-
公开(公告)号：CN112564885A
公开(公告)日：2021-03-26
申请号：CN202011352153.4
申请日：2020-11-26
Applicant: 南京农业大学
IPC: H04L9/00
Abstract: 本发明提出一种基于掩码变量最大概率密度函数分布的侧信道攻击方法，利用掩码集合中不同掩码值对应的掩码后变量分布偏差，计算概率密度函数分布，通过选取分布在不同敏感中间值下的最大值得到一种面向掩码方案的增强侧信道攻击方法。本方法首先对掩码方案的掩码集合进行预评估，然后计算所有猜测密钥相应的假设中间值在该掩码集合下的概率密度分布，最终选择最大概率密度分布值作为假设功耗值，计算与实际功耗之间的相关性，得到所有猜测密钥的概率排序，恢复出正确密钥。本发明的方法能够适用于固定掩码方案，同时实现提高攻击成功率，减少攻击成功所需要的曲线量。
-
公开(公告)号：CN112183635A
公开(公告)日：2021-01-05
申请号：CN202011047680.4
申请日：2020-09-29
Applicant: 南京农业大学
Abstract: 本发明提出一种多尺度反卷积网络实现植物叶部病斑分割与识别方法，该方法利用少量像素级标记，实现端到端的植物叶部病斑分割与识别。首先利用多尺度残差块构建多尺度特征提取模块，提取多尺度病害特征；然后引入分类与桥接模块获取特定类的激活图，此激活图包含特定类别病斑的关键信息，将它进行上采样，实现病斑的分割；最终设计反卷积模块，结合少量病斑标注引导特征提取网络关注病斑真实位置，进一步优化识别与分割效果。本发明的方法能够适用于像素级标注样本数量不足的植物叶部病害识别与分割的情况，实现识别与分割的一体化。模型在光线不足、有噪声干扰的病害图像中具有较强鲁棒性。
-
公开(公告)号：CN111583328A
公开(公告)日：2020-08-25
申请号：CN202010370531.5
申请日：2020-05-06
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于几何模型的绿萝叶片外部表型参数的三维估测方法，包括以下步骤：S1建立绿萝叶片的几何模型数据库；S2固定RGB-D相机角度与高度对绿萝进行一次拍摄，获得绿萝叶片的局部点云数据；S3将S2获得的局部点云数据与S1中的几何模型数据库进行空间匹配与参数寻优，获得最接近的几何模型；S4计算该几何模型的叶片外部表型参数，作为估测结果。本发明的估测方法，植物叶片无需离体，拍摄仪器也无需改变角度，仅通过一次拍摄即能对其外部表型参数进行估测。估测结果的误差范围较小，且非常稳定。
-
公开(公告)号：CN110197514A
公开(公告)日：2019-09-03
申请号：CN201910508685.3
申请日：2019-06-13
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于生成式对抗网络的蘑菇表型图像生成方法，该方法步骤为：(1)数据预处理，形成真实图像训练样本数据；(2)构建生成式对抗网络模型：该模型包括生成器和判别器，其中生成器负责生成图片，通过接收随机噪声z，并通过这个噪声生成图片G(z)，判别器负责判断图片真假部分，其通过接收一张图片x，输出对这张图片的判别结果D(x)；(3)采用梯度惩罚训练策略对生成式抗网络框架进行优化训练；(4)通过拟合Wasserstein距离，将Wasserstein距离作为相似度衡量指标，获得高质量蘑菇表型图像的生成模型。本发明可以使用少量的蘑菇数据集模拟出该种蘑菇各个生长阶段的图像，不仅与传统图像生成方式相比效率较高，而且在各类生成式模型中效率也较高。
-
公开(公告)号：CN109856064A
公开(公告)日：2019-06-07
申请号：CN201910080946.6
申请日：2019-01-28
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于光子传输模拟的苹果高光谱品质检测方法。本发明分析了光子入射最佳位置和源探距离，并用点光源高光谱仪实际拍摄红富士苹果进行验证。分析表明，光子在苹果赤道位置入射，具有73.12％概率到达更深的深度。源探位置与苹果的光学参数有关，形状为圆环，其源探内外径位置半径为1.5mm-10.15mm。点光源高光谱仪采集的红富士苹果入射位置为赤道，源探位置为半径为3.6mm-10.8mm的圆环，与模拟数据分析结果基本一致。蒙特卡洛光子传输模拟方法为研究高光谱苹果品质无损检测开辟了新思路，分析结果可以为研究高光谱品质检测实验设计和苹果便携式品质检测光学仪器设计提供理论基础。
-
Patent Agency Ranking
公开(公告)号：CN108932314A
公开(公告)日：2018-12-04
申请号：CN201810640741.4
申请日：2018-06-21
