-
公开(公告)号：CN116784256B
公开(公告)日：2023-10-20
申请号：CN202311084965.9
申请日：2023-08-28
Applicant: 仲恺农业工程学院 , 梅州市金绿现代农业发展有限公司
IPC: A01K31/04 , F16F15/067 , C02F11/13 , B65G65/44 , B65G11/20 , C02F103/20
Abstract: 本发明涉及鸽粪清理技术领域，具体提出了一种鸽子养殖鸽粪自动化清理机器人，包括：固定架、承接干燥机构与振动导出机构。本发明通过承接干燥机构与振动导出机构配合，可以将承接盒内的鸽粪干燥，然后驱动承接盒移动将承接盒内的鸽粪自动倒出清理，并将承接盒内积留的鸽粪振落，振动导出机构对鸽粪的流动进行导向，以便于对鸽粪进行统一收集，从而实现对鸽粪的自动化清理，省时省力并且提高了鸽粪清理的效果，避免了湿润的鸽粪四处粘附造成污染，以及人工清理效率低且需要忍受鸽粪气味的问题，同时改善了鸽子饲养的环境。
-
公开(公告)号：CN113538389B
公开(公告)日：2023-05-09
申请号：CN202110838756.3
申请日：2021-07-23
Applicant: 仲恺农业工程学院
IPC: G06T7/00 , G06T7/62 , G06T7/73 , G06V10/44 , G06V10/75 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 一种鸽蛋品质识别方法，包括如下步骤：采用视觉传感器获取鸽蛋的图片，将鸽蛋标注为受精蛋、完好非受精蛋和破损非受精蛋三个类别，得到用于模型训练的训练集和验证集；将训练集和验证集中的图片输入YOLOv5s网络模型进行模型训练，得到YOLOv5s网络模型的最佳权重数据；将最佳权重数据加载到YOLOv5s网络模型中，输入待识别的图片，输出识别结果；可在暗室环境下，将鸽蛋放置于底部具有光源的检测位置处进行拍摄。本发明对鸽蛋等蛋类产品是否破损和受精进行识别，检测速度快，部署方便快速，方便根据识别结果对蛋类产品进行剔除和分类，检测效率高，保证蛋品质量，适合于规模化产品检测。
-
公开(公告)号：CN109828089B
公开(公告)日：2022-01-18
申请号：CN201910112831.0
申请日：2019-02-13
Applicant: 仲恺农业工程学院
Abstract: 本发明公开了一种基于DBN‑BP的水质参数亚硝酸氮的在线预测方法，包括如下步骤：(1)水质数据采集：在线水质检测系统连续采集水体中的水质参数数据以及对应的水质参数数据下的亚硝酸氮浓度数据，得到原始数据；所述水质参数包括温度值、pH值、溶解氧值、氧化还原电位值；(2)数据预处理：对收集的原始数据依次进行过滤异常数据处理、粗糙集约简处理、数据归一化处理，得到测试样品数据集；(3)计算预测值：将测试样品数据集输入DBN‑BP模型进行训练，计算获得预测值。本预测模型性能良好，预测效果优异，可作为水质参数亚硝酸氮的在线预测方法，提高亚硝酸氮测定的准确性。
-
公开(公告)号：CN111814878A
公开(公告)日：2020-10-23
申请号：CN202010658944.3
申请日：2020-07-09
Applicant: 仲恺农业工程学院
Abstract: 基于SSDA-HELM-SOFTMAX的农业投入品实时分类预测方法，包括下列步骤：采集农业投入品投入前后的数据，对数据进行预处理，由训练样本集得到分类预测模型，将测试样本输入得到分类预测结果；预测模型采用自编码神经网络逐层预训练加微调方式获得初始化参数，并将SSDA的解码部分去掉，与层级结构ELM网络连接，将初始化权值对SSDA-HELM进行初始化设置得到最优解，并将提取的特征值送入SOFTMAX分类器。本发明构建基于SSDA-HELM-SOFTMAX的农业投入品分类预测模型，该预测模型具有学习速度快、预测准确率高、泛化能力强以及不易陷于局部最优解等优良特性，同时模型稳定性高。
-
公开(公告)号：CN109302290A
公开(公告)日：2019-02-01
申请号：CN201811002526.8
申请日：2018-08-30
Applicant: 仲恺农业工程学院
IPC: H04L9/32
Abstract: 本发明属于RFID技术领域，公开了一种具有所有权转移的相互认证协议方法；阅读器到标签Ti：阅读器产生一个随机比特串r1∈R{0,1}l并将其发送到标签钛；标签Ti到阅读器：从阅读器接收到r1后，标签Ti生成一个随机位串r2∈R{0,1}l，计算然后向读者发送M1，M2；读写器到服务器：从标签Ti收到M1，M2，读卡器发送r1，M1，M2，KRS到服务器；服务器到读写器；阅读器到标签Ti：阅读器将M3转发给标签Ti。本发明将标签所有权定义为能够识别标签，并将与标签和标签所有权转移有关的所有信息定义为这种能力向新所有者的转移。
-
Patent Agency Ranking
公开(公告)号：CN106096484A
公开(公告)日：2016-11-09
