-
公开(公告)号：CN118314443B
公开(公告)日：2025-05-09
申请号：CN202410270843.7
申请日：2024-03-11
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06V10/84 , G06N3/0464 , G06N3/08 , G06V10/22 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本申请提供一种露地蔬菜无人拖拉机作业垄间路径提取方法及装置，涉及路径提取技术领域。所述方法包括：基于语义分割网络，确定垄间路径图像的目标分割概率图；所述目标分割概率图表示所述垄间路径图像包含的各像素点属于垄间路径的概率；基于所述目标分割概率图，确定目标参数的值；所述目标参数表示所述垄间路径图像包含的各像素点的权重系数；所述目标参数用于活动轮廓模型；基于所述活动轮廓模型、所述目标分割概率图与所述目标参数的值，对露地蔬菜无人拖拉机作业过程中的垄间路径进行提取。本申请提供的露地蔬菜无人拖拉机作业垄间路径提取方法及装置，可以提高垄间路径的提取精度。
-
公开(公告)号：CN119761497A
公开(公告)日：2025-04-04
申请号：CN202411642177.1
申请日：2024-11-18
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06N5/04 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/0895
Abstract: 本发明提供一种基于图卷积神经网络的甘蓝生长环境关系推理方法及装置，涉及农业人工智能技术领域，所述方法通过对甘蓝的生长指标数据和甘蓝的环境因素数据进行处理，获得甘蓝的预测产量、甘蓝的预测质量以及加权环境特征，并通过图卷积神经网络得到甘蓝的预测产量与环境因素之间的关系以及甘蓝的预测质量与环境因素之间的关系。本发明提供的基于图卷积神经网络的甘蓝生长环境关系推理方法，实现了在综合考虑甘蓝的生长指标数据和环境因素数据的情况下，准确高效地推理出甘蓝的生长状态与环境因素的关系，从而能够以此为依据，为甘蓝的种植管理提供建议，优化甘蓝的生长环境，提高甘蓝的产量和质量。
-
公开(公告)号：CN119672103A
公开(公告)日：2025-03-21
申请号：CN202411494537.8
申请日：2024-10-24
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06T7/73 , G06V20/10 , G06V10/82 , G06V10/774 , G06V20/70 , G06V10/776 , G06N3/0464 , G06N3/045
Abstract: 本发明提供一种叶菜类幼苗识别和移栽夹持位置检测方法及装置，该方法包括：获取待测幼苗图像；基于检测模型对待测幼苗图像进行幼苗识别和移栽夹持位置检测，得到幼苗识别结果和移栽夹持位置检测结果；检测模型基于以样本幼苗图像为训练样本，以病害幼苗类型和健康幼苗类型为样本标签，以复杂样本挖掘损失函数对卷积神经网络进行训练得到；病害幼苗类型对应样本标签与健康幼苗类型对应样本标签的格式和数据长度分别对齐；复杂样本挖掘损失函数基于Focal loss函数、损失值排序理论和样本分层方法确定。本发明所述方法提高了叶菜类幼苗移栽效率和幼苗成活率。
-
公开(公告)号：CN119599104A
公开(公告)日：2025-03-11
申请号：CN202411423278.X
申请日：2024-10-12
Applicant: 北京市农林科学院信息技术研究中心
Abstract: 本发明提供一种多模态感知驱动的蔬菜知识图谱构建方法及装置，涉及农业人工智能技术领域，所述方法通过获取每种蔬菜的多模态信息，以一种蔬菜实体作为一个节点，以不同种蔬菜的多模态信息之间的关系作为边，构建蔬菜知识图谱。本发明提供的一种多模态感知驱动的蔬菜知识图谱构建方法，实现了蔬菜生产过程中信息的整合以及智能决策的支持，提高了农业生产的效率和质量。
-
公开(公告)号：CN119558700A
公开(公告)日：2025-03-04
申请号：CN202411470577.9
申请日：2024-10-21
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06Q10/0639 , G06Q50/02 , G06F17/18
Abstract: 本发明提供一种机械化移栽苗质量分析方法及装置，该方法包括：对多个土壤物理性质参数进行无量纲处理，得到第一无量纲序列，并在通过目标土壤完成多个移栽苗的机械化移栽的情况下，对多个移栽质量评价指标进行无量纲处理，得到第二无量纲序列；对第一无量纲序列中各元素分别与第二无量纲序列中各元素之间的相关性进行分析，得到多项土壤特性与移栽质量之间的关联度；基于统计分位数的逐步回归分析算法和显著性检验算法对多项关联度进行回归分析，并通过分析得到的经验公式利用实际土壤物理性质预测移栽苗的移栽质量。本发明所述方法提高了机械化移栽幼苗的效率，明确了穴盘苗在不同土壤环境下的鸭嘴机械化移栽适宜趋向。
-
Patent Agency Ranking
公开(公告)号：CN119443224A
