-
公开(公告)号：CN119379810A
公开(公告)日：2025-01-28
申请号：CN202411469960.2
申请日：2024-10-21
Applicant: 华南农业大学
IPC: G06T7/80 , G06T5/60 , G06T3/4038 , G06T3/4046 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明提供一种基于双目光学图像的水下三维全景重构方法和系统，能够有效应对海底复杂环境下光学图像退化的问题，通过深度学习算法对图像进行恢复与增强，提高了水下图像重构质量；同时通过优化立体视觉匹配算法，能够生成高精度的水下点云数据；另外，还通过环境自适应的点云校正，修正了光学失真带来的偏差，进一步提高了水下全景重构的精度；本发明能够有效提升水下三维重构的精度和效率，解决传统方法中的图像质量低和光学失真问题，适用于海洋生物调查、水下考古、海洋牧场管理等领域，并为水下环境的研究和利用提供可靠的数据支持。
-
公开(公告)号：CN119210803A
公开(公告)日：2024-12-27
申请号：CN202411253851.7
申请日：2024-09-09
Applicant: 华南农业大学
Abstract: 本申请涉及一种基于区块链的自统计分数投票方法、装置、设备及介质，方法包括：在初始化阶段，选举机构获取系统安全参数以及选举基本参数，基于系统安全参数以及选举基本参数生成系统全局公共参数，其中，所述选举基本参数包括候选人数量、选举事件编号、时间困难系数以及预定义最少参与人数；在投票阶段，每位选民根据系统全局公共参数、自己的私钥以及秘密份额对其相对应的投票内容进行加密，并对加密过后的选票进行签名，以保证选票的正确性以及合法性；在计票阶段，任何参与者都可以根据有效选票，获取最终选举结果。本申请能够保证选举在不失公平的前提下正常进行，即便有恶意用户的干预也不必重启投票协议。
-
公开(公告)号：CN119152014A
公开(公告)日：2024-12-17
申请号：CN202411188087.X
申请日：2024-08-28
Applicant: 华南农业大学
IPC: G06T7/62 , G06Q50/02 , G06T17/00 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本申请涉及一种大豆植株叶面积指数检测方法、装置、设备及介质，方法包括：根据大豆叶子区域中的像素点个数以及大豆叶子区域中每个像素点的面积确定大豆植株垂直投影面积；计算确定垂直于地面视角下的体密度图与掩码图像之间的乘积以确定大豆植株所有叶子的像素值，根据大豆植株所有叶子的像素值以及大豆叶子区域中每个像素点的面积确定无遮挡状态下所有叶子的垂直投影面积总和；基于无遮挡状态下所有叶子的垂直投影面积总和以及大豆植株垂直投影面积确定大豆植株的叶面积指数。本申请能够显著降低成本的同时，还能够大大提高叶面积指数的检测精度。
-
公开(公告)号：CN118967785A
公开(公告)日：2024-11-15
申请号：CN202411279367.1
申请日：2024-09-12
Applicant: 华南农业大学
IPC: G06T7/62 , G06T11/00 , G06T7/11 , G06N3/0464
Abstract: 本发明公开了一种基于大豆叶平铺化图像生成模型的叶子表型参数计算方法，本发明通过非接触式的方式对处于自然弯曲状态下的大豆叶进行拍摄，进一步对大豆叶自然状态图像进行平铺化处理，最后利用大豆叶平铺化图像计算大豆叶的叶型表型参数，与人工直接测算大豆叶长宽比的方法相比，本发明通过生成大豆叶平铺化图像的深度学习技术的介入可以大大提高大豆叶叶型长宽比的测算效率，同时降低损伤大豆植株的风险；本发明在SwimIR模型的基础上进行改进，不仅实现了对自然弯曲状态下的大豆叶图像的平铺化处理，并且在模型训练数据集中拍摄图像与扫描图像之间存在色彩风格差异的情况下使得模型也可以保持输出的大豆叶平铺图像与输入的拍摄图像色彩风格一致。
-
公开(公告)号：CN118761037A
公开(公告)日：2024-10-11
申请号：CN202411245887.0
申请日：2024-09-06
Applicant: 华南农业大学
IPC: G06F18/25 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0455 , G06Q50/02 , G06T17/00
Abstract: 本发明公开了一种基于多源信息耦合的作物种子活力预测方法及系统，包括：利用光谱相机获取种子的光谱数据，提取种子的外观表型数据、生化参数、环境数据及实时动态3D表型数据，生成种子的多源数据；将多源数据划分为静态数据及动态数据，在种子活力预测模型中对输入数据进行嵌入编码，引入双通道注意力对所述静态数据向量及动态数据向量进行融合学习，获取融合向量；通过全连接层获取种子的发芽率及成苗率预测结果，综合分析获取种子活力。本发明将多源信息融合和双通道注意力机制的种子活力预测模型集成于种子活力预测系统，实现对种子活力的高效、精准预测，为农业生产提供科学依据。
-
Patent Agency Ranking