申请号：CN201610693630.0
申请日：2016-08-19
Applicant: 仲恺农业工程学院
CPC classification number: G06K7/10009 , G06K17/00
Abstract: 本发明公开了一种应用于溯源系统的RFID的多标签检测方法及系统，该方法包括以下步骤：S1：RFID标签将标签数据tk转换为交织数据xk(j)，其中tk为第k个RFID标签要发送的标签数据，xk(j)为转换后的交织数据；S2：RFID读写器检测到经信道传输的输入数据r(j)，其中且hk为第k个RFID标签发送的信道系数，n(j)为加性高斯白噪声采样；S3：RFID读写器计算输出读写数据本发明提出了应用于溯源系统的RFID多标签检测算法，设计了IDMA算法的系统模型，该算法在检测效率、稳定性和误码率方面均优于MC‑CDMA、CDMA‑MMSE。
-
公开(公告)号：CN116977863A
公开(公告)日：2023-10-31
申请号：CN202311079899.6
申请日：2023-08-24
Applicant: 仲恺农业工程学院
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种番茄植株病虫害检测方法及检测系统，包括如下步骤：减少YOLOv7模型中的通道数量，并将YOLOv7骨干网络中的Conv模块替换为XSepConv模块，得到YOLOv7‑XSepConv模型作为目标检测模型；待检测图片经预处理后输入训练好的目标检测模型中，得到检测结果；将目标检测模型用于微信小程序中，通过微信小程序的前端和后端服务可实现对番茄植株病虫害的快速识别和分类。本发明检测方法可在有限的计算资源下实现快速、实时的目标检测，可适应在小程序中的部署应用；检测系统的使用方法简单，用户只需上传植株照片，即可随时随地通过前端界面查看检测结果。
-
公开(公告)号：CN113537106B
公开(公告)日：2023-06-02
申请号：CN202110837178.1
申请日：2021-07-23
Applicant: 仲恺农业工程学院
IPC: G06V20/52 , G06V20/40 , G06V10/44 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种基于YOLOv5的鱼类摄食行为识别方法，包括如下步骤：通过摄像头采集某一单一鱼群喂食前后的视频，提取关键帧图片并标注，建立数据集；图片输入YOLOv5网络模型，经预处理后依次进入Backbone网络和Neck网络进行特征融合，再输入Head输出端，得到预测框的位置、类别和置信度，采用加权非极大值抑制筛选预测框，通过计算损失函数调节权重参数，通过验证集不断优化模型参数，得到最佳权重数据；将测试集图片输入训练好的YOLOv5网络模型中，得到目标检测结果。本发明目标检测的准确性，采用YOLOv5网络模型，能够快速识别、实时跟踪和预测，并及时采取行动，达到提高养殖效益的目的。
-
公开(公告)号：CN115575587A
公开(公告)日：2023-01-06
申请号：CN202211175920.8
申请日：2022-09-26
Applicant: 仲恺农业工程学院
Abstract: 一种基于CNN‑LSTM模型预测三文鱼新鲜度的方法，S1.样品制备，将新鲜三文鱼切成三文鱼样品；S2.在恒温贮藏实验中，三文鱼样品在若干个冰柜在规定时间内进行储藏，并在到达指定储藏时间时立即检测三文鱼样品的菌落总数TVC，得到在恒定储藏TVC数据；S3.变温贮藏实验中，三文鱼样品在若干个不同温度的冰柜进行转移，在到达指定储藏时间时立即检测三文鱼样品的菌落总数TVC，得到变温储藏TVC数据；S4.构建并训练CNN‑LSTM模型，S5.利用S4训练后的CNN‑LSTM模型对三文鱼在温度波动下的菌落总数TVC，即新鲜度进行预测。优点是，解决的温度波动拟合问题，实现任意温度条件下三文鱼新鲜度的预测。
-
公开(公告)号：CN115326782A
公开(公告)日：2022-11-11
申请号：CN202211117202.5
申请日：2022-09-14
Applicant: 仲恺农业工程学院
Abstract: 一种利用拉曼光谱检测罗非鱼鱼肉脆度的方法，包括如下步骤：数据采集，通过共聚焦拉曼光谱仪采集鱼肉样品的原始拉曼光谱，通过质构仪得到该鱼肉样品的脆度值，重复操作，得到多个鱼肉样品的原始拉曼光谱及其对应的脆度值；数据集建立，对原始拉曼光谱进行预处理，得到各样品的拉曼光谱特征数据，建立包含各样品拉曼光谱特征数据和脆度值的数据集；预测模型建立，由数据集中的数据训练，得到SSDA‑HELM‑SOFTMAX预测模型，输入待测鱼肉的拉曼光谱数据进行鱼肉脆度预测。本发明通过拉曼光谱数据以及质构分析得到的脆度值建立SSDA‑HELM‑SOFTMAX预测模型，由拉曼光谱预测鱼肉的脆度值，预测效果好，检测效率高。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.028 seconds)
