-
公开(公告)号：CN109711325A
公开(公告)日：2019-05-03
申请号：CN201811587011.9
申请日：2018-12-25
Applicant: 华南农业大学
Abstract: 本发明公开了一种芒果采摘点识别方法，包括以下步骤：采集芒果的图像，建立自然场景下的芒果采摘图像库；建立基于Mask R-CNN网络的芒果果实分割模型；计算每个果实的长轴、短轴以及质心；利用自底向上层次聚类法判断是否成簇；若芒果果实成簇，则识别成簇果实母枝并在母枝上定位采摘点；若芒果为单果，则分割和识别该果实的果梗，在果梗上确定采摘点。本发明利用基于Mask R-CNN网络的芒果果实分割模型进行果实实例分割，解决自然果园场景下光线变化、遮挡、重叠导致的检测分割难题，具有分割精准、适用场景多的优点。
-
公开(公告)号：CN109685737A
公开(公告)日：2019-04-26
申请号：CN201811579417.2
申请日：2018-12-24
Applicant: 华南农业大学
CPC classification number: G06T5/003 , G06N3/0454
Abstract: 本发明公开了一种图像去雾方法，具体包括以下步骤：搭建基于ResNet的深度神经网络模型；采集训练数据集并训练网络模型；设计神经网络模型损失函数，使神经网络模型更精确地实现对有雾图像的去雾清晰化处理；精简压缩神经网络模型，压缩神经网络模型计算量；使用训练好的神经网络模型对待处理图像进行端到端去雾清晰化处理。本发明通过压缩神经网络模型，使模型计算量和参数数量明显下降，减少运行时间，可在移动端稳定运行。
-
公开(公告)号：CN106600541A
公开(公告)日：2017-04-26
申请号：CN201610962398.6
申请日：2016-11-04
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于自适应大气光幕图的多模传输视频图像清晰化处理系统，包括：前端视频图像获取设备，其中搭载平台包括无人机、无人船、固定端以及手持式移动摄像设备；基于多模的远程传输模块；图像处理服务终端。其中无人机和无人船由操作人员进行现场遥控相关设备，对所需求的场景进行拍照录像以获取所需要的图像来源；其中固定端只需要远程操控摄像设备进行图像获取即可；对于手持式摄像设备需要工作人员依据实际所需进行具体的图像获取。服务器端对所述接收到的图像进行清晰化处理，在服务器端运行自适应大气光幕图的图像去雾算法，快速有效地实现去雾清晰化。可实现多场景图像地获取，同时实现简单快速并且实时地去雾获得清晰的图像。
-
公开(公告)号：CN104181214B
公开(公告)日：2017-04-12
申请号：CN201410414434.6
申请日：2014-08-21
Applicant: 华南农业大学
IPC: G01N27/26
Abstract: 本发明公开了一种水质传感器小信号分段拟合温度补偿方法，涉及小信号处理的技术领域。具体的说，是一种采用分段拟合法，以达到提高测量准确度、减小测量数据转换误差、拟合非线性曲线以增强测量精度拟合效果。本发明采用分段直线拟合方法建立数学模型，将pH温度系数KpH标定曲线划分为几个区间，然后用最小二乘法拟合出相应的直线方程，并计算直线拟合精度，若精度低于阀值，则重新划分区间进行拟合，直到精度满足要求为止，进而实现温度补偿。本发明是一种简单、快捷、精准的数学模型，有效提高数据采集准确度。
-
公开(公告)号：CN105897912A
公开(公告)日：2016-08-24
申请号：CN201610345947.5
申请日：2016-05-20
Applicant: 华南农业大学
CPC classification number: H04L67/12 , G06Q50/02 , H04L67/125
Abstract: 本发明公开了一种智能灌溉系统，包括依次通讯连接的控制终端模块、信息采集终端模块、网关模块、网络服务器模块、处理系统和人机交互界面模块；所述处理系统包括数据库模块、知识库模块、推理机模块、解释机模块和知识获取模块，用户通过所述人机交互界面模块与智能灌溉系统进行信息交换。如此设置，本发明公开的智能灌溉系统，其能够有效提高灌溉的智能化程度，通过系统智能决策，结合专业知识经验，指导使用者更好地去管理植物园。本发明还公开了一种用于上述智能灌溉系统的工作方法。
-
Patent Agency Ranking
公开(公告)号：CN114359727B
公开(公告)日：2024-06-04
申请号：CN202111663816.9
申请日：2021-12-31
Applicant: 华南农业大学
IPC: G06V20/10 , G06V10/774 , G06V10/36 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/048 , G06N3/0985