公开(公告)号：CN117058054A
公开(公告)日：2023-11-14
申请号：CN202310887186.6
申请日：2023-07-18
Applicant: 华南农业大学
Abstract: 本发明公开了一种牲畜点云连续多帧间配准融合方法，属于牲畜点云配准融合技术领域，包括如下：获取三帧不同位置下的牲畜点云；分别对三帧的牲畜点云进行分割处理，分割出三维头部点云、三维臀部点云；基于点云k邻近点搜索方法提取每一帧的三维头部点云、三维臀部点云的关键点；使用关键点对三帧的三维头部点云、三维臀部点云进行非刚性配准，得到完整的三维头部点云、三维臀部点云；对配准完成后的三维头部点云、三维臀部点云进行拼接还原，去冗余操作；对去冗余操作后的三维头部点云、三维臀部点云进行密度一致性处理。本发明可有效解决因深度相机传统采集视角中存在三维头部点云以及三维臀部点云缺失、以及配准后存在冗余和密度突增的问题。
-
公开(公告)号：CN117037024A
公开(公告)日：2023-11-10
申请号：CN202310780777.3
申请日：2023-06-28
Applicant: 华南农业大学
IPC: G06V20/40 , G06V10/80 , G06N3/0464 , G06N3/08 , G06T3/40 , G06Q10/0639
Abstract: 本发明公开了一种基于改进3D卷积神经网络的猪步态评分方法和系统，涉及计算机图像处理的技术领域；包括获取猪只行走状态下的实时视频流；对所述实时视频流进行逐帧检测，获得猪只在视频帧中的目标检测结果；根据所述目标检测结果对所述视频帧进行过滤处理，获得有效视频帧；对所述有效视频帧进行裁切处理后，逐帧拼接为步态视频；将所述步态视频输入构建的基于改进3D卷积神经网络的评分模型中，获得对应猪只的步态评分结果。本发明实现了对猪步态的自动评分，大大提高了评分的效率和准确度，为猪养殖和健康管理提供更加科学和有效的支持。
-
公开(公告)号：CN117036773A
公开(公告)日：2023-11-10
申请号：CN202310779204.9
申请日：2023-06-28
Applicant: 华南农业大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/246 , G06V20/40 , G06T3/40
Abstract: 本发明公开了一种基于深度学习的猪只跛行检测方法和系统，涉及计算机视觉的技术领域，包括获取区域内猪只的行走视频；在所述行走视频中，提取猪只各关键部位的特征点；根据所述猪只各关键部位的特征点计算各关键部位的特征信息；将各关键部位的特征信息输入跛行程度检测模型进行分类，计算猪只跛行程度得分，获得猪只跛行程度。本发明解决了传统采用人工观察判断方法存在劳动力工作量大、劳动强度高、效率低、主观性强、容易产生误差的问题，能够高效、准确的检测出猪只跛行的严重程度。
-
公开(公告)号：CN116958473A
公开(公告)日：2023-10-27
申请号：CN202310745354.8
申请日：2023-06-21
Applicant: 华南农业大学
IPC: G06T17/10 , G06T15/00 , G06T3/40 , G06N3/0464 , G06N3/048 , G06N3/0475 , G06N3/094 , G06N3/096 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种融合图像超分辨的数字化三维重建方法，如下：获取环绕待重建植株产生的原始植株RGB图像；构建融合RGB图像超分辨的三维重建网络模型；所述的三维重建网络包括图像超分辨模型、图像位姿计算模型、体渲染模型；其中，所述图像超分辨模型包括用于模拟即时手持拍摄场景中RGB图像退化的WI‑L模型、进行超分辨处理的生成对抗网络模型；将待重建植株产生的原始植株RGB图像输入三维重建网络模型，最终实现实时对原始植株RGB图像的数字化三维重建。本发明解决了现有技术RGB图像数字化三维重建网络模型对模糊、失真输入图像的重建任务适应性较差的问题。
-
公开(公告)号：CN112734572B
公开(公告)日：2023-01-10
申请号：CN202110015934.2
申请日：2021-01-07
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于双区块链的细粒度访问控制方法及系统，方法包括：建立联盟链，将多个属性授权机构作为联盟链上的多个记帐节点，并进行系统初始化；各属性授权机构生成各自的公私钥对，并将各自的公钥发布至联盟链；数据拥有者将共享数据进行对称加密；数据拥有者将对称密钥进行加密，并将密钥密文连同与共享数据相关的元数据一起发布至以太坊，使用以太坊作为数据共享收费平台；数据访问者在以太坊中获取数据拥有者发布的元数据，使用以太坊付费后，向所需共享数据的属性集对应的属性授权机构发送数据访问请求；数据访问者利用得到的解密密钥对密钥密文进行解密，对数据密文进行解密访问。本发明具有较强的安全性、灵活性和较高的运行效率。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.037 seconds)
