-
公开(公告)号：CN118864763A
公开(公告)日：2024-10-29
申请号：CN202410876012.4
申请日：2024-07-02
Applicant: 华南农业大学
IPC: G06T17/20 , G06T15/04 , G06V20/64 , G06V10/44 , G06V10/764
Abstract: 本发明公开了一种基于三维网络数据库的植物叶片三维建模方法及系统，包括：利用改进的VMamba模型，从输入的二维图片中准确识别；基于上述分类信息，和构建的丰富叶片三维模型库，找出所需形变的网格模型；通过改进的LiteHRNet模型求出网格模型主叶脉关键点，同时使用SAM模型分割出轮廓特征，获得出网格模型轮廓特征关键点；对比主叶脉和轮廓特征，将网格模型进行形变，进而生成叶片三维网格模型。本发明通过精准提取叶片的主叶脉和轮廓特征，显著增强了单张图像在捕捉和表达植物几何属性方面的能力；不仅能够精准地进行三维建模，还有效解决了传统基于图像的三维重建技术中多视角图像带来的问题，显著提高用户体验。
-
公开(公告)号：CN116977277A
公开(公告)日：2023-10-31
申请号：CN202310714179.6
申请日：2023-06-15
Applicant: 华南农业大学
IPC: G06T7/00 , G06T7/77 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于空洞卷积和贝叶斯损失的豆荚计数方法，本发明的豆荚计数模型ImpBL的前端网络作为二维的特征提取；后端网络由空洞卷积组成，通过扩展的空洞卷积操作来传递更大的感受野，并代替池化操作。特征提取网络输出的特征图在贝叶斯损失下进行期望值意义上的回归估计，从而生成高质量的豆荚分布密度图。本发明通过有效组合特征提取和密度图生成，实现了对输入图像的高质量处理。本发明构建的ImpBL模型相对于传统的计数模型，使用空洞卷积和贝叶斯损失代替了VGGNet和BL等算法中的主干网络，不仅提高了模型的精度，而且降低了计算规模和所需的磁盘空间，从而具有更好的性能和可扩展性，可为豆类作物的生长监测和管理提供更加精准和便捷的工具。
-
公开(公告)号：CN116645528A
公开(公告)日：2023-08-25
申请号：CN202310478969.9
申请日：2023-04-28
Applicant: 华南农业大学
IPC: G06V10/74 , G06V10/44 , G06V10/82 , G06V10/24 , G06V10/32 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/26 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于语义分割和关键点检测的叶片相似度度量方法及装置，包括：对采集到的叶片图像进行标注，得到标注好的叶片图像；将所述标注好的叶片图像输入至预先设立好的融合网络模型中进行训练，得到训练好的融合网络模型，并获得叶片图像的轮廓信息和两端端点信息；所述融合网络模型是使用ResNet作为骨干网络提取输入图像的特征信息，包括Mask R‑CNN分支和Simple Baselines分支；根据所述叶片图像的轮廓信息和两端端点信息，对叶片图像进行尺度归一化，得到归一化的叶片图像；对所述尺度归一化的叶片图像进行配准对齐，并计算相似度。本发明通过获取叶片轮廓信息以及叶柄点和叶尖点信息并将其分别进行配准对齐，从而提高了相似度的准确率。
-
Patent Agency Ranking
公开(公告)号：CN120013820A
公开(公告)日：2025-05-16
申请号：CN202510109006.0
申请日：2025-01-23
Applicant: 华南农业大学
IPC: G06T5/77 , G06T5/60 , G06T7/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种面向大豆叶子表型分析的图像修复方法，本发明首先通过边缘生成网络补全大豆叶片缺失的边缘信息；然后将补全后的边缘信息使用结构自编码器提取由粗到细的分层特征图，作为引导特征输入图像修复网络，以辅助修复过程；基于引导特征实现对大豆叶片结构信息的精准修复；最后，根据修复完整的叶子图像，获取大豆植株的叶面积指数、结构纹理、颜色等表型参数。通过上述方式，本发明通过引入梯度结构化的边缘信息和层次化的特征引导，能够提高大豆叶子图片的修复效果，从而更好地为大豆叶子表型数据的精确、完整分析提供支持。
-
公开(公告)号：CN118762764A
公开(公告)日：2024-10-11
申请号：CN202411238832.7
申请日：2024-09-05
Applicant: 华南农业大学
IPC: G16C20/20 , G16C20/70 , G06N3/042 , G06N3/0442 , G06N3/0464 , G01N21/25 , G01N21/84
Abstract: 本发明公开了一种基于高光谱的作物种子生化参数预测方法、系统及装置，包括：通过数据采集装置，利用高光谱相机实时捕获种子的多波段成像信息，随后利用卷积神经网络提取图像特征，并结合图卷积神经网络和长短期记忆网络构建多尺度时空图神经网络模型来预测种子的蛋白质含量、水分含量、淀粉含量等生化参数。最后进行预测结果可视化，使得用户可以随时查看种子的状态。本发明设计实现了对种子生化参数的精准监测、智能管理和高效决策，提升了农业生产的智能化程度，有助于优化作物生长环境，提高作物产量和品质。
-
公开(公告)号：CN116051783A
公开(公告)日：2023-05-02
申请号：CN202211546869.7
申请日：2022-12-05
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于多视角的大豆植株三维重建与形状分析方法，方法为：设计并搭建封闭式豆株立体扫描仪，拍摄指定角度的大豆植株图片得到豆株初始数据集；进行数据预处理得到优化数据集；采用SFM算法和MVS算法获取豆株稠密点云，通过点云分割算法提取豆株的株型结构数据，并使用泊松重建算法测量大豆叶的表型数据；基于豆株稠密点云及豆株株型结构数据，构建三维模型数据库及豆株特征数据库并提供API接口。本方法通过搭建封闭式豆株立体扫描仪拍摄多角度的大豆植株图片，采用SFM算法和MVS算法获取豆株稠密点云，再通过点云分割算法和泊松重建算法提取豆株的各体尺特征数据，并构建数据库，为大豆植株的种子培育及生长研究提供了可靠的数据支持。
-
公开(公告)号：CN114998116A
公开(公告)日：2022-09-02
申请号：CN202210462197.5
申请日：2022-04-28
Applicant: 华南农业大学
Abstract: 一种基于对称性引导的物体图像修复方法，涉及图像处理技术领域，首先检测图像中残缺物体的对称轴，借助于对称轴获取物体的对称信息，将已知区域的对称信息填充到未知区域作为待填区域的初始值，解决原待修复区域信息为零的问题，然后在此基础上对图像进行有效修复。本发明有益效果：通过基于生成式对抗网络的物体对称轴检测技术，准确有效地检测到图像中具有残缺区域的对称物体的对称轴，最终能够生成结构合理、语义正确的对称物体图像，即使出现大面积残缺。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.021 seconds)
