-
公开(公告)号：CN111507967B
公开(公告)日：2023-06-02
申请号：CN202010306354.4
申请日：2020-04-17
Applicant: 华南农业大学
IPC: G06T7/00 , G06T7/11 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种自然果园场景下的芒果高精度检测方法，包括：建立自然场景下的芒果数据库；构建基于Mask Scoring R‑CNN的初步网络结构；在ROI Align层后增加一个并行训练的BoxIOU分支，为RPN输出的候选框预测IOU得分；测试阶段BoxIOU分支预测的IOU得分与相应的分类置信度进行耦合，再将耦合后的分值替代原本的分类置信度作为后处理阶段的非极大抑制的排列依据；利用训练后的BoxIOU MangoNet进行芒果果实的检测和分割。该方法为果实目标筛选出定位更准确的检测框，简单有效，能够解决自然果园场景下受复杂环境干扰的检测分割难题。
-
公开(公告)号：CN115661713A
公开(公告)日：2023-01-31
申请号：CN202211358233.X
申请日：2022-11-01
Applicant: 华南农业大学
IPC: G06V20/40 , G06V10/82 , G06V10/80 , G06V10/766 , G06N3/0464 , G06N3/0499 , G06N3/049 , G06N3/08
Abstract: 本发明公开了基于自注意力时空特征融合的吮乳仔猪计数方法，包括：利用CenterNet检测视频帧中侧卧母猪，以获取视频帧吮乳仔猪关键帧和感兴趣区域，克服非吮乳仔猪运动对感兴趣区域时空特征提取的干扰；将时空双流卷积网络提取关键帧视频片段的时空特征转化为时空特征向量，输入时域、空间和融合Transformer，获得自注意力矩阵，自注意力矩阵与融合的时空特征进行元素积获得自注意力时空特征图；自注意力时空特征图输入吮乳仔猪数量回归分支完成吮乳仔猪计数。本发明充分利用了基于时空双模态数据特征的多路Transformer自注意力，提取自注意力时空特征图，实现了直接高效的吮乳仔猪计数。
-
公开(公告)号：CN115424292A
公开(公告)日：2022-12-02
申请号：CN202210902846.9
申请日：2022-07-29
Applicant: 华南农业大学
IPC: G06V40/10 , G06V20/40 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于改进YOLOX与DeepSORT的鱼群跟踪方法，包括：获取视频数据，并使用阈值分割的方法进行辅助标注得到训练的数据集；对数据集进行数据增强，并训练YOLOX模型、判断遮挡的二分类模型CNNocc与ReID模型，同时将YOLOX模型的推理阶段改为Soft‑NMS；根据限定的鱼群数量初始化特征集，利用DeepSORT来保存外观特征与位置信息，将YOLOX模型的检测结果送入DeepSORT进行两阶段的目标匹配，经过两阶段的目标匹配后输出当前帧的跟踪结果，并在更新阶段中采取自适应更新特征集策略更新目标特征集。本发明可有效实现鱼群多目标跟踪，克服传统人工监测方式耗时、耗力的缺点。
-
公开(公告)号：CN114842326A
公开(公告)日：2022-08-02
申请号：CN202210277514.6
申请日：2022-03-21
Applicant: 华南农业大学 , 广州创纽人工智能科技有限公司
IPC: G06V20/10 , G06V10/82 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种免定标檀香树植株缺苗定位方法，包括：首先，通过预训练的检测模型检测出待缺苗定位的遥感图像中檀香树目标，然后，根据已检测出的檀香树目标的像素坐标确定列基准位置，划分列区域；再通过线性回归拟合，得到每个列区域的檀香树排列的线性回归函数；确定边缘目标，根据线性回归函数延长回归直线，将位于回归直线延长线上的边缘目标纳入该直线所属的列区域；之后，扩充后的列区域进行第二次线性回归，修正线性回归函数；最后，通过给定的预设距离，利用线性回归函数对相应列区域进行缺苗定位。本发明能够较高精度免定标定位到缺苗位置，同时也为其他类似林业种植园的缺苗补苗工作提供了一种准确且可行的方法。
-
公开(公告)号：CN113947617A
公开(公告)日：2022-01-18
申请号：CN202111217322.8
申请日：2021-10-19
Applicant: 华南农业大学
IPC: G06T7/246 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06V20/40 , G06K9/62 , G06N3/08
Abstract: 本发明公开了一种基于长短记忆的哺乳仔猪多目标跟踪方法，包括：S1：采集哺乳仔猪视频，建立哺乳仔猪多目标跟踪视频数据库；S2：搭建CenterReID模型，用数据库中的训练集和验证集对该模型进行训练并验证；S3：用训练好的CenterReID模型对数据库中的测试集进行测试，获得哺乳仔猪目标检测结果Dets和特征提取结果Features；S4：针对不同消失时间再次出现的仔猪，设计适应长短时间外观特征变化匹配机制，利用Dets和Features对连续图像哺乳仔猪进行目标ID匹配，进而获得跟踪结果。本发明能在固定场景下克服小猪运动不规律、身体形变较大、扎堆、难重新识别等困难，可自动识别跟踪哺乳仔猪，解决猪场饲养环境下饲养员长时间巡查猪群疲惫造成判断不准确的问题。
