-
公开(公告)号：CN118010099A
公开(公告)日：2024-05-10
申请号：CN202410158973.1
申请日：2024-02-04
Applicant: 华南农业大学
IPC: G01D21/02
Abstract: 本发明公开了一种大田作物环境评估系统及方法，涉及大田作物环境评估技术领域，评估系统包括车载多功能多路网关，网关包括电源模块、网络通信模块、CPU控制器模块、存储器算法模块、传感器接口模块、传感器模块和RGB摄像头，电源模块分别与网络通信模块、CPU控制器模块和存储器算法模块连接，CPU控制器模块分别与网络通信模块、存储器算法模块和传感器接口模块连接，传感器接口模块和传感器模块通过接线端子连接，RGB摄像头与传感器接口模块连接。本发明解决了现有网关无法实现算法在本地的集成和部署，缺少对作物‑环境进行融合评估和给出相应的农事决策功能的问题。
-
公开(公告)号：CN114627467B
公开(公告)日：2024-05-10
申请号：CN202210163798.6
申请日：2022-02-22
Applicant: 华南农业大学
IPC: G06V20/68 , G06V10/20 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/084
Abstract: 本发明提出一种基于改进神经网络的水稻生育期识别方法及系统，包括获取水稻田间图像，对所述水稻田间图像进行预处理以构建训练集和验证集；建立包括条件卷积模块和CBAM注意力模块的水稻生育期识别神经网络，利用训练集和验证集对水稻生育期识别神经网络进行训练并优化，将待识别的水稻田间图像输入网络中，得到水稻生育期的识别结果。本发明通过建立包括条件卷积模块和CBAM注意力模块的水稻生育期识别神经网络，能够实现针对水稻生育期的不同阶段进行实时识别，有效提高水稻生育期的识别效率与准确率。
-
公开(公告)号：CN117876388A
公开(公告)日：2024-04-12
申请号：CN202311620647.X
申请日：2023-11-29
Applicant: 华南农业大学
Abstract: 本发明涉及农业信息技术领域，公开了一种基于深度学习的稠密叶片作物各叶片点云分割方法，本发明将识别的叶片的彩色图像框通过映射关系从作物点云中提取出各对应的点云块，从各个点云块中提取单个目标叶片点云，解决了背景、噪声和不同叶片点相互干扰的问题，通过点云修补成功地获得各个叶片点云，简化了分割点云的复杂度；设计了小参数的pointNet++语义分割网络结构，达到了优异的分割能力，检测性能高且部署简易，有较好的分割率。
-
公开(公告)号：CN116824448A
公开(公告)日：2023-09-29
申请号：CN202310754818.1
申请日：2023-06-25
Applicant: 华南农业大学
IPC: G06V20/40 , G06V10/46 , G06T7/00 , G06T7/50 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及图像数据采集处理技术领域，公开了一种基于关键点骨架和运动轨迹的猪只跛脚分级方法及系统，包括以下具体步骤：S1、获取猪只活动视频；S2、将猪只活动视频剪辑成样本视频；对样本视频中的每一帧进行目标检测和关键点识别；S3、将识别到的关键点连接成骨架图；组成时空骨架；将目标检测得到的猪目标框中心坐标作为猪的位置，生成该猪的运动轨迹；S4、通过ST‑GCN识别模型提取猪的时空骨架的特征；通过LSTM识别模型捕捉猪的运动轨迹的特征；融合时空骨架的特征和运动轨迹的特征，根据设定的猪的跛脚等级，分类猪只跛脚等级。本发明解决现有技术未能全面考虑猪只行走过程中全身的动态变化的问题，且具有搜索能力强、收敛速度高的特点。
-
公开(公告)号：CN116311502A
公开(公告)日：2023-06-23
申请号：CN202310107491.9
申请日：2023-02-09
Applicant: 华南农业大学
Abstract: 本发明涉及畜牧业信息技术领域，公开了一种基于目标跟踪的猪只行为节律分析方法及系统，包括以下步骤：S1.采集猪栏内所有猪只的视频信息；S2.训练猪只检测模型，根据视频信息，进行猪只检测；S3.通过多目标跟踪算法，结合猪只检测模型检测结果，对猪只进行多目标跟踪，获得猪只位置变化轨迹；S4.根据猪只位置变化轨迹，对猪只进行简单行为以及复杂行为的识别；S5.分析所有种猪个体简单行为和复杂行为一天内的变化规律，进一步分析猪只行为节律分析，判断猪只健康状态信息；本发明解决了现有种猪行为节律分析技术依赖人工判断的问题，提供了一种不依赖人工的基于目标跟踪的猪只行为节律分析方法及系统，其具有安全稳定，准确可靠的特点。
-
Patent Agency Ranking
公开(公告)号：CN116034904B
