-
公开(公告)号：CN111968700A
公开(公告)日：2020-11-20
申请号：CN202010644955.6
申请日：2020-07-07
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于BERT的水稻表型组学知识图谱关系提取方法及系统，包括如下步骤：首先，使用植物本体论对于水稻表型组学数据进行关系分类，获得关系数据集；其次，将关系数据集转化为词向量、位置向量以及句子向量表示，输入BERT模型进行训练与测试，生成关系抽取模型；最后，将需要抽取的水稻表型组学文本与实体输入关系抽取模型，返回相应的关系，本发明构建了水稻表型组学专用数据集，使用多种向量表示作为输入，能够更好对句子内部以及句间关系特征进行提取，提升水稻表型组学知识图谱关系提取的效率和性能。
-
公开(公告)号：CN105703433A
公开(公告)日：2016-06-22
申请号：CN201610142331.8
申请日：2016-03-14
Applicant: 南京农业大学
IPC: H02J7/00
CPC classification number: H02J7/0045
Abstract: 一种多旋翼飞行器接触式无线充电系统，它包括：充电基站：该充电基站与充电器连接，对多旋翼飞行器进行接触式无线充电；异形受电装置：该异形受电装置安装在多旋翼飞行器起落架的底部，能够与充电基站相接触，为多旋翼飞行器进行接触式受电。在多旋翼飞行器能量感知自身电池电量不足时，自主飞回落入充电底座，通过受电装置与充电底座进行接触连接，接通充电回路，实现自主充电。本发明采用接触式无线充电方案，充分借用现有充电技术，利用充电底座与安装在多旋翼飞行器上受电端接触连接，实现接触式无线充电，解决了多旋翼自主飞行器作业中的续航问题，保证了自主飞行作业能够持续进行。
-
公开(公告)号：CN117953281A
公开(公告)日：2024-04-30
申请号：CN202410079322.3
申请日：2024-01-19
Applicant: 南京农业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/77 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/0895 , G06V20/10
Abstract: 本发明公开了一种基于伪标签算法和MobileNetV2网络的荷花表型识别方法和装置，所述方法包括：步骤一、构建网格模型，该模型选取MobileNetV2网络作为荷花识别的特征提取网络，并将SE注意力机制应用到MobileNetV2的特征处理单元中，同时还利用伪标签算法对未标注的荷花数据进行伪标注；步骤二、训练模型，使用荷花数据集中的训练集预训练模型初始化MobileNetV2特征提取网络，再通过预训练得到的模型，对未标注的数据进行预测，选择最小熵即最高置信度对荷花数据进行伪标注，最后将所有标注好的数据重新训练，得到最优模型；步骤三、通过训练后模型对荷花表型进行识别。本发明可提高模型的表达能力和泛化能力，减少庞大数据集的标注量，更能够适应各种不平衡和复杂的数据分布。
-
公开(公告)号：CN117856211A
公开(公告)日：2024-04-09
申请号：CN202311619628.5
申请日：2023-11-29
Applicant: 南京农业大学 , 国电南瑞南京控制系统有限公司
IPC: H02J3/00 , G06Q50/06 , G06N3/0464 , G06N3/0499 , G06N3/08 , G06N20/20
Abstract: 本发明公开了基于MT‑IEM‑Dscformer的代理购电负荷预测方法、系统、设备及存储介质，包括：采用随机森林，确定影响电力负荷预测的影响因素；将影响因素与历史电力负荷数据组成的电力负荷序列划分出训练集和测试集；采用训练集对预先构建的MT‑IEM‑Dscformer模型进行训练，并利用测试集测试训练好的MT‑IEM‑Dscformer模型的预测准确度，得到最终可用的MT‑IEM‑Dscformer模型；利用最终可用的MT‑IEM‑Dscformer模型，进行电力负荷预测，得到电力负荷预测结果；MT‑IEM‑Dscformer模型包括：MT模块、IEM模块和Dscformer模块，该Dscformer模块用于基于待预测时间段、待预测时间段的前一时间段的电力负荷数据、信息增强后的影响因素和多时间尺度划分数据，得到电力负荷预测结果。
-
公开(公告)号：CN112036335B
公开(公告)日：2023-12-26
申请号：CN202010915753.0
申请日：2020-09-03
Applicant: 南京农业大学
IPC: G06V20/10 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提出一种反卷积引导的半监督植物叶部病害识别与分割方法，使用少量病害类别标注和病斑的像素级标注，通过反卷积实现病害种类的识别和病斑区域的分割。本方法通过一致性正则化、熵最小化方法生成无标记样本的类别预测标签；将有标记样本和无标记样本进行图像混合，利用新生成的图像进行半监督病害分类；对类别信息进行上采样，利用少量像素级标记进行半监督病斑分割。在模型训练的过程中，使用指数加权平均更新模型参数，使模型在测试数据上更加鲁棒。本发明适用于标签样本数量不足的植物叶部病害识别与分割的情况，实现了识别与分割的一体化，模型在光线不足、有异物遮挡叶片图像中具有较强的泛化能力，识别和分割速度能够满足实时性要求。
