-
公开(公告)号：CN106857404A
公开(公告)日：2017-06-20
申请号：CN201710191066.7
申请日：2017-03-28
Applicant: 吉林农业大学
IPC: A01K67/02
CPC classification number: A01K67/02
Abstract: 本发明公开了一种东北农牧交错区肉用美利奴羊新品种的培育方法，以东北细毛羊作为母本、南非肉用美利奴羊作为父本组建育种群，经连续级进杂交，回交、横交固定、闭锁繁育，扩大群体规模，培育肉用美利奴羊新品种。本发明既利用了东北细毛羊体格结实、被毛密的优势，又利用南非肉用美利奴羊生长发育快、体格大、产肉多的特点，采用本发明的培养方法得到的肉用美利奴羊新品种遗传性能稳定，肉毛兼备、生长发育快，解决了东北农牧交错区域肉羊产业发展的品种需求，有很好的推广价值。
-
公开(公告)号：CN113096027B
公开(公告)日：2024-01-23
申请号：CN202110229082.7
申请日：2021-03-02
Applicant: 吉林农业大学
Abstract: 本发明提供一种基于点云的农田土壤层水平校正及去除方法，首先利用深度相机获取农田土壤层的可见光图像及图像对应的深度信息，经过差值计算获得植株的三维点云数据，并将获得的田间植株的三维点云数据分类储存在计算机中；然后利用点云处理工具，将得到的三维点云数据逐步经过随机采样一致性算法进行土壤层拟合、得到拟合后的土壤层水平面，再将拟合后的土壤层水平面的点云通过罗德里格旋转算法进行土壤层水平校正，最后根据预设阈值将土壤层去除。该方法有效避免三维扫描过程中可能存在的无关环境点云给表型参数计算带来的复杂性，提高植物表型计算的准确程度、实现植株表型的精确测量。
-
公开(公告)号：CN116091896A
公开(公告)日：2023-05-09
申请号：CN202310382851.6
申请日：2023-04-12
Applicant: 吉林农业大学
IPC: G06V10/82 , G06N3/0464 , G06N3/091 , G06V10/776 , G06V10/778
Abstract: 本发明公开了一种基于IResNet模型网络的防风药材产地识别方法及系统，属于药材识别技术领域，其中，方法包括：采集多个防风药材图像构建小样本数据集；将小样本数据集划分为训练集和验证集；将分层残差连接结构加入IResNet模型网络中，得到改进后的骨干网络；采用深度可分离卷积操作代替改进后的骨干网络中的常规卷积操作，得到最优骨干网络；利用训练集对最优骨干网络进行训练，得到防风药材识别模型，并采用验证集对防风药材识别模型进行验证。该方法训练改进后的IResNet模型网络进行自主识别，减少了时间成本和计算成本，同时采用自适应学习率衰减策略提升网络模型训练精度和识别的准确率。
-
公开(公告)号：CN115223657A
公开(公告)日：2022-10-21
申请号：CN202211140336.9
申请日：2022-09-20
Applicant: 吉林农业大学
Abstract: 一种药用植物转录调控图谱预测方法，属于生物信息学技术领域。为了解决当前药用植物遗传背景不清晰的问题，本发明搜集人参等药用植物基因组从头测序数据和转录调控网络，采用序列比对法从类比角度将近源物种的denovo全基因组水平转录调控网络迁移到未完全注释的药用植物基因组中；运用图卷积网络、注意力机制等方法构建深度网络学习架构并对共表达转录调控网络模块进行预测；采用社区发现算法，对差异共表达网络模块进行识别，进而揭示待预测药用植物中的主要成分及其生物合成途径。利用该方法搭建的药用植物转录调控网络可视化数据库平台可查询药用植物转录因子、转录因子调控网络、生物通路。
-
公开(公告)号：CN114550164A
公开(公告)日：2022-05-27
申请号：CN202111622531.0
申请日：2021-12-28
Applicant: 吉林农业大学
IPC: G06V20/68 , G06V10/26 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于农作物病虫害识别技术领域，且公开了一种基于深度学习的番茄叶片病害识别研究方法，包括如下步骤：S1、运用数码相机和手机在番茄田间进行番茄害病图像采集，将采集后的图像分辨率统一缩放为64×64，然后按病害类别对图像进行贴标签，得到具有样本标签的原始番茄叶片病害图像数据集。在本发明构造的基于卷积神经网络的番茄病害识别方法中，不需要对每幅病害叶片图像进行复杂的预处理、病斑分割以及特征提取等操作，更有助于在低性能的终端上实现对番茄病害的实时检测和治疗，相对于应用传统的卷积神经网络进行病害识别的方法，本方法准确率更高、耗时更少、占用空间更低、运行和识别效果更好。
-
Patent Agency Ranking
公开(公告)号：CN113096027A
公开(公告)日：2021-07-09
申请号：CN202110229082.7
申请日：2021-03-02
Applicant: 吉林农业大学