-
Patent Agency Ranking
公开(公告)号：CN109492535B
公开(公告)日：2021-09-24
申请号：CN201811186647.2
申请日：2018-10-12
Applicant: 华南农业大学
Abstract: 本发明公开了一种计算机视觉的母猪哺乳行为识别方法,包括步骤：1)采集哺乳期母猪和仔猪的俯视视频段；2)基于光流特征，计算运动像素强度、占空比和聚集度等时空特征，提取时间序列关键帧；3)利用DeepLab卷积网络分割出关键帧中母猪和仔猪，根据形状匹配算法自动定位哺乳感兴趣区域，获得时空感兴趣区域；4)在时空感兴趣区域中设置识别单元，提取仔猪运动特征，包括仔猪运动分布指数特征和基于母猪腹线的法线方向光流的仔猪吸吮运动特征；5)将仔猪运动特征输入SVM分类模型，实现母猪哺乳行为自动识别。本发明利用了哺乳行为中母猪和仔猪的时空运动信息，识别猪场环境下的母猪哺乳行为，从而解决了猪场人工监测难的问题。
-
公开(公告)号：CN109492535A
公开(公告)日：2019-03-19
申请号：CN201811186647.2
申请日：2018-10-12
Applicant: 华南农业大学
Abstract: 本发明公开了一种计算机视觉的母猪哺乳行为识别方法,包括步骤：1)采集哺乳期母猪和仔猪的俯视视频段；2)基于光流特征，计算运动像素强度、占空比和聚集度等时空特征，提取时间序列关键帧；3)利用DeepLab卷积网络分割出关键帧中母猪和仔猪，根据形状匹配算法自动定位哺乳感兴趣区域，获得时空感兴趣区域；4)在时空感兴趣区域中设置识别单元，提取仔猪运动特征，包括仔猪运动分布指数特征和基于母猪腹线的法线方向光流的仔猪吸吮运动特征；5)将仔猪运动特征输入SVM分类模型，实现母猪哺乳行为自动识别。本发明利用了哺乳行为中母猪和仔猪的时空运动信息，识别猪场环境下的母猪哺乳行为，从而解决了猪场人工监测难的问题。
-
公开(公告)号：CN105354791B
公开(公告)日：2019-01-11
申请号：CN201510520115.8
申请日：2015-08-21
Applicant: 华南农业大学
IPC: G06T1/00
Abstract: 本发明提供一种改进的自适应混合高斯前景检测方法，它首先利用混合高斯模型进行学习，形成初始化混合高斯背景模型；然后，对新输入的视频序列，以每隔N帧进行采样，利用加权时域均值滤波获取一幅图像帧，将其作为混合高斯建模的输入，进行背景模型更新；利用泊松分布自动判断当前帧是否存在背景突变，若不存在，保持正常的采样间隔和学习速率，否则，缩小间隔帧数和加快学习速率，更新背景模型，提取当前的背景帧；最后，利用当前帧与当前背景帧进行差分，通过最大熵方法获取自适应阈值，对获取的阈值进行加权平均，进行前景检测。该方法有效地克服了视频场景中树叶抖动、水波纹等运动干扰，通过周期性的采样减少了帧的运算量，提高了实时性。
-
公开(公告)号：CN108680717A
公开(公告)日：2018-10-19
申请号：CN201810257523.2
申请日：2018-03-27
Applicant: 华南农业大学
CPC classification number: G01N33/1886 , B08B3/12
Abstract: 本发明公开一种水产水质检测自清洁系统，包括用于存放水体样本的水箱，所述水箱顶部两侧设有分别与所述水箱内部通连的进水口和出水口，所述水箱底部设有排污口；所述进水口通过管路与深入水体中的水泵通连，所述排污口设有电磁阀控制关闭或打开，所述水箱底部表面设有震动机构与清洁控制器电连接，所述清洁控制器还分别与所述水泵以及所述电磁阀电连接，本发明还提出一种使用水产水质检测自清洁系统的自清洁方法。相对现有技术，本发明技术方案具有结构简单和高效清洁等优点，可有效解决因杂物附着影响水质检测不准确的技术问题，提高水质检测系统运行精准和检测质量。
-
公开(公告)号：CN106650622A
公开(公告)日：2017-05-10
申请号：CN201611018857.1
申请日：2016-11-18
Applicant: 华南农业大学
CPC classification number: G06K9/00724 , G06K9/4604 , G06K9/6269 , G06K2009/4666
Abstract: 本发明公开了一种基于混合LBF形状回归模型的挖掘机工作状态识别方法，包括以下步骤：1）训练挖掘机的混合LBF形状回归模型，并使用此模型来预测输入视频帧中挖掘机的形状（即特征点的相对坐标的集合）；2）根据这些特征点的坐标以及检测到的挖掘机的长宽比，计算挖掘机工作状态特征描述子；3）使用SVM分类器判断当前挖掘机的工作状态——工作状态或者非工作状态。本发明提出的基于混合LBF形状回归模型的挖掘机工作状态识别方法，可对土地间的挖掘机工作状态进行准确地自动识别，为建筑工地施工现场监测提供了智能化手段。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.017 seconds)
