步骤:全色图像和多光谱图像的获取和预处理;构建全色锐化模型;全色锐化模型的训练;待处理的图像获取;图像全色锐化结果的生成。本发明提升了融合图像的精度和色彩表现,在多种参考指标上都优于现有的方法。
-
公开(公告)号:CN111178120B
公开(公告)日:2023-04-21
申请号:CN201811586713.5
申请日:2018-12-25
Applicant: 中国科学院合肥物质科学研究院
IPC: G06V10/764 , G06N3/0464 , G06V10/774 , G06V20/40 , G06V10/82
Abstract: 本发明涉及一种基于作物识别级联技术的害虫图像检测方法,与现有技术相比解决了不同类别害虫之间的互相关性影响害虫检测结果的缺陷。本发明包括以下步骤:获取基础数据图像;构造并训练多层感知信息识别网络;构造并训练多投影检测模型;待检测害虫图像的获取;害虫图像的检测。本发明提出了两阶段基于移动视觉的级联害虫检测方法,能够应用于大规模多种害虫数据,通过在新建立的大规模数据集粮食作物田间害虫数据集中对本方法的评估,充分的实验结果表明,本发明所述方法优于传统先进的物体检测方法。
-
-
-
-
-
-
-
-
-