公开(公告)日：2025-02-14
申请号：CN202411325012.1
申请日：2024-09-23
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06N5/022 , G06N5/04 , G06N3/0442 , G06N3/045
Abstract: 本发明提供一种跨模态的知识图谱构建方法以及装置，其中，上述方法包括：获取农业产业的文本数据、图像数据以及结构化数据；对文本数据、图像数据以及结构化数据分别进行预处理与特征提取，得到文本特征向量、图像特征向量以及结构化特征向量；对文本特征向量、图像特征向量以及结构化特征向量进行嵌入拼接，得到整体特征序列；将整体特征序列输入至多模态Transformer模型，得到多模态Transformer模型输出的综合特征向量；将综合特征向量输入至Bi‑LSTM‑CRF模型，得到Bi‑LSTM‑CRF模型输出的实体以及关系标签；基于实体与关系标签构建知识图谱，其中，知识图谱的节点用于表示实体，知识图谱的边用于表示关系标签；通过本发明能够提升了知识图谱的实时性和准确性。
-
公开(公告)号：CN118840532A
公开(公告)日：2024-10-25
申请号：CN202410915959.1
申请日：2024-07-09
Applicant: 北京市农林科学院信息技术研究中心
Abstract: 本发明提供一种萝卜樱切割部位智能识别方法及装置，其中方法包括：基于幻影卷积，对待切缨萝卜图像进行卷积模块压缩，得到卷积输出特征；基于卷积输出特征进行目标识别，得到待切缨萝卜的目标识别检测框；基于目标比例，从目标识别检测框中确定萝卜与茎叶的分界点；基于消失点检测算法以及分界点，确定待切缨萝卜的切除点以执行所述待切缨萝卜的切缨。通过幻影卷积，对待切缨萝卜图像进行卷积模块压缩，得到待切缨萝卜图像的卷积输出特征，减少计算量和模型复杂度，提升了实时切缨过程的效率。从目标识别检测框中确定萝卜与茎叶的分界点，并基于分界点进一步确定待切缨萝卜的切除点，实现了自动切缨过程，提升了切缨过程的准确率。
-
公开(公告)号：CN117540026A
公开(公告)日：2024-02-09
申请号：CN202311294329.9
申请日：2023-10-08
Applicant: 北京市农林科学院信息技术研究中心
Abstract: 本发明提供一种农业知识推荐方法及装置，涉及农业信息化技术领域，该方法包括：获取目标用户的基本属性信息和历史行为数据；基于基本属性信息和历史行为数据，确定目标用户对应的时间子空间、地域子空间、偏好子空间和交互信息子空间；基于时间子空间、地域子空间、偏好子空间和交互信息子空间，从第一农业知识图谱中获取针对目标用户的农业知识推荐结果；其中，第一农业知识图谱，是基于多模态的农业知识构建的。本发明提供的农业知识推荐方法及装置，通过综合利用时空、茬口、品种、用户与农业知识交互信息，对包含多模态农业知识的农业知识图谱进行知识推理，能提高向农业科技人员和农民等推荐农业知识的准确性、有效性和及时性。
-
公开(公告)号：CN116347378A
公开(公告)日：2023-06-27
申请号：CN202310189103.6
申请日：2023-02-22
Applicant: 北京市农林科学院信息技术研究中心
IPC: H04W4/38 , H04W24/02 , H04W72/50 , H04W72/044
Abstract: 本发明提供了一种农田认知传感器网络传输方法、装置、电子设备及介质，涉及数据传输领域，包括：根据每一传感器节点在第一目标函数中的第一帕累托最优解及在第二目标函数中的第二帕累托最优解，构建第一目标变量策略集以及第二目标变量策略集；重复执行如下步骤：根据第一当前策略以及第二当前策略获取当前一级策略集合；根据次级博弈迭代处理当前一级策略集合，确定迭代后一级策略集合；直至当前一级策略集合与迭代后一级策略集合的差值的绝对值小于或等于第一预设数值，根据迭代后一级策略集合进行传感器网络传输。本发明能够降低解决问题的复杂性，并调整发射功率与传输信道，实现传输质量以及网络容量的改善，并降低了网络能耗。
-
公开(公告)号：CN115035309A
公开(公告)日：2022-09-09
申请号：CN202210475699.1
申请日：2022-04-29
Applicant: 北京市农林科学院信息技术研究中心 , 江苏大学
IPC: G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/20 , G06N3/04
Abstract: 本发明提供一种水稻病害识别方法及装置，包括：获取目标稻田的待测水稻病害图像；将所述待测水稻病害图像输入至病害识别模型，确定由所述病害识别模型输出的目标病害类别；所述病害识别模型是基于改进的轻量级神经网络构建，由带有病害类别标签的样本水稻图像训练后得到的。本发明提供的水稻病害识别方法及装置，利用改进的轻量级神经网络对水稻病害图像进行识别，在不损失识别精度的前提下，通过减少网络参数来降低计算复杂度，在低算力、低存储容量的设备上也能够进行模型部署，能够广泛地应用于多种设备。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.033 seconds)