Abstract: 本发明提供一种基于点云的农田土壤层水平校正及去除方法，首先利用深度相机获取农田土壤层的可见光图像及图像对应的深度信息，经过差值计算获得植株的三维点云数据，并将获得的田间植株的三维点云数据分类储存在计算机中；然后利用点云处理工具，将得到的三维点云数据逐步经过随机采样一致性算法进行土壤层拟合、得到拟合后的土壤层水平面，再将拟合后的土壤层水平面的点云通过罗德里格旋转算法进行土壤层水平校正，最后根据预设阈值将土壤层去除。该方法有效避免三维扫描过程中可能存在的无关环境点云给表型参数计算带来的复杂性，提高植物表型计算的准确程度、实现植株表型的精确测量。
-
公开(公告)号：CN107807540A
公开(公告)日：2018-03-16
申请号：CN201710991145.6
申请日：2017-10-16
Applicant: 吉林农业大学
IPC: G05B17/02
CPC classification number: G05B17/02
Abstract: 本发明公开了一种基于图像处理的农业智能平台，包括视频采集模块、视频数据处理模块、种植区空间信息监测模块、环境参数采集模块、三维重构模块、中央处理器、预测分析模块、专家评估模块、物理模型构建模块、虚拟参数作动模块、虚拟传感器和仿真分析模块。本发明实现了对种植区作物品种、作物生长状态、种植环境参数以及作物总体覆盖面的实时监测分析，为后期种植方案的修改和调整提供了参考性的意见，一定程度上提高了作物的产量和品质；同时所有的数据均按预设的算法分类储存在指定的数据库内，在实现各种植区作物种植数据共享的同时，也方面了用于对数据的查询和调用。
-
公开(公告)号：CN103228063A
公开(公告)日：2013-07-31
申请号：CN201310024740.4
申请日：2013-01-23
Applicant: 吉林农业大学
Abstract: 一种设施农业无线传感器网络节点，属于电子监测设备领域。本发明的目的是在温室内农作物生长环境的基础上，结合当今无线传感网络技术的优势和特点，设计了基于ZigBee无线传感网络的设施农业无线传感器网络节点。本发明在抽插杆上端安装有电器盒，电器盒上安装有温湿度传感器和无线接收天线；抽插杆插入上套内，在上套内部的空腔内有偏心套，偏心套的底面为斜面，偏心套的上端套有复位弹簧，在上套的侧壁上安装有按键，按键置于上套的空腔内部的一端为斜面；上套下端通过螺纹安装有连接套，连接套下端的凸台置于下套上端的凹槽内；下套下端固定安装有支杆，支杆底端是探针；在电器盒内有中央处理器、拨码开关、采集模块电路、电源模块、串口通信模块、控制电路模块、反馈电路。本发明对于种植反季节、高附加值的农作物，温室大棚环境监测在整个农作物的生长周期中起着举足轻重的作用。
-
公开(公告)号：CN119693720B
公开(公告)日：2025-05-16
申请号：CN202510193523.0
申请日：2025-02-21
Applicant: 吉林农业大学
IPC: G06V10/764 , G06V10/26 , G06V10/34 , G06V10/56
Abstract: 本申请涉及图像处理技术领域，具体涉及一种人参图像分类检索方法，该方法包括：分别对各等级下的多支人参采集人参图像；获取各人参图像中的表皮像素点和非表皮像素点；基于各人参图像内所有表皮像素点的灰度值，获取各人参图像的表皮颜色表征值；获取伽马变换算法处理各人参图像时的灰度缩放系数；将各人参图像分别分割为各超像素块，获取各超像素块受到拉伸时的影响权重；获取各超像素块的伽马调控比例；获取伽马变换算法处理各超像素块时的伽马因子；利用伽马变换算法对各人参图像进行图像增强，基于图像增强后的人参图像，对待分类人参图像进行分类。本申请旨在提高对人参进行分类的准确性。
-
公开(公告)号：CN117456286A
公开(公告)日：2024-01-26
申请号：CN202311773583.7
申请日：2023-12-22
Applicant: 吉林农业大学
IPC: G06V10/764 , G06N3/0464 , G06N3/048 , G06V10/774 , G06V10/82 , G06V20/68
Abstract: 本发明属于智能化人参分级技术领域，本发明公开了一种人参分级方法、装置及设备，包括：搭建用于进行人参分级的分级网络模型；获取对分级网络模型进行训练的训练样本集；利用训练样本集对分级网络模型进行训练，并基于损失函数对训练完成的分级网络模型进行优化，得到最终的分级网络模型；将待分级人参外观图像输入最终的分级网络模型中，输出人参分级结果；其中，分级网络模型以密集连接网络为骨干网络，并利用坐标注意力机制进行改进。本发明结合大数据和人工智能算法进行数据分析和挖掘，进一步优化人参品级分类算法，提高分类的准确性和效果。这些探索和改进将有助于进一步提高人参品级分类的科学性和准确性，推动该领域的发展与应用。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.023 seconds)
