-
公开(公告)号：CN109766856A
公开(公告)日：2019-05-17
申请号：CN201910040870.4
申请日：2019-01-16
Applicant: 华南农业大学
Abstract: 本发明公开了一种双流RGB-D FasterR-CNN的识别哺乳母猪姿态方法，即提出一种在特征提取阶段融合RGB-D图像特征的端对端的双流RGB-D Faster R-CNN算法，用于识别自由栏母猪场景下的哺乳母猪站立、坐立、俯卧、腹卧和侧卧5类姿态。基于Faster R-CNN，首先使用两个CNN网络分别提取RGB图像特征和深度图像特征；然后利用RGB-D图像的映射关系，仅采用一个RPN网络生成RGB图像特征图和深度图像特征图的感兴趣区域；对感兴趣区域特征池化后，使用一个独立的网络层实现RGB-D特征的拼接融合；最后在Fast R-CNN阶段，引入NOC结构继续卷积提取融合后的特征，再送入分类器和回归器。本发明提供了一种融合了RGB-D数据信息端对端的高精度、小模型和实时的母猪姿态识别方法，为进一步分析母猪行为奠定了基础。
-
公开(公告)号：CN108830144A
公开(公告)日：2018-11-16
申请号：CN201810416468.7
申请日：2018-05-03
Applicant: 华南农业大学
Abstract: 本发明涉及一种基于改进Faster-R-CNN的哺乳母猪姿态识别方法，包括以下步骤：S1、采集哺乳母猪的RGB-D视频图像，并建立母猪姿态识别深度视频图像库；S2、对基础ZF网络增加深度、并引入残差结构，设计成具有高精度、实时性和鲁棒性的CNN网络结构；S3、使用设计的CNN网络结构，构建Faster-R-CNN模型结构，并对Faster-R-CNN模型结构引入Center Loss监督信号，与SoftmaxLoss联合构成分类损失函数，最终建立改进的Faster-R-CNN母猪姿态识别模型；S4、使用训练集训练Faster-R-CNN母猪姿态识别模型，使用测试集测试模型性能，最终筛选最佳性能模型，用于哺乳母猪姿态识别。
-
公开(公告)号：CN108199478A
公开(公告)日：2018-06-22
申请号：CN201711348611.5
申请日：2017-12-15
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于物联网技术的近海渔船用电信息监测系统及方法，包括渔船本地用电信息采集、展示系统，渔船本地网关以及远程信息展示平台；渔船本地用电信息采集展示系统包括专用定制电源适配器，渔船本地信息展示平台；渔船本地网关包括ZigBee通信系统、北斗通信系统以及本地路由系统；远程信息展示模块包含云服务器端和信息展示平台；用电设备的用电信息发送到渔船本地网关；进一步由北斗通信芯片发送到卫星经转发后发送到云服务器端，然后进行多平台展示。本发明解决了以往渔船由于传统被动监测的渔船监测系统不能满足对渔船的实时监测的问题，也解决了基于GPS通信系统基础设施要求高的问题。
-
公开(公告)号：CN105354791A
公开(公告)日：2016-02-24
申请号：CN201510520115.8
申请日：2015-08-21
Applicant: 华南农业大学
IPC: G06T1/00
Abstract: 本发明提供一种改进的自适应混合高斯前景检测方法，它首先利用混合高斯模型进行学习，形成初始化混合高斯背景模型；然后，对新输入的视频序列，以每隔N帧进行采样，利用加权时域均值滤波获取一幅图像帧，将其作为混合高斯建模的输入，进行背景模型更新；利用泊松分布自动判断当前帧是否存在背景突变，若不存在，保持正常的采样间隔和学习速率，否则，缩小间隔帧数和加快学习速率，更新背景模型，提取当前的背景帧；最后，利用当前帧与当前背景帧进行差分，通过最大熵方法获取自适应阈值，对获取的阈值进行加权平均，进行前景检测。该方法有效地克服了视频场景中树叶抖动、水波纹等运动干扰，通过周期性的采样减少了帧的运算量，提高了实时性。
-
公开(公告)号：CN118378738A
公开(公告)日：2024-07-23
申请号：CN202410365669.4
申请日：2024-03-28
Applicant: 华南农业大学
IPC: G06Q10/04 , G06V10/764 , G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0442 , G06N3/084 , G06Q50/02
