-
公开(公告)号：CN118473511A
公开(公告)日：2024-08-09
申请号：CN202410939851.6
申请日：2024-07-15
Applicant: 长春理工大学 , 长春理工大学重庆研究院
IPC: H04B7/185 , G06N3/126 , G06F18/23213 , H04B7/0426
Abstract: 本发明公开一种无人机辅助的智能农机数据传输性能优化方法，包括：根据传输距离、波束增益、传输频率等参数推导参与波束成形的最佳无人机组网数，为实际场景下的部署提供理论基础和支撑、建立公式化的多目标函数来同时降低最大旁瓣电平、移动能耗和提高传输速率、构建多目标遗传天牛群混合算法，所述多目标遗传天牛群混合算法，将NSGA‑II算法的非支配排序、拥挤距离测算和BSO算法的协同搜索机制融合，结合佳点集和K‑Means聚类来初始化种群，且算法在搜索过程中实施劣解更新策略，引导种群加速向Pareto前沿移动，本发明增强了无人机中继网络的传输性能，提升了用户与智能农机的实时交互性，促进农机迈向新的智能化。
-
公开(公告)号：CN118172690A
公开(公告)日：2024-06-11
申请号：CN202410566242.0
申请日：2024-05-09
Applicant: 长春理工大学 , 长春理工大学重庆研究院
Abstract: 本发明公开一种基于改进YOLOv7模型的玉米叶片病虫害检测方法，包括通过无人机对玉米农田进行图像采集、对图像进行标注，并进行数据增强以扩充图像数量，将扩充的图像按照4:1的比例划分为训练集和验证集、对YOLOv7进行改进得到改进后的YOLOv7目标检测模型，对改进后的YOLOv7目标检测模型进行训练，并评估训练后的YOLOv7目标检测模型，得到最佳的YOLOv7目标检测模型，使用得到的最佳的YOLOv7目标检测模型，对玉米叶片图像进行病虫害检测，本发明基于改进YOLOv7模型的玉米叶片病虫害检测方法，在满足高效性、实时性的前提下，适用于相似性较高的小目标识别，为农业生产中玉米病虫害防控提供科学依据和技术支持。
-
公开(公告)号：CN117392157A
公开(公告)日：2024-01-12
申请号：CN202311704265.5
申请日：2023-12-13
Applicant: 长春理工大学 , 长春理工大学重庆研究院
Abstract: 本发明公开一种边缘感知的保护性耕作秸秆覆盖率检测方法，包括通过无人机对田间图像进行采集，并将采集的数据传输到服务器上、将图像输入到处理模型中，对其进行预处理、将处理后的图像传到具有边缘感知的分割模型中，将图像的秸秆部分和其余部分分离，根据分割后的结果，统计秸秆部分像素大小和整个图像的关系得到秸秆覆盖率，并将得到的结果输出，该种边缘感知的保护性耕作秸秆覆盖率检测方法，通过边缘感知的分割技术得到田间秸秆覆盖率以评估秸秆还田的效果，全过程通过深度学习的方法极大了节省人力，且在速度和准确率上都得到很大的提高。
-
公开(公告)号：CN116702053B
公开(公告)日：2023-09-29
申请号：CN202310996454.8
申请日：2023-08-09
Applicant: 长春理工大学 , 长春理工大学重庆研究院
IPC: G06F18/2411 , G06N3/006 , G06F18/2131 , G01M99/00
Abstract: 本发明属于农机技术领域，尤其为一种基于多元信息与MCSA‑SVM的农机故障检测方法，包括所述故障检测方法包括由安装在农机目标检测点上检测相关数据的振动传感器、倾角传感器、霍尔传感器构成的感知层，用来信息传递的网络层，由服务器构成的用来存储数据与故障分析的应用层和显示模块。本发明通过在农机上安装不同类型的传感器，利用了更加多元的农机工作数据，减小了农机故障检测对单一传感器的依赖，防止了由于部分传感器误差而导致的农机故障的误判。另外，本发明过在不同检测点安装振动信号传感器，使得农机故障的类别检测更加细致，可以为农机维修提供参考，快速了解农机出现故障的具体原因。
-
公开(公告)号：CN113539368B
公开(公告)日：2023-02-03
申请号：CN202111001852.9
申请日：2021-08-30
Applicant: 长春理工大学 , 长春理工大学高技术产业有限责任公司
IPC: G16B30/00 , G06V10/764 , G06F16/906 , G06F16/901
Abstract: 本发明涉及一种荧光图像信号数据存储与颜色分类方法，属于微滴式数字PCR技术领域，该方法具体包括以下步骤：获取荧光图像，提取所述荧光图像中的荧光信号，并将提取到的荧光信号数据保存在data_table文件中；data_table文件采用自定义NodePoint类型的单向链表对荧光信号数据进行存储，并利用单向链表中的数据标记位完成数据颜色分类。本发明采用自定义NodePoint类型的单向链表，其包括X、Y、Temp三个数据成员，Temp为标识位的数据结构，通过自定义数据结构的方法对数据进行存储，通过数据标识位的方式完成颜色的分类，提高了数据存储及颜色分类的灵活性。