公开(公告)日：2023-06-13
申请号：CN202310331237.7
申请日：2023-03-31
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于轨道式巡检机器人的猪只健康监测系统及方法，所述方法包括以下步骤：当机器人按照设定时间到达设定巡检位置时，利用数据采集模块通过多线程按照时间顺序进行数据采集，并将采集的原始元数据传输至数据分析存储模块；利用数据分析存储模块将采集的原始元数据进行存储和分析处理，转化为健康向量的形式进行存储，并传输至数据筛选模块；基于健康向量形式数据，利用数据筛选模块进行健康异常行为的筛选，获得异常预警信息；将异常预警信息和相应原始元数据上传至云服务器进行预报，进行人工核对。本发明实现无人24小时自动采集多项数据，能够准确定位并快速运动至目标位置，完成高效准确的数据采集工作。
-
公开(公告)号：CN113662530B
公开(公告)日：2023-02-07
申请号：CN202110753730.9
申请日：2021-07-02
Applicant: 华南农业大学
Abstract: 本发明针对现有技术的局限性，提出了一种猪只生理生长状态监测预警方法，本发明能够通过猪只的深度图像、热红外图像以及RGB图像对猪只的体尺、体重、体温以及行为进行监测，同时还实现了对体温异常以及猪只发情的情况进行预警，能够提升猪只养殖产业在生产管控方面的精细化智能化水平。
-
公开(公告)号：CN115359511A
公开(公告)日：2022-11-18
申请号：CN202210934696.X
申请日：2022-08-04
Applicant: 华南农业大学
IPC: G06V40/10 , G06V20/40 , G06N3/04 , G06N3/08 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明提供一种猪只异常行为检测方法，包括以下步骤：S1：从实时采集的猪只生活视频中逐帧提取图像；S2：采用改进的Yolov5n模型对提取的各帧图像进行目标检测和裁剪，得到每帧图像中各猪只的目标截图；S3：通过双流卷积自编码器提取特征向量；S4：采用K‑means和分类算法对特征向量进行聚类和分类；S5：通过分类器获取当前帧所有目标的分类分数，并将所有分类分数组合形成异常预测图；S6：对异常预测图进行高斯滤波时序平滑，得到的最高分类分数记为当前帧图像的异常分数；S7：判断当前帧图像的异常分数是否为正数；若是，则不存在异常行为，反之，存在。本发明提供的猪只异常行为检测方法解决了目前的异常检测方法不能实现通用的猪只异常行为检测的问题。
-
公开(公告)号：CN114639017A
公开(公告)日：2022-06-17
申请号：CN202210212830.5
申请日：2022-03-04
Applicant: 华南农业大学
IPC: G06V20/10 , G06V10/26 , G06V10/30 , G06V10/34 , G06V10/82 , G06N3/04 , G06N3/08 , G10L21/0208 , G10L25/24
Abstract: 本发明提出一种基于声音和体温的猪只健康监测方法及系统，包括根据猪只的红外图像获取猪只的耳部二值图像，将耳部二值图像的每个像素点映射到所述温度矩阵中，得到猪只的耳部温度；根据猪只的声音数据的语料特征，对猪只声音进行识别；当猪只的耳部温度或猪只声音的识别结果出现异常，则判断猪只处于非健康状态。本发明考虑了猪只患呼吸疾病或出现其它健康异常状况时，不仅会出现咳嗽声，而且体温也会发生变化的特点，通过提取猪只的耳部温度和对猪只的声音进行识别，观察猪只的耳部温度和声音是否存在异常情况，以判断猪只的健康状况，提高了猪只健康监测的准确率。
-
公开(公告)号：CN114627467A
公开(公告)日：2022-06-14
申请号：CN202210163798.6
申请日：2022-02-22
Applicant: 华南农业大学
IPC: G06V20/68 , G06V10/20 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于改进神经网络的水稻生育期识别方法及系统，包括获取水稻田间图像，对所述水稻田间图像进行预处理以构建训练集和验证集；建立包括条件卷积模块和CBAM注意力模块的水稻生育期识别神经网络，利用训练集和验证集对水稻生育期识别神经网络进行训练并优化，将待识别的水稻田间图像输入网络中，得到水稻生育期的识别结果。本发明通过建立包括条件卷积模块和CBAM注意力模块的水稻生育期识别神经网络，能够实现针对水稻生育期的不同阶段进行实时识别，有效提高水稻生育期的识别效率与准确率。
-
-
-
-
-
-
-
-
-
Search Results
127
records
(took 0.026 seconds)