Abstract: 本发明公开了一种母猪挤压仔猪事件预测方法、可读介质和电子设备，其中方法包括：采集预设时间段内的母仔猪相关数据；并根据母仔猪相关数据，构建母仔猪的行为语料事件链、稳定语料事件链和目标语料事件链；基于行为语料事件链、稳定语料事件链和目标语料事件链，结合自适应自注意力时间节点部署和自适应邻接矩阵，构建基于母仔猪的有向事件演化图；根据有向事件演化图，获得当前时刻仔猪受压事件初判概率值；基于当前时刻仔猪受压事件初判概率值，结合目标语料事件链，获得当前时刻仔猪受压事件最终概率值。该方法基于母仔猪相关数据构建有向事件演化图，充分发掘了母仔猪事件之间的关系，提高了仔猪受压事件预测精度。
-
Patent Agency Ranking
公开(公告)号：CN109711325B
公开(公告)日：2023-05-23
申请号：CN201811587011.9
申请日：2018-12-25
Applicant: 华南农业大学
IPC: G06V20/10 , G06V10/762 , G06V10/82 , G06V10/22 , G06V10/26 , G06V10/56 , G06N3/0464 , G06N3/088
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：CN110309786B
公开(公告)日：2023-04-07
申请号：CN201910596270.6
申请日：2019-07-03
Applicant: 华南农业大学
IPC: G06V20/52 , G06V40/20 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种用于深度视频的哺乳母猪姿态转换识别方法，步骤为：深度视频质量增强；用改进的3D Mask R‑CNN算法检测、跟踪母猪并识别母猪姿态，选取每帧中概率最大的姿态类别，形成姿态序列；根据姿态序列的变化频率进行疑似转换片段粗定位，并利用前后帧各类姿态的概率方差细定位疑似转换片段的起始帧和结束帧；设计三阶段上下文深度运动特征图，以提取疑似转换片段的运动特征；将提取到的特征输入CNN模型进行转换/非转换片段识别，输出识别结果。本发明能在光线变化及夜间场景下，自动识别定位长段视频中的母猪姿态转换，为母猪的高危行为识别打下基础。
-
公开(公告)号：CN110598658B
公开(公告)日：2022-03-01
申请号：CN201910882353.1
申请日：2019-09-18
Applicant: 华南农业大学
Abstract: 本发明公开了一种母猪哺乳行为的卷积网络识别方法，首先利用一级卷积网络——Mask R‑CNN检测视频帧中侧卧母猪的关键点，以获取视频帧中母猪侧卧哺乳区域，克服在场景中非哺乳区域仔猪运动对哺乳区域时空特征提取的干扰；然后，以视频帧中哺乳区域的RGB图像序列和光流图像序列作为二级卷积网络——卷积双流网络输入，提取哺乳区域中哺乳行为的时空信息，实现哺乳行为的识别。本发明的模型是基于数据驱动的模型，避免了人工设计行为特征，提升了哺乳行为特征的表达能力，为母猪与仔猪间交互式行为——哺乳行为自动监测提供了新的技术方法。
-
公开(公告)号：CN113963387A
公开(公告)日：2022-01-21
申请号：CN202111186478.4
申请日：2021-10-12
Applicant: 华南农业大学
Abstract: 一种基于最优编码位的手指多模态图像编码和融合方法。其方法对原始手指三模态图像进行增强，获得手指三模态增强图像；利用方向编码方法对上述手指三模态增强图像的最优增强方向进行二进制编码，以提取出手指三模态的有效纹理特征，获得手指三模态特征编码；利用特征编码融合方法对手指三模态特征编码进行融合，获得最终融合图像等步骤。本发明效果：有效凸显了手指血管成像区域，实现了退化手指图像的稳定增强。解决了可能会产生的冗余信息和冗余特征编码位的问题，以便提取特征。可以充分利用手指三模态信息并提高识别的准确性和鲁棒性。
-
公开(公告)号：CN110598658A
公开(公告)日：2019-12-20
申请号：CN201910882353.1
申请日：2019-09-18
Applicant: 华南农业大学
Abstract: 本发明公开了一种母猪哺乳行为的卷积网络识别方法，首先利用一级卷积网络——Mask R-CNN检测视频帧中侧卧母猪的关键点，以获取视频帧中母猪侧卧哺乳区域，克服在场景中非哺乳区域仔猪运动对哺乳区域时空特征提取的干扰；然后，以视频帧中哺乳区域的RGB图像序列和光流图像序列作为二级卷积网络——卷积双流网络输入，提取哺乳区域中哺乳行为的时空信息，实现哺乳行为的识别。本发明的模型是基于数据驱动的模型，避免了人工设计行为特征，提升了哺乳行为特征的表达能力，为母猪与仔猪间交互式行为——哺乳行为自动监测提供了新的技术方法。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.045 seconds)
