-
公开(公告)号：CN109285145A
公开(公告)日：2019-01-29
申请号：CN201810911634.0
申请日：2018-08-12
Applicant: 浙江农林大学
Abstract: 本发明提供一种基于智能手机的多株立木高度测量方法，立木高度测量时主要是利用智能终端的移动设备的图像采集功能和设备内置重力传感器的角度测量功能，将手机相机拍摄棋盘标定板进行标定和相机参数获取，利用非线性畸变模型对采集立木图片进行非线性畸变校正；利用图像分割处理，通过灰度化和二值化处理，识别标定物特征点；利用标定物特征点在图像中的像素位置，建立设标立木平面坐标系和设标立木高度计算模型，获取设标立木高度；分析图像中立木图像像素、物体成像角度和相机旋转角度，建立立木深度信息提取模型，获取待测立木深度信息；建立多株立木高度测量模型，将待测多株立木垂直最值点代入，进行多株立木高度测量。
-
公开(公告)号：CN119784934A
公开(公告)日：2025-04-08
申请号：CN202411787050.9
申请日：2024-12-06
Applicant: 浙江农林大学
Abstract: 本发明公开了一种苗木三维重建方法及应用，包括以下步骤，搭建图像采集装置；采用SAM算法对所述多视图图像序列进行精确分割，有效去除多视图序列中背景的干扰；再使用SFM算法获取相机参数，并将所述SFM算法生成的稀疏点云和估计的相机位姿结合作为输入，初始化高斯分布；利用3D高斯分布作为场景表示，通过3DGS算法实现对苗木场景的高保真重建后生成苗木三维模型。本发明的有益效果：应用SAM分割后的数据进行重建，重建时间缩短了40.79％，PSNR和SSIM均值分别提高了37.93％和8.25％，LPIPS的均值降低了93.06％；在相同的迭代次数下，相比NeRF模型，3DGS模型的PSNR和SSIM均值分别提升了70.49％和48.64％，LPIPS均值降低了93.55％；3DGS生成的苗木三维模型点云分布均匀、结构完整。
-
公开(公告)号：CN119762527A
公开(公告)日：2025-04-04
申请号：CN202411649874.X
申请日：2024-11-19
Applicant: 浙江农林大学
IPC: G06T7/246 , G06T7/277 , G06V10/75 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种生猪多目标跟踪方法及应用，包括以下步骤，构建采用定向边界框标注的多样化数据集；利用YOLOv8n模型进行生猪目标检测；对输入的视频序列进行置信度分类；利用改进的无迹卡尔曼滤波器输出预测目标轨迹并与所述高置信度的目标进行一次关联匹配；对于未匹配成功的轨迹与所述低置信度的目标进行二次关联匹配，同时两次中均未成功匹配的检测目标和与之前记录中被视为遗失的轨迹利用补充匹配策略进行重新关联；所述补充匹配策略中匹配成功后形成新的轨迹。本发明的有益效果：在白天重度密集、白天极度密集、夜间重度密集和夜间极度密集四种复杂场景下，高阶跟踪精度分别为96.10％、83.10％、76.50％和84.00％，I DF1得分分别为95.7％、78.2％、70.1％和77.6％。
-
公开(公告)号：CN119693996A
公开(公告)日：2025-03-25
申请号：CN202411374698.3
申请日：2024-09-29
Applicant: 浙江农林大学
IPC: G06V40/20 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06V10/80
Abstract: 本发明公开了一种基于特征点检测的生猪行为识别方法，包括以下步骤，构建生猪特征点检测数据集和生猪行为识别数据集；建立生猪特征点检测模型YOLO‑ASF‑P2；结合所述特征点时序信息构建生猪行为识别模型CNN‑B i‑GRU；所述生猪行为识别模型CNN‑Bi‑GRU高效识别生猪的坐、站和躺三种行为。本发明的有益效果：一是生猪特征点检测模型YOLO‑ASF‑P2的检测精度为92.5％、召回率为90％、平均精度(AP50‑95)为68.2％、浮点运算次数为39.2GFLOPs、模型参数量为18.4M；二是生猪行为识别模型CNN‑Bi‑GRU针对生猪的坐、站、躺三种行为的平均识别精度为96％，提出的生猪特征点检测模型精度较高、轻量化，能够有效应对生猪姿态多变对特征点准确检测的挑战。
-
公开(公告)号：CN114419675B
公开(公告)日：2024-08-23
申请号：CN202210081496.4
申请日：2022-01-24
Applicant: 浙江农林大学
IPC: G06V40/10 , G06V10/26 , G06V10/764 , G06V10/82 , G06V10/766 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种利用深度图像和CNN‑SVM的群猪多姿态识别与评分方法，包括以下步骤，采集初始数据集；定义和描述生猪的各姿态；对所述初始数据集进行深度图像处理，获取各姿态下目标猪只的肩臀部深度距离、肩臀部深度距离比值、凸包的面积与边界的比值和凸包的周长与边界的比值作为输入数据；构建CNN‑SVM检测器，将所述输入数据作为检测器的训练数据；待识别目标群猪的图像数据由CNN模型的第一个全连接层获取特征向量，把其送入SVM分类进行数据分类完成姿态识别。本发明的有益效果：本文模型与传统SVM、CNN识别姿态的差异，在相同的训练数据和测试数据下，姿态识别的准确率分别为94.6368％、92.2175％和90.5396％，很明显在识别准确率上有了一个较大提升。
