-
公开(公告)号：CN105354829A
公开(公告)日：2016-02-24
申请号：CN201510644169.5
申请日：2015-10-08
Applicant: 西北农林科技大学
IPC: G06T7/00
CPC classification number: G06T2200/04 , G06T2207/20156
Abstract: 本发明公开了一种自适应的点云数据分割方法，克服了区域增长法随机选择种子点的局限，通过计算得到每个数据点的局部距离和近距离，对数据点进行排序，得到排序后的种子点集合，在区域增长过程中，可以有效进行种子点的选取，避免了过多的参数调整操作，为点云分割提供便利，提高了处理速度；通过对比实验发现，本发明中的方法具有较好的点云分割效果。
-
-
公开(公告)号：CN104794747A
公开(公告)日：2015-07-22
申请号：CN201410360056.8
申请日：2014-07-24
Applicant: 西北农林科技大学
IPC: G06T17/00
Abstract: 本发明涉及一种基于射线原理的三维点云数据精简算法，本发明首先假设由三维点云模型的中心位置点向各个方向均匀产生射线，使得射线充满整个三维空间，对于该空间中的点云模型，若模型中某点与其最近射线的距离小于一个给定的阈值，该点则被视为需要被精简的点，容易得知：射线越密集、阈值越大，三维点云模型中的数据点就越容易被精简，因此可以通过控制射线的数量及其他阈值，以达到不同程度的精简效果。本发明提出了一种不基于曲率计算的三维点云数据精简算法，在一定的精简程度范围内，该算法具有良好的精简效果及效率。
-
公开(公告)号：CN104361625A
公开(公告)日：2015-02-18
申请号：CN201410360076.5
申请日：2014-07-24
Applicant: 西北农林科技大学
IPC: G06T17/00
CPC classification number: G06T17/00 , G06T2210/56
Abstract: 本发明涉及一种基于射线原理的带边界保留的云数据精简算法，本发明首先假设由三维点云模型的中心位置点向各个方向均匀产生射线，使得射线充满整个三维空间，对于该空间中的点云模型，若模型中某点与其最近射线的距离小于一个给定的阈值，该点则被视为需要被精简的点，容易得知：射线越密集、阈值越大，三维点云模型中的数据点就越容易被精简，因此可以通过控制射线的数量及其他阈值，以达到不同程度的精简效果。为了有效的保持模型的完整性，本发明提出一种边界保留方法。本发明提出的一种不基于曲率计算的三维点云数据精简算法，在一定的精简程度范围内，该算法具有良好的精简效果及效率且能很好的保持模型的边界特征。
-
公开(公告)号：CN118823639A
公开(公告)日：2024-10-22
申请号：CN202410868529.9
申请日：2024-07-01
Applicant: 西北农林科技大学
Abstract: 本发明涉及智慧牧业技术领域，具体涉及一种多尺度轻量化的奶山羊行为实时检测模型。基于改进的YOLOv8网络结构建立山羊行为检测模型；获取山羊实时监测视频并提取检测视频中的帧图像；将帧图像输入山羊行为检测模型中获取检测结果；改进的YOLOv8网络结构包括：主干网络、颈部网络和头部网络；其中，颈部网络包括特征金字塔网络和路径聚合网络；将特征金字塔网络中的最近邻插值上采样算子替换为CARAFE上采样算子；在路径聚合网络中加入高斯上下文变换器进行特征映射。本发明提出的改进模型中通过加入轻量级的通用上采样算子和高斯上下文变换器，能够有效实现模型的轻量化和速度提升，同时避免了复杂背景对山羊行为识别的影响。
-
Patent Agency Ranking
公开(公告)号：CN118097418A
公开(公告)日：2024-05-28
申请号：CN202410273168.3
申请日：2024-03-11
Applicant: 西北农林科技大学
IPC: G06V20/10 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种叶片病害检测模型的构建方法、系统、设备与介质，涉及计算机图像学技术领域，包括步骤：采集叶片病害的图像数据；对基于YO LOX‑Nano网络模型进行轻量化处理，获得轻量型叶片病害检测模型，并利用图像数据对轻量型叶片病害检测模型进行训练；对训练后的轻量型叶片病害检测模型使用非对称混洗块、注意力机制、蓝图可分离卷积和CIoU损失函数进行处理，获得优化后的叶片病害检测模型；使用PyTorch深度学习框架对优化后的叶片病害检测模型进行深度学习，最终生成最佳的叶片病害检测模型。本发明对于果蔬叶片病害能够高效进行智能识别，从而节省了农业从业人员的时间成本与劳工成本，并为其他类似植物的病害识别也提供了研究思路。
