-
公开(公告)号:CN111652326A
公开(公告)日:2020-09-11
申请号:CN202010622915.1
申请日:2020-06-30
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于MobileNet v2网络改进的果实成熟度识别方法,包括:采集果实在自然场景下的不同生长期的图像,作为原始数据集;构建MobileNet v2网络,设定超参数α和ρ,分别控制MobileNet v2网络的宽度和分辨率,并根据训练需求对MobileNet v2网络进行精简;将MobileNet v2网络的损失函数softmax更改为A-softmax loss函数;将精简和更改后的MobileNet v2网络作为果实识别网络,并构建基于精简和更改后的MobileNet v2网络的初始识别模型;利用所述原始数据集在caffe框架下对所述初始识别模型进行训练和测试,获取最优识别模型。本发明能够提高检测速度,且最终所得到的模型易于迁移到移动端进行果实成熟度的实时识别。
-
公开(公告)号:CN110598658A
公开(公告)日:2019-12-20
申请号:CN201910882353.1
申请日:2019-09-18
Applicant: 华南农业大学
Abstract: 本发明公开了一种母猪哺乳行为的卷积网络识别方法,首先利用一级卷积网络——Mask R-CNN检测视频帧中侧卧母猪的关键点,以获取视频帧中母猪侧卧哺乳区域,克服在场景中非哺乳区域仔猪运动对哺乳区域时空特征提取的干扰;然后,以视频帧中哺乳区域的RGB图像序列和光流图像序列作为二级卷积网络——卷积双流网络输入,提取哺乳区域中哺乳行为的时空信息,实现哺乳行为的识别。本发明的模型是基于数据驱动的模型,避免了人工设计行为特征,提升了哺乳行为特征的表达能力,为母猪与仔猪间交互式行为——哺乳行为自动监测提供了新的技术方法。
-
公开(公告)号:CN105046277B
公开(公告)日:2019-06-14
申请号:CN201510415329.9
申请日:2015-07-15
Applicant: 华南农业大学
Abstract: 本发明公开了一种特征显著性在图像质量评价中的鲁棒机理研究方法,其方法步骤为:首先,确立图像质量评价中特征选择的目标函数并初始化模型参数;其次,选择最优特征加入特征矩阵并移除特征干扰项;然后,计算图像质量评价系统中特征选择的显著性;接着,判断是否满足系统鲁棒性要求或达到特征个数上限;最后,验证模型分类效果。本发明通过引入的系统特征信噪比衡量特征显著性,求解图像质量评价系统中光滑凸函数的约束优化问题,有效地降低了非显著特征对分类面的干扰,提升了图像质量评价系统的鲁棒性,解决了基于学习机制的图像质量评价网络中,特征属性选择的自适应优化问题。
-
公开(公告)号:CN105897912B
公开(公告)日:2018-12-21
申请号:CN201610345947.5
申请日:2016-05-20
Applicant: 华南农业大学
Abstract: 本发明公开了一种智能灌溉系统,包括依次通讯连接的控制终端模块、信息采集终端模块、网关模块、网络服务器模块、处理系统和人机交互界面模块;所述处理系统包括数据库模块、知识库模块、推理机模块、解释机模块和知识获取模块,用户通过所述人机交互界面模块与智能灌溉系统进行信息交换。如此设置,本发明公开的智能灌溉系统,其能够有效提高灌溉的智能化程度,通过系统智能决策,结合专业知识经验,指导使用者更好地去管理植物园。本发明还公开了一种用于上述智能灌溉系统的工作方法。
-
公开(公告)号:CN107708202A
公开(公告)日:2018-02-16
申请号:CN201710723069.0
申请日:2017-08-22
Applicant: 华南农业大学
Abstract: 本发明公开的一种基于DV-Hop的无线传感器网络节点定位方法,包含以下步骤:S1、节点按照相同的发射功率相互通信获取节点自身的邻居关系表;S2、使用最小二乘法计算锚节点的平均每跳距离;S3、使用邻居关系表对误差较大的节点位置进行修正。本发明有效减少了未定位节点的数量,提高了网络的节点覆盖率。位置未知节点通过锚节点位置信息利用非测距方法计算自身坐标。提高了定位精度并且有效地减少了锚节点使用数量,提高了锚节点的利用率。
-
公开(公告)号:CN104904570B
公开(公告)日:2018-01-09
申请号:CN201510310569.2
申请日:2015-06-08
Applicant: 华南农业大学
IPC: G05B19/418 , A01G25/16
CPC classification number: Y02A40/238