Abstract: 本发明公开了一种基于轻量级优化Yolo v4的茶叶病害识别方法及系统，所述方法包括：采集茶叶病害图片，经预处理后作为训练Yolo v4模型的数据集；对Yolo v4模型中的特征提取主干模块和特征提取融合模块进行轻量级优化，获取优化后的Yolo v4模型；利用训练Yolo v4模型的数据集对优化后的Yolo v4模型进行训练和验证，获取识别茶叶病害的最优Yolo v4模型；利用得到的最优Yolo v4模型对茶叶病害图像进行识别。通过本发明有效减少了原始Yolo v4网络模型庞大的参数量和模型体积，并提升了茶叶病害目标的检测效率和识别精度。
-
公开(公告)号：CN114898359B
公开(公告)日：2024-04-30
申请号：CN202210307091.8
申请日：2022-03-25
Applicant: 华南农业大学
IPC: G06V20/68 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/40 , G06V10/32 , G06V10/22 , G06T7/00 , G06T3/60 , G06T3/40 , G06N3/0464 , G06T3/4053
Abstract: 本发明公开了一种基于改进EfficientDet的荔枝病虫害检测方法，针对实时场景下的图像复杂背景采用Mosaic数据增强方法，使模型学习更丰富的背景信息，且提升小目标的检测效果；采用更轻量化的改进骨干特征提取网络EfficientNetv2‑s，提升网络的训练速度；采用SPP模块进一步提取有用的特征信息；采用效果比BiFPN更好的纵向跨层特征融合网络PaFPN，提升模型的检测效果；采用CIoULoss提升模型的收敛速度和回归精度，采用DIoUnms非极大值抑制，减少对重叠目标的抑制。通过改进的EfficientDet目标检测模型，提供实时性更强，准确率更高的实时场景下荔枝病虫害的检测识别方法。
-
公开(公告)号：CN109711389B
公开(公告)日：2023-06-23
申请号：CN201910041539.4
申请日：2019-01-16
Applicant: 华南农业大学
IPC: G06V20/40 , G06V40/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于Faster R‑CNN和HMM的哺乳母猪姿态转换识别方法，步骤为：1.深度图像质量增强；2.用改进Faster R‑CNN识别母猪姿态，以每帧概率最大的姿态作为姿态序列；并将概率最大的前5个检测框作为候选区域；3.用长度为5的中值滤波修正姿态序列分类错误；用视频段姿态转换次数检测疑似转换片段；在疑似转换片段中，用维特比算法根据候选区域构建母猪定位管道；4.在定位管道中，用最大类间方差法分割各帧母猪，计算母猪身体各部分高度，形成高度序列；5.将高度序列输入HMM模型，将疑似转换片段分为姿态转换与未转换片段；对单一姿态片段和姿态转换片段分类，获得识别结果。本发明能在光线变化及夜间场景下，自动母猪姿态转换识别，为高危行为识别打下基础。
-
公开(公告)号：CN111507967B
公开(公告)日：2023-06-02
申请号：CN202010306354.4
申请日：2020-04-17
Applicant: 华南农业大学
IPC: G06T7/00 , G06T7/11 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种自然果园场景下的芒果高精度检测方法，包括：建立自然场景下的芒果数据库；构建基于Mask Scoring R‑CNN的初步网络结构；在ROI Align层后增加一个并行训练的BoxIOU分支，为RPN输出的候选框预测IOU得分；测试阶段BoxIOU分支预测的IOU得分与相应的分类置信度进行耦合，再将耦合后的分值替代原本的分类置信度作为后处理阶段的非极大抑制的排列依据；利用训练后的BoxIOU MangoNet进行芒果果实的检测和分割。该方法为果实目标筛选出定位更准确的检测框，简单有效，能够解决自然果园场景下受复杂环境干扰的检测分割难题。
-
公开(公告)号：CN112931150B
公开(公告)日：2022-06-03
申请号：CN202110152035.7
申请日：2021-02-03
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于柑橘冠层光谱响应的灌溉系统和方法，首先获取柑橘园冠层光谱图像和柑橘的生长环境信息，通过GPRS技术传输至云服务器，云服务器对光谱数据进行处理后输入到预先训练好的水分胁迫指数预测模型中，得到整个柑橘园的水分胁迫状况图。上位机获取到整个园区的水分胁迫状况，将需要进行灌溉的区域提取出来，再通过模糊控制器计算出各个区域的灌溉量，然后通过无线传感器网络发送给各个灌溉控制节点，对整个园区进行灌溉，实现了对柑橘园水分的监测和灌溉，水资源得到了充分的利用。
-
-
-
-
-
-
-
-
-
Search Results
107
records
(took 0.03 seconds)
