-
公开(公告)号：CN103617652B
公开(公告)日：2017-02-22
申请号：CN201310545025.5
申请日：2013-11-02
Applicant: 西北农林科技大学
IPC: G06T19/00
Abstract: 本发明涉及一种基于视觉显著性的浅浮雕生成方法，属于计算机图形学技术领域。本发明结合视觉信息与几何操作实现数字浅浮雕的生成，该方法首先提取三维模型表面显著性信息，接着使用非线性压缩方式实现浅浮雕生成，通过将视觉信息融入非线性压缩实现最终的浮雕效果。该发明可采取不同的信息如高度、角度方向等来提取显著性信息，以便更好的保存生成的数字浮雕的细节信息。该发明将显著性信息映射到浅浮雕的生成中，结合提取到的三维模型表面的显著性信息与几何操作，增强细节信息，通过将显著性信息附加到几何操作中，可有效的保持压缩后三维物体的表面细节信息。
-
公开(公告)号：CN103293285A
公开(公告)日：2013-09-11
申请号：CN201310232353.X
申请日：2013-06-01
Applicant: 西北农林科技大学
IPC: G01N33/24
Abstract: 本发明公开了一种在流域或区域尺度上的流域土壤侵蚀测定方法，包括以下步骤：S1、基础数据的归约化，通过野外GPS测量、遥感数据、数字地形图构建侵蚀沟道图和数字高程数据；S2、侵蚀地形的表达，获取水文地貌关系正确的DEM；S3、侵蚀坡长单元的提取，根据获取的部分区域的数字高程数据，计算坡度和坡长，分割单元坡长；S4、侵蚀学中L因子和S因子的提取，根据提取的坡度和坡长计算出L因子和S因子；S5、算法推广及应用，设计相应算法。本发明创造性的将水流分配策略的思想应用到单元坡长的提取与计算中，将单元坡长视为基础计算单元，对坡长按照水流分配策略进行分配，计算坡长、坡度，进而提取L因子和S因子，使得能够方便快捷的应用到较大区域或流域范围进行因子提取，进而测定土壤侵蚀，测量精度大大提高，且易推广使用。
-
公开(公告)号：CN116612409B
公开(公告)日：2025-05-09
申请号：CN202310469187.9
申请日：2023-04-27
Applicant: 西北农林科技大学
Abstract: 本发明提供了一种基于视频时空特征的肉牛行为识别方法，包括：步骤S1，构建肉牛行为数据集；步骤S2，构建肉牛行为识别模型：采用双分支频谱通道时空聚合与激励模型构建肉牛行为识别模型，肉牛行为识别模型包括视频采样模块、特征提取网络和预测模块；步骤S3，肉牛行为识别模型训练；步骤S4，肉牛行为识别。本发明可以从视频帧序列中提取具有显著运动差异的帧，确保充分保留肉牛运动信息；再者通过运动激励模块、运动聚合模块提取视频中长短时空特征，通过频谱通道注意力机制调整特征图不同通道对运动的表征权重，构建空间特征提取分支增强空间特征，模型对肉牛行为视频中的特征信息捕捉更全面，对肉牛行为识别准确性更高。
-
公开(公告)号：CN115150918B
公开(公告)日：2025-04-08
申请号：CN202210626888.4
申请日：2022-06-06
Applicant: 西北农林科技大学
Abstract: 本发明属于无线通信技术领域，公开了一种分簇网络架构下的可靠联邦学习方法、系统、设备及终端，系统根据分簇规则选出簇头用户，并将网络中所有参与联邦学习任务的用户与其最近的可信簇头进行关联，从而完成分簇过程；簇头用户根据接收的簇内用户的本地模型参数聚合生成簇内模型，并协助簇内用户完成本地信誉表的更新；基站根据接收的簇内模型参数聚合生成全局模型，并协助网络中所有用户完成本地模型参数以及信誉表的更新；重复上述过程，直至联邦学习任务完成或者用户设备能量耗尽。本发明克服了无线联邦学习在典型的客户‑服务器架构下扩展性有限和能耗过大的不足，保证无线联邦学习的安全性，延长整个网络的生命周期。
-
公开(公告)号：CN114996474B
公开(公告)日：2025-02-07
申请号：CN202210624917.3
申请日：2022-06-02
Applicant: 西北农林科技大学
IPC: G06F16/36 , G06F16/951 , G06F16/901 , G06F18/25 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06Q50/02
Abstract: 本发明提供了一种葡萄种植知识图谱数据库的构建方法，包括：步骤S1，设计知识图谱数据库顶级概念与概念之间的关系，得到本体层；步骤S2，构建葡萄文本数据集，以BIO标注法标注7类实体，并提取字符部首，获得标注的数据集；步骤S3，将标注的数据集按照8:1:1划分为训练集、验证集和测试集；步骤S4，将所述的训练集输入到多特征融合高效知识抽取网络中进行训练，获得训练后的网络模型；步骤S5，将多源异构的葡萄文本进行预处理后输入训练后的网络模型中，得到格式化文本；步骤S6，在本体层的指导和约束下，将格式化文本组装成三元组，即实体层；步骤S7，将所述的三元组使用Neo4j图数据库进行持久化保存。本发明成本低，知识完整度高且更新维护便利。
-
Patent Agency Ranking
公开(公告)号：CN118968411A
公开(公告)日：2024-11-15
申请号：CN202411029906.6
申请日：2024-07-30