-
公开(公告)号：CN117670974A
公开(公告)日：2024-03-08
申请号：CN202311645635.2
申请日：2023-12-04
Applicant: 西北农林科技大学
IPC: G06T7/60
Abstract: 本申请的实施例涉及牲畜体型测定技术领域，公开了一种牲畜体尺测定方法、装置、电子设备和存储介质。上述牲畜体尺测定方法包括：采集牲畜的不同方向的目标图像；对于每个方向的所述目标图像，从中提取所述牲畜的初始体尺数据；对所述目标图像进行处理得到掩码图像，并将所述掩码图像中与所述初始体尺数据匹配度最高的体尺数据作为二维体尺数据；将所述二维体尺数据在所述掩码图像上的深度值映射至三维空间中得到三维体尺数据；根据每个方向对应的所述三维体尺数据之间的欧氏距离，获取所述牲畜的目标体尺数据。本申请的实施例提供的牲畜体尺测定方法，可以提升牲畜体尺测量的效率和准确度，以及避免牲畜和人类之间疾病传播的风险。
-
公开(公告)号：CN117392747A
公开(公告)日：2024-01-12
申请号：CN202311285486.3
申请日：2023-10-07
Applicant: 西北农林科技大学
IPC: G06V40/20 , G06V20/40 , G06V10/82 , G06N3/0464 , G06V10/25
Abstract: 本发明公开了一种基于深度学习的牲畜行为检测方法、系统及计算机设备，涉及计算机视觉技术领域，通过对多牲畜视频数据的采集和抽帧，使用翻转、旋转、裁剪、变形对采集的数据进行数据增强后，将YOLOv7‑tiny网络模型作为行为检测模型的骨干网络，以获取不同分辨率牲畜图像数据的行为信息，利用SPD卷积模块减少池化层对图片信息丢失的影响，利用小目标检测层增加网络对于微小模糊目标的感知能力，并结合CA注意力机制，加强网络对目标位置信息的敏感程度，在不损失精度的前提下将模型压缩到了最小；该方法可以高效地进行牲畜各种行为的检测，从而节省畜牧业从业人员的时间成本和劳工成本。
-
公开(公告)号：CN115984554A
公开(公告)日：2023-04-18
申请号：CN202211564150.6
申请日：2022-12-07
Applicant: 西北农林科技大学
IPC: G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08 , G01G17/08
Abstract: 本发明公开了一种基于深度学习的体重估计方法，涉及计算机视觉技术领域，通过对单个羊只侧视深度图像数据的采集，使用羊只检测和羊体语义分割模型对采集的数据进行数据增强后，将LiteHRNet网络模型作为体重估计模型的骨干网络，以获取羊只深度图像数据不同层次的语义信息，利用类激活映射方法对不同的体重估计头注意力区域进行可视化，最后筛选出体重估计误差小且羊只区域注意力集中的体重估计模型；该方法可以高效地进行羊只体重的估计，从而节省畜牧业从业人员的时间成本和劳工成本，并为其他类似动物的体重估计提供了深度学习方向上的研究思路。
-
公开(公告)号：CN107784626B
公开(公告)日：2020-11-17
申请号：CN201711163838.2
申请日：2017-11-21
Applicant: 西北农林科技大学
Abstract: 本发明公开了一种基于单幅图像的三维数字凹浮雕生成方法，其具体步骤是：提取特征线条：获取一幅原始图像，提取原图的特征线条图，并去除特征线条图的散点；锐化增强：对原始图像光滑处理进而对图像进行锐化增强；局部信息增强：结合特征线条图，对锐化增强后的图像与特征线条图相对应的部分进行增强处理；差分运算：对局部信息增强后的图形进行差分运算获得二维的凹浮雕图像；三角化：将二维的凹浮雕图像转化为以三角网格表示的三维模型，最终实现凹浮雕模型的生成。本发明不限定特定图像，更具有灵活性；简化了浮雕生成的算法过程；得到的凹浮雕模型中的刻线更连续、更光滑。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.03 seconds)