-
Patent Agency Ranking
公开(公告)号：CN116753932A
公开(公告)日：2023-09-15
申请号：CN202310725996.1
申请日：2023-06-19
Applicant: 浙江农林大学
IPC: G01C19/5776
Abstract: 本发明公开了一种MEMS传感器累积误差修正方法，包括以下步骤：S1、利用降噪算法进行MEMS传感器观测值预处理；S2、利用MEMS传感器计算航向；S3、优化经MEMS传感器得到的航向；S4、利用iBeacon信号计算航向；S5、融合iBeacon信号计算的航向与优化后的MEMS传感器计算的航向修正航向误差。本发明采用上述MEMS传感器累积误差修正方法，实验证明增加iBeacon定位修正和航向修正后，整体定位精度提升至3米以内，有效的修正了MEMS传感器算法的累积误差，增强了导航定位系统的稳定性和可持续性。
-
公开(公告)号：CN113780166A
公开(公告)日：2021-12-10
申请号：CN202111058392.3
申请日：2021-09-09
Applicant: 浙江农林大学
Abstract: 本发明公开了一种基于编解码网络的生猪骨架提取方法及评价方法，包括以下步骤，基于ResNet50残差网络和U‑Net语义分割网络的相结合搭建编解码网络结构，并同时引入注意力机制的门控模块增强特征提取结果，生成包含位置信息的关键点热力图H；生成所述关键点热力图H的同时预测关键点偏移量，并利用霍夫投票机制将关键点偏移特征矩阵和输出的所述关键点热力图H聚合，得到精确定位的关键点位置后重新映射到原图，把关键点相连后提取出生猪骨架。本发明的有益效果：能够在光照条件不稳定、生猪运动剧烈的情况下实时的提取出生猪骨架，对于输入分辨率大小为1280x720的视频，平均均方根误差为23.43像素，骨架提取准确率为85.27％。
-
公开(公告)号：CN109285145B
公开(公告)日：2021-07-02
申请号：CN201810911634.0
申请日：2018-08-12
Applicant: 浙江农林大学
Abstract: 本发明提供一种基于智能手机的多株立木高度测量方法，立木高度测量时主要是利用智能终端的移动设备的图像采集功能和设备内置重力传感器的角度测量功能，将手机相机拍摄棋盘标定板进行标定和相机参数获取，利用非线性畸变模型对采集立木图片进行非线性畸变校正；利用图像分割处理，通过灰度化和二值化处理，识别标定物特征点；利用标定物特征点在图像中的像素位置，建立设标立木平面坐标系和设标立木高度计算模型，获取设标立木高度；分析图像中立木图像像素、物体成像角度和相机旋转角度，建立立木深度信息提取模型，获取待测立木深度信息；建立多株立木高度测量模型，将待测多株立木垂直最值点代入，进行多株立木高度测量。
-
公开(公告)号：CN109035320A
公开(公告)日：2018-12-18
申请号：CN201810913286.0
申请日：2018-08-12
Applicant: 浙江农林大学
Abstract: 本发明公开了一种基于单目视觉的深度提取方法，步骤一：对手机相机进行标定，获取相机内部参数和图像分辨率；步骤二：建立深度提取模型，步骤三：通过对待测目标物的图像采集，获取目标点像素值u、v；步骤四：利用上述步骤获取的相机内部参数和目标点像素值并结合相机深度提取模型，计算出图像上待测目标物深度值。本发明的基于单目视觉的深度提取方法，能够适用于视场角、焦距、图像分辨率等参数不同的相机，提高测距精度，为机器视觉中目标物测量及真实场景三维重建提供支持。
-
公开(公告)号：CN119941802A
公开(公告)日：2025-05-06
申请号：CN202510009940.5
申请日：2025-01-03
Applicant: 浙江农林大学
Abstract: 本发明提供了一种基于双光融合的高密度集群饲养生猪体温监测方法及系统，属于畜牧业人工饲养领域。所述方法首先采集高密度集群饲养生猪的热红外图像和可见光图像，调整双光图像中的热红外图像的分辨率，得到扩展热红外图像，使热红外图像的温度矩阵数据与可见光图像具有相匹配的分辨率，再通过黑体炉图像数据对扩展热红外图像进行温度校准，将校准热红外图像和可见光图像进行图像配准，对配准图像进行实例分割，对配准可见光图像中的生猪头部进行标注，标注的范围均包含生猪耳根前后区域；再通过匹配配准热红外图像对应区域的温度，提取群养生猪的体温。本发明实现了高效并持续监测群猪体温，并为生猪发热性疾病爆发提供早期预警。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.028 seconds)