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于深度哈希学习的菊花图像内容检索方法，该方法利用深度神经网络算法和Hash编码来进行图像的识别和检索，首先建立训练集和测试集对待识别图像进行预数据处理，增强图像的泛化能力和识别度，然后通过卷积神经网络构建菊花图像特征提取模型，通过在卷积神经网络的哈希层哈希编码实现查询计算。该方法基于深度哈希学习使得高维数据在向低维空间映射时，数据在高维空间的相似性能够在海明空间得到保持，使得高维数据在向低维空间映射时保持编码平衡准则，本发明对菊花数据集进行处理，增强数据集以增强模型泛化能力，并提高了图像的检索质量和检索效率。
-
公开(公告)号：CN105675821B
公开(公告)日：2018-11-02
申请号：CN201610094126.9
申请日：2016-02-21
Applicant: 南京农业大学
IPC: G01N33/00
Abstract: 本发明公开了一种作物氮素营养无损诊断的图像评价指标的建立方法，包括：获取小麦冠层图像、叶片氮含量；分割提取小麦冠层图像，计算每幅小麦冠层图像中叶片所有非0像素点R、G、B、H、S、I分量的平均像素值作为基础颜色特征参数r、g、b、h、s、i；计算9个图像特征参数r、g、b、r‑g‑b、r‑g、r‑b、(r‑g‑b)/(r+g+b)、(r‑g)/(r+g+b)、(r‑b)/(r+g+b)；构建CMI＝(xr‑yg‑zb)，与叶片氮含量拟合，确定权重系数x、y、z，对CMI标准化处理，确定NCMI＝(xr‑yg‑zb)/(r+g+b)。本发明建立的NCMI为相对适宜的冬小麦氮素营养评价指标，具备准确性和稳定性，可对作物含氮量进行量化评价。
-
公开(公告)号：CN107885171A
公开(公告)日：2018-04-06
申请号：CN201710878521.0
申请日：2017-09-20
Applicant: 南京农业大学
IPC: G05B19/418
CPC classification number: G05B19/4189
Abstract: 一种乳制品冷链运输智能监测预警方法，针对生乳冷链运输包括多个位于奶罐车奶仓外部和一个位于操作箱内的奶罐传感节点与一个位于恰当位置的奶罐车网关，奶罐传感节点根据监测数据是否异常和电池电量调整向奶罐车网关发送监测数据的时间间隔，网关将接收的多个节点的数据传送至服务器的同时，针对异常情况实施预报预警；针对低温乳冷链运输包含一个位于冷藏车内部的低温乳冷藏车集成终端，该终端直接监测车厢内环境参数和车辆位置信息，并将监测的多参数数据发送到服务器的同时，实现异常情况的预报预警。本发明实现了乳制品安全的整个冷链运输过程中的实时有效的系统性监测预警，并在乳制品企业实际开展应用，取得的监测预警效果良好。
-
公开(公告)号：CN107703800A
公开(公告)日：2018-02-16
申请号：CN201710878522.5
申请日：2017-09-20
Applicant: 南京农业大学
IPC: G05B19/042
CPC classification number: G05B19/0428 , G05B2219/24024
Abstract: 一种乳制品冷链运输智能监测预警系统，其特征在于，它包括奶罐车节点、控制中心服务器和多个为工作人员配置的移动终端；所述的奶罐车节点包括多个位于奶罐车奶仓外部和一个位于操作箱内的奶罐传感节点、一个奶罐车网关以及冷藏车集成终端，所述的奶罐传感节点用于监测对应的奶罐数据，冷藏车集成终端用于监测车厢内环境参数和车辆位置信息，网关将接收的奶罐传感节点和冷藏车集成终端的数据传送至控制中心服务器，所述的控制中心服务器与各工作人员配置的移动终端进行通信，发送监控数据。本发明实现了乳制品安全的整个冷链运输过程中的实时有效的系统性监测预警，并在乳制品企业实际开展应用，取得的监测预警效果良好。
-
公开(公告)号：CN106845629A
公开(公告)日：2017-06-13
申请号：CN201710073144.3
申请日：2017-02-10
Applicant: 南京农业大学
IPC: G06N3/00
CPC classification number: G06N3/006
Abstract: 一种基于越界重置的参数列维化粒子群算法，该算法通过幂率分布来调整粒子群算法的参数取值，并针对做出长距离移动后在边界滞留的粒子，引入越界重置机制。本发明避免了列维飞行的高随机性带来的粒子在边界滞留从而失去寻优能力的情况，进一步提升了算法的性能。与此同时，在很大程度上降低了粒子群算法容易陷入局部最优而无法收敛到最优解的可能性，且具有更快的收敛速度和更高的收敛精度。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.027 seconds)