Applicant: 西北农林科技大学
IPC: G06V20/52 , G06V10/40 , G06V10/764 , G06V10/774 , G06V20/40 , G06V10/80 , G06V10/82
Abstract: 本发明提供了一种基于高低频特征高效选择融合的肉牛目标检测方法，包括：步骤S1，构建肉牛目标检测数据集；步骤S2，构建肉牛目标检测模型：步骤S201，构建特征提取网络MPCPKI‑ResNet；步骤S202，构建混合编码器；步骤S203，构建IoU感知查询选择机制；步骤S204，构建带有辅助预测头的解码器；步骤S3，训练肉牛目标检测模型；步骤S4，肉牛目标检测。本发明能够在不同场景和复杂环境下高效、准确地检测肉牛，显著提升了实时肉牛目标检测的性能。本发明专门为实时肉牛目标检测设计。本发明的方法通过多路径协同门控机制的高效P4特征层选择模块，有效整合浅层网络提取的各种低级特征，提高了特征融合的效率，增强了模型对图像细节信息的捕捉能力。
-
公开(公告)号：CN118334511A
公开(公告)日：2024-07-12
申请号：CN202410350143.9
申请日：2024-03-26
Applicant: 西北农林科技大学 , 西安农链互联网科技有限公司
IPC: G06V20/10 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于叶片的葡萄早期品种识别方法，包括：步骤一，葡萄叶片拍摄；步骤二，构建数据集；步骤三，引入分割模型实现背景剔除；步骤四，构建葡萄叶片细粒度分类模型：步骤S401，采用ResNet50模型；步骤S402，构建ResNet50se模型；步骤S403，构建ResSTM模型；步骤S404，构建多尺度特征融合结构的分类模型：步骤五，葡萄早期品种识别。本发明解决了目前葡萄早期品种识别存在的人工识别专业性要求高、背景复杂、类间识别精度低等问题。通过构建统计纹理模块，构建融合统计纹理信息，丰富提取特征信息。引入注意力机制，提升对重要特征信息的关注度。并且设计了金字塔多尺度融合模块，使模型可以在不同尺度下对不同大小的目标进行预测，增强模型分类精度和鲁棒性。
-
公开(公告)号：CN117610639A
公开(公告)日：2024-02-27
申请号：CN202311143860.6
申请日：2023-09-06
Applicant: 西北农林科技大学
Abstract: 本发明属于无线通信技术领域，公开了一种用于无人机轨迹优化的安全强化学习方法及系统，设计并明确网络场景、无人机的信道模型和能耗模型；构建优化目标，明确最小化平均信息年龄以及限制条件；根据场景及约束条件将问题转化为约束马尔科夫决策问题，进行状态空间、动作空间建模，并针对优化目标设计奖励函数；基于STD3算法构建无人机轨迹优化算法，对模型训练，并将训练好的模型在与不同用户参数下与基准算法对比进行性能验证。本发明能够有效地解决无人机飞行轨迹规划问题，提高数据收集的质量和速度，降低运行成本和风险。能够适应复杂和动态变化的环境，实现无人机的自主飞行和智能决策，提高无人机的安全性和可靠性。
-
公开(公告)号：CN116612409A
公开(公告)日：2023-08-18
申请号：CN202310469187.9
申请日：2023-04-27
Applicant: 西北农林科技大学
Abstract: 本发明提供了一种基于视频时空特征的肉牛行为识别方法，包括：步骤S1，构建肉牛行为数据集；步骤S2，构建肉牛行为识别模型：采用双分支频谱通道时空聚合与激励模型构建肉牛行为识别模型，肉牛行为识别模型包括视频采样模块、特征提取网络和预测模块；步骤S3，肉牛行为识别模型训练；步骤S4，肉牛行为识别。本发明可以从视频帧序列中提取具有显著运动差异的帧，确保充分保留肉牛运动信息；再者通过运动激励模块、运动聚合模块提取视频中长短时空特征，通过频谱通道注意力机制调整特征图不同通道对运动的表征权重，构建空间特征提取分支增强空间特征，模型对肉牛行为视频中的特征信息捕捉更全面，对肉牛行为识别准确性更高。
-
公开(公告)号：CN115410277A
公开(公告)日：2022-11-29
申请号：CN202211057261.8
申请日：2022-08-31
Applicant: 西北农林科技大学
IPC: G06V40/20 , G06V20/40 , G06V10/40 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于双注意力机制的牛只行为识别方法，包括：采集牛只的视频数据，在轻量级网络模型MobileNetV3的网络层并列设置注意力机制模块SE和CBAM，其中在注意力机制模块SE中增加全连接层，将注意力机制模块SE和CBAM的激活函数分别更改为softsign和hardsigmoid，采用联合损失函数优化轻量级网络模型MobileNetV3，构建改进的轻量级网络模型，在网络模型中输入牛只的视频数据，识别牛只多种行为，采用余弦距离和欧式距离的组合算法区分牛只多种行为中的站立或行走行为。该方法可以准确预测牛只行为，对于促进畜牧养殖业产业升级、普及畜牧养殖业数字化管理有着重要作用。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.044 seconds)
