公开(公告)号：CN118115846A

公开(公告)日：2024-05-31

申请号：CN202410189131.2

申请日：2024-02-20

Applicant: 扬州大学

Inventor： 谭昌伟 ,  洪青青 ,  刘伟

IPC: G06V10/80 ,  G06V10/82 ,  G06V10/52 ,  G06V10/44 ,  G06N3/0455 ,  G06N3/0464 ,  G06V20/10

Abstract: 本发明公开了一种基于局部‑全局特征融合的田间麦穗计数方法。该方法首先收集麦穗RGB图像数据，统一大小，并使用点标注对麦穗数据集预处理建立标签，构建训练数据集；然后将训练数据集输入到模型中训练，学习小麦图像的麦穗特征并进行计数。计数模型使用CSPDarknet53提取图像的局部特征，并在特征提取过程中添加具有自注意力机制的Pyramid Pooling Transformer提取全局上下文信息，通过融合局部特征和全局上下文信息，提高麦穗计数的准确率，能够有效的适用于实际的田间麦穗计数。

公开(公告)号：CN117975004A

公开(公告)日：2024-05-03

申请号：CN202410104596.3

申请日：2024-01-25

Applicant: 扬州大学

Inventor： 谭昌伟 ,  洪青青 ,  朱月

IPC: G06V10/26 ,  G06V20/10 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明提供了一种基于编码器‑解码器架构结合带状池化模块和ASPP模块的田埂分割方法，属于图像分割与农业领域。本技术方案的主要特点包括：采集农田田埂影像，并利用标注工具制作田埂数据集；将田埂数据集传入分割模型中训练；训练完毕可以直接对农田影像进行田埂分割，输出为模型预测的田埂及背景信息。所述模型整体上采用编码器‑解码器架构，通过编码器下采样逐层提取特征，将编码器最深层特征图传入空洞卷积ASPP模块中，捕获不同感受野信息，在解码器中使用带状池化模块加强特征提取，并逐层上采样恢复分割结果至原分辨率大小，最终实现基于编码器‑解码器架构的对农田田埂的分割方法。

公开(公告)号：CN114972208B

公开(公告)日：2024-04-09

申请号：CN202210481291.5

申请日：2022-05-05

Applicant: 扬州大学

Inventor： 洪青青 ,  蒋玲 ,  张正华 ,  李斌

IPC: G06T7/00 ,  G06V10/82 ,  G06V10/774 ,  G06V10/776 ,  G06V10/764 ,  G06V10/766 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于YOLOv4的轻量化小麦赤霉病检测方法，属于图像识别与植物保护领域。该技术方案的主要要点包括：采集小麦病害图像，统一大小为750*750像素，并利用标注工具进行标注；然后输入到本发明设计的基于YOLOv4的轻量化架构进行训练，训练完毕后可以根据输入的小麦病害图像进行检测。所述目标检测模型通过对YOLOv4算法中的CSPDarknet53主干特征提取网络替换为Mobilenet网络，并在特征加强提取网络中加入注意力机制，更加专注于图像中的小麦病害，提高检测的准确率。本发明中小麦赤霉病检测的参数量得到大大简化，能够满足移动端和实时性的要求，拥有更快的检测速度。

公开(公告)号：CN112379878B

公开(公告)日：2024-03-26

申请号：CN202011131833.3

申请日：2020-10-21

Applicant: 扬州大学

Inventor： 孙小兵 ,  徐勇 ,  李斌 ,  洪青青 ,  薄莉莉

IPC: G06F8/38 ,  G06F8/33 ,  G06F16/958

Abstract: 本发明公开了一种基于多标签学习的UI元素的Web代码生成方法，包括：获取UI元素图片及其代码的数据集；对每一个UI元素图片进行预处理，获得处理后的图片；对预处理后的图片进行特征提取，获得特征向量v；基于向量v，训练一个HTML标签分类器、HTML属性的分类器，n'个对应离散CSS属性值的分类器和m'个连续CSS属性值回归器，之后利用各分类器、回归器预测新的UI元素图片，对预测后的结果进行代码组装，获得该图片对应的代码。本发明方法能够获得UI元素图片到Web代码的生成模型M，对M输入待处理的UI元素图片，便能生成相应的Web代码，普适性和通用性更强，可以取代实际开发中的部分环节，使实际使用成本更低、应用领域更广。

公开(公告)号：CN114972208A

公开(公告)日：2022-08-30

申请号：CN202210481291.5

申请日：2022-05-05

Applicant: 扬州大学

Inventor： 洪青青 ,  蒋玲 ,  张正华 ,  李斌

IPC: G06T7/00 ,  G06V10/82 ,  G06V10/774 ,  G06V10/776 ,  G06V10/764 ,  G06V10/766 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于YOLOv4的轻量化小麦赤霉病检测方法，属于图像识别与植物保护领域。该技术方案的主要要点包括：采集小麦病害图像，统一大小为750*750像素，并利用标注工具进行标注；然后输入到本发明设计的基于YOLOv4的轻量化架构进行训练，训练完毕后可以根据输入的小麦病害图像进行检测。所述目标检测模型通过对YOLOv4算法中的CSPDarknet53主干特征提取网络替换为Mobilenet网络，并在特征加强提取网络中加入注意力机制，更加专注于图像中的小麦病害，提高检测的准确率。本发明中小麦赤霉病检测的参数量得到大大简化，能够满足移动端和实时性的要求，拥有更快的检测速度。