-
公开(公告)号：CN112884495A
公开(公告)日：2021-06-01
申请号：CN202110316879.0
申请日：2021-03-23
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于区块链的肉禽供应链溯源系统，该系统包括：用于采集产品信息、环境信息的数据采集装置，用于与用户交互用户信息、产品信息、环境信息的可视化交互装置，用于对用户信息、产品信息、环境信息进行接收、存储、管理的数据服务器，以及用于对用户信息、产品信息、环境信息进行处理、验证的区块链服务器；数据采集装置采集得到采集信息，通过可视化交互装置进行展示，可视化交互装置与用户交互得到用户信息，可视化交互装置将采集信息、用户信息发送至数据服务器进行存储、管理，并通过区块链服务器进行验证前驱信息；本发明基于区块链数据存储的非中心化数据系统，使数据更加透明、共享，提高了数据可信度和数据公信力。
-
公开(公告)号：CN111768490A
公开(公告)日：2020-10-13
申请号：CN202010406089.7
申请日：2020-05-14
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于迭代最近点与人工干预的植物三维建模方法及系统，该方法包括下述步骤：多视角获取植物的点云数据；对获得的植物点云进行可视化操作；根据人机交互算法定位感兴趣的点云区域并切除背景；基于统计分析的方法判别离群点噪声并滤除离群点噪声；对获得的多组点云进行初始配准；采用初始配准后的点云作为初始解，采用ICP配准算法进行精准配准，得到精准配准结果；采用体素化网格法进行点云精简，得到最终的植物三维模型。本发明采用多视角获取植物点云数据，解决枝叶遮挡问题，对植物点云数据去除边缘噪声，提出人工干预和点云的精准配准方法，在植物枝叶相互遮挡的情况下，能够很好地建立植物的三维模型。
-
公开(公告)号：CN109660532A
公开(公告)日：2019-04-19
申请号：CN201811532961.1
申请日：2018-12-14
Applicant: 华南农业大学
IPC: H04L29/06 , G06F16/951
Abstract: 本发明涉及网络数据采集的技术领域，具体涉及一种分布式网络数据采集方法及其采集系统，该方法包括通过调度器对请求队列中的链接进行去重，并将请求队列分配给相应的从机节点进行网络数据采集；在某一采集节点的网络数据采集行为遭到所采集的网站的攻击行为时，触发相应的防御机制；防御机制根据攻击行为判断攻击类型，并判断攻击类型与该采集节点所对应的从机节点预设的防御类型是否匹配；匹配时，执行与防御类型对应的防御措施来解除攻击；不匹配时，取消该采集节点的网络数据采集行为，并将未采集的请求队列返回至调度器等待重新分配，解决了在正常的网络数据采集工作遭到所采集的网站错误攻击时，能够及时的采取相应的措施解除危机。
-
公开(公告)号：CN117437687A
公开(公告)日：2024-01-23
申请号：CN202311284484.2
申请日：2023-09-28
Applicant: 华南农业大学
IPC: G06V40/20 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/09
Abstract: 本公开提供一种基于图胶囊的双流步态识别方法、装置及介质，涉及图像识别技术领域，包括：获取待识别对象的骨架数据，然后通过已训练的步态识别网络的第一特征提取器中的多层特征提取模块对骨架数据进行特征提取，获得多层特征提取模块中每层输出的第二特征数据；再获取预设数量的第二特征数据，并通过已训练的步态识别网络的胶囊模块对预设数量的第二特征数据进行向量化处理，获得第一特征数据，在本公开中，通过胶囊模块将骨架数据处理成为向量数据的第一特征数据，向量数据可以表示不同身体部分之间的空间关系和姿态信息，可以更准确的捕捉和表达步态模式，从而提升步态识别的精确度。
-
公开(公告)号：CN112200854B
公开(公告)日：2023-10-17
申请号：CN202011021158.9
申请日：2020-09-25
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于视频图像的叶类蔬菜三维表型测量方法，包括以下步骤：通过数据获取装置获取叶类蔬菜的视频图像数据；对视频图像数据进行去除模糊图像帧处理，并使用基于植被指数和尺度不变特征变换匹配方法，获取视频图像数据中包含叶类蔬菜区域的关键帧；将关键帧图像重建为三维点云模型，通过三维点云模型进行三维空间的后处理，得到后处理点云模型；对后处理点云模型提取点云骨架并进行点云分割，进而对叶类蔬菜表型参数进行计算，得到叶类蔬菜三维表型测量结果；本发明提供了一种方便、低成本的三维表型测量手段，不需要繁琐的图像拍摄过程，可通过直接录制绿叶蔬菜的视频来得到表型参数，进一步的，可将该方法扩展应用于其他叶类蔬菜的分析。
-
Patent Agency Ranking
公开(公告)号：CN115761272A
公开(公告)日：2023-03-07