Abstract: 本发明公开了一种基于无线传感器的荔枝园节水灌溉控制系统及方法,系统包括多个传感器节点、多个电磁阀控制节点、网关模块、人机交互模块、网络服务器模块、网站模块和移动终端模块;每个传感器节点连接一个电磁阀控制节点;所述网关模块与人机交互模块通过串口相互连接,与网络服务器模块通过移动通信网‑互联网相互连接;网络服务器模块与手机客户端模块通过互联网相互连接;网络服务器模块与网站模块通过数据库相互连接;本发明通过无线传感器网络、GPRS和互联网进行数据的传输,保证传输的实时性和可靠性,实现了对荔枝园环境的实时监控,提高了灌溉的智能化程度,避免了管理者因为没有及时察觉荔枝的实时生长状况而做出正确的措施带来的损失。
-
公开(公告)号:CN103079294A
公开(公告)日:2013-05-01
申请号:CN201210553319.8
申请日:2012-12-18
Applicant: 华南农业大学
IPC: H04W88/16
CPC classification number: Y02D70/122
Abstract: 本发明公开了一种双通信方式的无线传感器网络网关及控制方法,网关包括处理器模块,GPRS模块,串口通信模块,存储模块,无线通信模块,电源与充电模块。所述处理器模块分别和串口通信模块、存储模块以及无线通信模块连接,所述GPRS模块与串口通信模块连接,所述充电模块与供电电池连接。本发明处理器模块通过无线通信模块接收无线传感器网络的数据,进行数据解析并提取信息;串口通信模块连接处理器与GPRS模块,处理器通过串口模块控制GPRS的工作状态与信息的发送;当网络信号差或者网络故障时,保存信息在本地SD卡上,有效提高电池充电效率,延长节点生命周期。
-
公开(公告)号:CN114219984B
公开(公告)日:2024-03-01
申请号:CN202111531381.2
申请日:2021-12-14
Applicant: 华南农业大学
IPC: G06V20/10 , G06V10/82 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/80 , G06T7/00 , G06T7/73 , G06N3/045 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于改进YOLOv3的微小病虫害检测系统及其方法,该系统包括:输入模块和改进YOLOv3模型;输入模块与改进YOLOv3模型相连,用于将图像输入至改进YOLOv3模型;改进YOLOv3模型中包括幻象模块、注意力模块、上下文增强模块CAM、小目标检测头和判断模块;该方法包括以下步骤:将待检测图像输入至训练好的改进YOLOv3网络模型中,通过改进YOLOv3网络模型判断图像上是否患有病症或出现虫害现象;本发明能够在自然条件下达到有效减少复杂背景造成误检的同时改善微小病虫害的检测和定位的效果,为后续的病虫害检测算法研究以及工
-
公开(公告)号:CN115633622A
公开(公告)日:2023-01-24
申请号:CN202210633432.0
申请日:2022-06-06
Applicant: 华南农业大学
IPC: A01G25/16 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82 , G06V20/10
Abstract: 本发明提供了一种果园智能灌溉系统及其方法,包括信息采集模块、无线通信模块、需水量分析模块、灌溉决策模块和灌溉控制模块,系统通过信息采集模块采集果园各区域内的果树图像、光照强度信息、土壤湿度信息、空气温湿度信息、降雨量信息和风速信息;将采集的果树图像输入基于深度学习建立的果树生长周期识别模型,实现对果树生长周期的识别;需水量分析模块对果树当前生长周期的需水量做出分析预测;灌溉决策模块结合预测需水量、降雨量、土壤湿度和风速等信息计算实际灌溉量,做出灌溉决策并发送灌溉指令;灌溉控制模块根据指令完成灌溉操作;全程由系统自主完成,智能化、自动化程度高,灌溉精确度高,有效节省水资源和人工成本。
-
公开(公告)号:CN114359369A
公开(公告)日:2022-04-15
申请号:CN202111624828.0
申请日:2021-12-28
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于深度学习和探地雷达的果树根系识别与定位方法,包括:确定以目标果树为中心的圆形轨道作为探地雷达的探测路线;对所述探地雷达生成的B‑scan图像进行预处理操作;将经预处理后的B‑scan图像输入预先训练的网络模型进行根目标检测,定位目标双曲线区域;提取目标双曲线的顶点,通过基于代数距离拟合提取根目标的双曲线,推算根目标的位置以及直径。该方法能够在不破坏根系以及周围土壤环境的条件下对果树根系进行识别和定位,探测范围可控,方法操作比较简便,相比传统方法,可显著提高工作效率,且识别和定位准确率高。
-
-
-
-
-
-
-
-
-