一种基于自注意力机制的茶芽叶目标分割方法

    公开(公告)号:CN117252884B

    公开(公告)日:2024-03-22

    申请号:CN202311540916.1

    申请日:2023-11-20

    Abstract: 本发明提供了一种基于自注意力机制的茶芽叶目标分割方法,获取茶芽叶图像,提取茶芽叶图像的特征,得到初级特征。将初级特征输入编码网络进行特征编码,得到第一编码序列。将第一编码序列输入双分支注意力模块。对第一编码序列进行单头注意力计算,得到第一特征序列,对第一编码序列进行多头注意力计算,得到第二特征序列,拼接第一特征序列和第二特征序列,得到第一拼接序列。基于第一拼接序列计算出第一特征块、第二特征块、第三特征块和第四特征块,对所有特征块进行多特征级联,分割出茶芽叶目标。上述方法可以结合茶芽叶图像的各种局部特征和全局特征,通过多特征级联可以在茶芽叶图像中分割出多种形态不同,遮挡状态不同的茶芽叶目标。

    一种基于深度学习的荔枝内核温度动态预测方法

    公开(公告)号:CN119249097A

    公开(公告)日:2025-01-03

    申请号:CN202411307688.8

    申请日:2024-09-19

    Abstract: 本发明提供了一种基于深度学习的荔枝内核温度动态预测方法,包括获取原始数据,对原始数据进行预处理,得到预处理后数据。将预处理后数据输入优化后LSTM模型进行预测,得到k时刻的荔枝内核初步预测温度。将k时刻的荔枝内核初步预测温度输入卡尔曼滤波器进行预测和更新,得到k时刻的荔枝内核最终预测温度。本发明结合LSTM模型和卡尔曼滤波器,建立冷冻荔枝内核温度动态预测模型,可以准确预测荔枝在冷冻过程中的温度变化,从而改善荔枝冷冻质量。LSTM模型可以较好的捕捉时间序列数据中的长期依赖关系,利用冷冻空间温度对荔枝内核温度实时的进行智能预测。卡尔曼滤波器对线性高斯系统的效果较好,可以有效的抑制噪声对状态估计的影响。

    一种基于路面不平度的农业巡检机器人导航决策规划方法

    公开(公告)号:CN118274847B

    公开(公告)日:2024-07-30

    申请号:CN202410710980.8

    申请日:2024-06-04

    Abstract: 本发明提供了一种基于路面不平度的农业巡检机器人导航决策规划方法,包括控制农业巡检机器人构建二维栅格地图,根据二维栅格地图进行全局路径规划,得到全局最优路径。测量高度数据点的高度值,根据高度值计算激光评定值。根据激光评定值和视觉评定值计算路面不平度,根据路面不平度进行局部路径规划,得到局部最优路径。控制农业巡检机器人运动,更新全局最优路径和局部最优路径,直到农业巡检机器人到达目标终点。结合激光评定值和视觉评定值计算路面不平度,可以提前对周围环境的路面不平度进行识别与预测,提高了路面不平度评估的准确性和鲁棒性。根据场景实际情况实时更新全局最优路径和局部最优路径,可以保证巡检作业的顺利进行。

    一种基于BundleFusion的三维重建方法

    公开(公告)号:CN118097030A

    公开(公告)日:2024-05-28

    申请号:CN202410487364.0

    申请日:2024-04-23

    Abstract: 本发明提供了一种基于BundleFusion的三维重建方法,包括使用已训练Mask‑RCNN模型提取识别图像数据集中的动态物体区域,对动态物体区域对应的动态标签进行标签一致性处理,得到一致性掩膜。对一致性掩膜进行膨胀处理,得到膨胀后掩膜。从相机图像中将膨胀后掩膜去除,得到掩膜去除图像。将掩膜去除图像和空间定位数据输入BundleFusion模型进行三维重建,得到三维网格模型。对动态物体区域对应的动态标签进行标签一致性处理,得到一致性掩膜,防止出现上下帧标签不一致和上下帧标签混乱的情况,从而降低出现误检和漏检的概率。膨胀后掩膜全部覆盖动态物体,可以降低动态物体边缘的掩膜覆盖不完全,而导致产生大量的ORB特征或光流特征点,在减少误差的同时保证了点云的生成。

    一种基于自注意力机制的茶芽叶目标分割方法

    公开(公告)号:CN117252884A

    公开(公告)日:2023-12-19

    申请号:CN202311540916.1

    申请日:2023-11-20

    Abstract: 本发明提供了一种基于自注意力机制的茶芽叶目标分割方法,获取茶芽叶图像,提取茶芽叶图像的特征,得到初级特征。将初级特征输入编码网络进行特征编码,得到第一编码序列。将第一编码序列输入双分支注意力模块。对第一编码序列进行单头注意力计算,得到第一特征序列,对第一编码序列进行多头注意力计算,得到第二特征序列,拼接第一特征序列和第二特征序列,得到第一拼接序列。基于第一拼接序列计算出第一特征块、第二特征块、第三特征块和第四特征块,对所有特征块进行多特征级联,分割出茶芽叶目标。上述方法可以结合茶芽叶图像的各种局部特征和全局特征,通过多特征级联可以在茶芽叶图像中分割出多种形态不同,遮挡状态不同的茶芽叶目标。

Patent Agency Ranking