-
Patent Agency Ranking
公开(公告)号：CN114049330A
公开(公告)日：2022-02-15
申请号：CN202111357442.8
申请日：2021-11-16
Applicant: 长春理工大学 , 长春理工大学高技术产业有限责任公司
Abstract: 本发明涉及一种荧光原位杂交图像中荧光特征融合方法及系统。该方法包括获取不同滤光片下的荧光原位杂交图像；对不同滤光片下的荧光原位杂交图像进行存储，并读取到Type类型的Data_list链表中；对图像类型标识为白光滤光片下的荧光原位杂交图像进行细胞位置定位；并将定位后的图像作为细胞模板；利用所述细胞模板与图像类型标识为绿光滤光片、蓝光滤光片以及红光滤光片下的荧光原位杂交图像进行匹配，完成目标图像中细胞的自适应形状标记；对标记后的绿光滤光片、蓝光滤光片以及红光滤光片下的荧光原位杂交图像分别进行荧光特征提取与融合。本发明能够提高检测的准确度以及提升复杂染色体异的判断精准性。
-
公开(公告)号：CN113273353A
公开(公告)日：2021-08-20
申请号：CN202110665996.8
申请日：2021-06-16
Applicant: 长春理工大学 , 长春理工大学高技术产业有限责任公司
Abstract: 本发明涉及一种播种监视器及监视方法，包括：单片机模块、显示模块和至少一个落籽传感器，所述落籽传感器用于对免耕机排种盘的落籽信息进行监测；所述单片机模块根据所述落籽信息确定播种信息；所述播种信息包括：落籽完成信息、株距信息、行距信息、落籽量信息和落籽面积信息；所述显示模块用于将所述落籽完成信息、株距信息、行距信息、落籽量信息和落籽面积信息进行同时显示。本发明通过将播种信息从一个显示模块中同时显示，避免了按键切换屏幕的操作，降低传统播种监测装置操作的繁琐与复杂程度，提高了播种监视的效率。
-
公开(公告)号：CN119169854A
公开(公告)日：2024-12-20
申请号：CN202411624150.X
申请日：2024-11-14
Applicant: 长春理工大学 , 长春理工大学重庆研究院
Abstract: 本发明公开了公交资源调度技术领域的基于空域图卷积和近端策略优化的公交资源动态调度方法，具体步骤如下：采用权重图和AggreGatE对道路网络结构进行建模，通过带权GraphSAGE模型进行采样和聚合操作，实现车辆和站点的节点之间的关联性和边特征捕捉、通过强化学习近端策略优化算法，利用其多输出策略网络架构和奖励机制的目标函数与环境进行交互，实现动态、多线路的发车间隔调整和乘客出行路线规划以及利用迪杰斯特拉算法来计算公交车从当前位置到乘客起始站点的初始路径等，本发明中充分挖掘交通运行过程中车辆位置、交通状况、乘客数量等信息的依赖关系和特征，适应交通状况的变化，生成更加动态和灵活的调度决策。
-
公开(公告)号：CN118229720A
公开(公告)日：2024-06-21
申请号：CN202410651900.6
申请日：2024-05-24
Applicant: 长春理工大学 , 长春理工大学重庆研究院
Abstract: 本发明公开一种适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法，包括利用无人机采集田间秸秆图像，并将采集的田间秸秆图像数据输入至服务器上、服务器将获取的田间秸秆图像数据传输到图像预处理模型中，对田间秸秆图像数据进行预处理、将预处理后的图像输入至基于演化计算的多阈值图像分割模型中，分割和提取图像的秸秆部分和其他部分，以及根据分割后的结果，统计各部分的像素点数，将秸秆部分的像素点数与整个图像的像素点数作比得到秸秆覆盖率，然后输出秸秆覆盖率结果，本发明实现了精确的图像分割，提高了图像分割效率和准确性。
-
公开(公告)号：CN117370877B
公开(公告)日：2024-04-26
申请号：CN202311661136.2
申请日：2023-12-06
Applicant: 长春理工大学 , 长春理工大学重庆研究院
IPC: G06F18/2411 , G06N3/006 , G06F18/2131 , G01M99/00
Abstract: 本发明公开一种基于多元传感器与IPSO‑GPR的农机故障预测方法，包括通过传感器和采集卡完成对农机各部件在正常运行状态下和非正常工作状态下的数据信号采集，由服务器存储数据信息，提取振动、温度、倾角和压力信号数据特征并记录故障信号标签类别，将信号数据输入IPSO‑GPR模型中进行预测，将信号数据输入IPSO‑SVM模型中进行故障分类并根据输出的最大故障概率值作为对农机故障诊断的预测结果，该种基于多元传感器与IPSO‑GPR的农机故障预测方法，通过传感器收集的信号数据预测未来农机可能发生的故障，为农机维修提供参考，提高农机维护的效率，也能快速了解农机故障的具体原因，有助于提高农机故障诊断的准确性和实时性。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.026 seconds)