-
Patent Agency Ranking
公开(公告)号：CN115205832A
公开(公告)日：2022-10-18
申请号：CN202210799123.0
申请日：2022-07-08
Applicant: 南京农业大学
IPC: G06V20/60 , G06V10/764 , G06V10/774 , G06V10/422 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于VGG16的多任务学习植物表型处理方法及装置，该方法包括：(1)构建植物表型处理与分析模型：以VGG16网络作为多任务学习的硬参数共享网络，除去原VGG16的最后一个最大池化层以及之后所有的全连接层，增加任务相关的全连接层，并将其分别应用于三个特定任务层；(2)训练模型：使用任务依赖不确定性权衡每一个特定任务层的损失函数，以此来平衡回归和分类任务的损失，使用柔性因子连接不同任务，自动优化不同任务的权重，让每个任务都得到最优化训练；(3)基于训练后模型对植物表型进行处理与分析。本发明能同时完成三个有关拟南芥表型处理与分析的任务，大大提升了多任务整体分类及预测效果。
-
公开(公告)号：CN110263863B
公开(公告)日：2021-09-10
申请号：CN201910547744.8
申请日：2019-06-24
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于迁移学习与双线性InceptionResNetV2的细粒度菌类表型识别方法，其主要步骤为：(1)建立基于迁移学习与双线性的细粒度菌类表型识别模型；(2)基于识别模型进行迁移学习与训练；(3)将图像输入识别模型后进行预处理；(4)对预处理后的图像数据进行特征提取。本发明将两个对称InceptionResNetV2特征提取网络提取到的特征结合起来，得到更细粒度的特征，使识别效果更好；并且使用基于模型的迁移学习训练方法，将在ImageNet数据集上预训练好的特征提取网络参数权重迁移到菌类细粒度表型数据集上，能够在较短的训练时间内，达到更好的收敛性能，使识别结果更好。
-
公开(公告)号：CN105703433B
公开(公告)日：2018-10-26
申请号：CN201610142331.8
申请日：2016-03-14
Applicant: 南京农业大学
IPC: H02J7/00
Abstract: 一种多旋翼飞行器接触式无线充电系统，它包括：充电基站：该充电基站与充电器连接，对多旋翼飞行器进行接触式无线充电；异形受电装置：该异形受电装置安装在多旋翼飞行器起落架的底部，能够与充电基站相接触，为多旋翼飞行器进行接触式受电。在多旋翼飞行器能量感知自身电池电量不足时，自主飞回落入充电底座，通过受电装置与充电底座进行接触连接，接通充电回路，实现自主充电。本发明采用接触式无线充电方案，充分借用现有充电技术，利用充电底座与安装在多旋翼飞行器上受电端接触连接，实现接触式无线充电，解决了多旋翼自主飞行器作业中的续航问题，保证了自主飞行作业能够持续进行。
-
公开(公告)号：CN107491733A
公开(公告)日：2017-12-19
申请号：CN201710588673.7
申请日：2017-07-19
Applicant: 南京农业大学
CPC classification number: G06K9/00664 , G06K9/6256 , G06K9/6267 , G06N3/084
Abstract: 本发明公开了一种基于深度神经网络的菊花识别方法，包括以下步骤：(1)菊花图像原始数据的采集和预处理，并构成训练集样本；(2)构建深度神经网络模型；(3)待识别菊花的图像采集，并对图像进行裁剪和缩放，将图像转化成RGB形式输入到深度神经网络的模型中；(4)将测试样本利用训练完成的神经网络的模型得出识别菊花的类型。本发明设计的卷积神经网络层数一共6层，识别的菊花分为五种类型，相比现有花朵种类识别系统及其方法，极大的提高了图像的识别准确率和解决现有技术对于菊花识别困难的技术问题。
-
公开(公告)号：CN221883075U
公开(公告)日：2024-10-22
申请号：CN202420344061.9
申请日：2024-02-26
Applicant: 南京农业大学
IPC: G01N1/04
Abstract: 本实用新型公开了一种马铃薯晚疫病的病害叶片标本采集装置，涉及病害标本采集技术领域，该装置包括采集盒，所述采集盒前端的底部位置转动连接有防护盖，在防护盖前端的顶部位置固定连接有磁吸块一，采集盒前端的顶部位置固定连接有磁吸块二，闭合后的防护盖通过磁吸块一和磁吸块二相互吸引，所述采集盒的内部设有至少两层的收纳机构，所述收纳机构的顶部均固定连接有夹持机构，并且在收纳机构的上表面上设有用于对叶片进行保湿处理的海绵软垫，所述海绵软垫内吸有定量的水分。本实用新型可方便标本存取，同时整个装置的湿度达到一个合理的范围，能够保证病原菌的活性，也可防止叶片腐烂。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.033 seconds)
