-
公开(公告)号:CN118537642A
公开(公告)日:2024-08-23
申请号:CN202410645101.8
申请日:2024-05-23
Applicant: 云南农业大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06V10/44 , G06V10/80 , G06V10/42 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了茶叶病害识别技术领域的一种基于改进YOLOv7的茶叶病害识别方法,包括:步骤S1、获取不同光照强度、不同天气条件下,大量的茶叶图像构建数据集;步骤S2、基于MobileNeXt网络创建一YOLOv7网络,基于YOLOv7网络、双层路由注意力网络创建一茶叶病害识别模型,设定茶叶病害识别模型的损失函数为SIoU函数;步骤S3、将数据集划分为训练集、验证集以及测试集,基于训练集对茶叶病害识别模型进行训练,训练过程中不断优化SIoU函数,基于验证集对训练后的茶叶病害识别模型进行验证,基于测试集对验证后的茶叶病害识别模型进行测试;步骤S4、利用测试后的茶叶病害识别模型进行茶叶病害识别。本发明的优点在于:极大的提升了茶叶病害识别的精度以及速度。
-
公开(公告)号:CN117557994A
公开(公告)日:2024-02-13
申请号:CN202311563009.9
申请日:2023-11-22
Applicant: 云南农业大学
IPC: G06V20/68 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于改进型YOLOv7网络的茶叶虫害识别方法,包括以下步骤:S1,图像采集,采集位于叶片上的害虫图像;S2,图像预处理,对不同的害虫的图像进行分类,获得不同害虫的图像集,作为初始数据集;S3,图像识别,采用改进型YOLOv7网络,由Input、Backbone、Neck和Head组成,采用MPDIoU损失函数对原有损失函数进行改进;S4,将采集到的鲜叶图像数据投入到改进型YOLOV7网络中进行学习。本发明对原有损失函数进行改进,采用基于最小点距离的边界框相似度度量,这不仅在一定程度上简化了计算过程,提高了模型收敛速度,而且可以使回归结果更加准确。
-
公开(公告)号:CN222469719U
公开(公告)日:2025-02-14
申请号:CN202421144219.4
申请日:2024-05-23
Applicant: 云南农业大学
Abstract: 本实用新型公开了一种振动分筛装置,包括:底座;若干振动弹簧,若干所述振动弹簧固定在所述底座的上侧面;振动框,所述固定在所述振动弹簧的上端,所述振动框内设有振动腔体;振动筛,所述振动筛固定在所述振动腔体内,所述振动筛上设有若干筛孔;振动器,所述振动器固定在所述振动框上。将晒青毛茶放置在振动筛上,振动器开始振动,从而使振动筛上的晒青毛茶发生振动,粉尘和较大颗粒石子等经过筛选后从筛孔中掉落,从而将晒青毛茶中的粉尘和较大颗粒石子等筛选干净,筛选效率高。
-
-
-