申请号：CN202211415817.6
申请日：2022-11-11
Applicant: 华南农业大学
IPC: G06V10/70 , G06N20/00 , G06V10/771
Abstract: 本公开涉及一种图像处理方法、装置、介质及电子设备，涉及图像处理技术领域，获取输出样本图像和图像处理模型输出的输出图像，从输出图像中提取N个特征参数，并且从N个特征参数中筛选出n个特征参数，根据n个特征参数、输出图像和输出样本图像计算损失函数，通过该损失函数对图像处理模型进行训练，为提高模型的性能，可以对图像处理模型的经过m次迭代训练，在每次迭代训练中，重新获取新的n个特征参数计算新的损失函数，在经过m次迭代训练后，得到训练后的图像处理模型。在每次迭代过程中，用于模型训练的特征参数不同，避免训练后的模型处于假收敛的情况，使得最终获得的模型性能良好，获得的模型用于图像处理，提升图像处理效果。
-
公开(公告)号：CN114926650A
公开(公告)日：2022-08-19
申请号：CN202210376234.0
申请日：2022-04-11
Applicant: 华南农业大学
Abstract: 本公开涉及一种基于多特征的滤波器降帧更新方法，以提高对目标对象跟踪定位的准确性。方法包括：获取目标样本图像；对目标样本图像进行特征提取，得到目标样本图像对应的多个特征通道的特征，多个特征通道的特征至少对应两类特征提取方式提取到的特征；将多个特征通道的特征进行融合，得到目标样本图像对应的融合特征；基于待更新滤波器矩阵以及融合特征，得到目标对象对应的置信得分；至少基于目标对象对应的置信得分与目标对象对应的位置标签，构建损失函数，基于损失函数对待更新滤波器矩阵进行一次参数更新，待更新滤波器矩阵的参数更新过程满足预设条件之后，得到用于对视频中的目标对象进行跟踪定位的目标滤波器矩阵。
-
公开(公告)号：CN114755211A
公开(公告)日：2022-07-15
申请号：CN202210433001.X
申请日：2022-04-24
Applicant: 华南农业大学
IPC: G01N21/64 , G01N21/01 , C12Q1/6844 , C12Q1/70
Abstract: 本发明公开了一种一体可视化荧光LAMP检测装置及方法，涉及病原检测技术领域，装置的外壳包括上盖、基座、滤光片插座；所述上盖的开口部分设置为凸起结构，所述滤光片插座设置在所述凸起结构上；所述基座包括加热模块、入射光系统和亮度调节模块、供电模块和温控模块，其中所述供电模块与加热模块、温控模块之间电性连接；所述供电模块与入射光系统、亮度调节模块之间电性连接，入射光系统包括激发光灯组和带通滤光片，所述带通滤光片与加热模块的入光口通道正对设置，所述激发光灯组与带通滤光片卡口正对设置。本发明装置具备便携、一体化的优点，可以对样品进行等温扩增反应，可通过肉眼观察检测结果，给工作人员提供极大的便利。
-
公开(公告)号：CN112287779B
公开(公告)日：2022-03-25
申请号：CN202011115429.7
申请日：2020-10-19
Applicant: 华南农业大学
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06N3/04 , G06T5/00
Abstract: 本发明公开了一种低光照度图像自然光照度补强方法及应用，该方法步骤包括：构建非配对数据集，构建图像翻译模型，根据CycleGAN的环形模型搭建图像翻译模型的结构；在图像翻译模型中加入实例正则化、注意力机制模块和语义一致性损失函数；基于非配对数据集训练图像翻译模型的高光照度和低光照度图像的映射，并进行高光照度循环和低光照度循环；训练生成对抗网络；分别计算高光照度循环和低光照度循环产生的图像与对应真实图像之间的距离；将低光照度的图像数据集输入生成对抗网络中，生成器输出高光照的转换图像。本发明实现了对夜间低光照度图像自然光照度强度补强，并在光照度增强的同时保证了翻译前后图像语义的一致性。
-
公开(公告)号：CN112861666A
公开(公告)日：2021-05-28
申请号：CN202110101534.3
申请日：2021-01-26
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于深度学习的鸡群计数方法及应用，该方法包括下述步骤：采集鸡群图像，对所有鸡群图像进行图像预处理和图像增强，将处理后的鸡群图像输入到MCNN网络中进行训练，并将图像块映射到相应的密度图；MCNN网络包括三列具有不同滤波器大小的卷积神经网络，利用具有不同卷积核大小的网络分别提取鸡群图像的特征，将特征图线性加权得到密度图；在所有鸡头的中心位置进行标记，学习每只鸡在图像中的标注位置，通过高斯核卷积获得地面真实密度图；对密度图进行积分得到鸡群图像中鸡的个数。本发明用特征提取代替了对目标个体的人工识别，不需要复杂的图像和特征处理过程，自动提取图像特征，自动学习特征。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.027 seconds)
