-
公开(公告)号：CN103228021B
公开(公告)日：2016-06-15
申请号：CN201310000985.3
申请日：2013-01-05
Applicant: 南京农业大学
CPC classification number: Y02D70/32
Abstract: 一种基于无线传感器执行器网络的设施作物生长环境参数监测和控制方法，其特征是包括三个阶段：分簇形成阶段、簇内更新阶段、簇头重新选举阶段。该方法将WSAN技术应用于设施作物，并提出一种适合WSAN网络的协作路由协议——基于动态分簇的角度转发路由协议，同时提出一种基于密封第一价拍卖的实时任务分配算法RTAA-SFPA。本发明可以实现设施作物应用的自动化、网络化和智能化；可以实现设施作物管理的实时性、可靠性和低能耗。
-
公开(公告)号：CN119379592A
公开(公告)日：2025-01-28
申请号：CN202411253064.2
申请日：2024-09-09
Applicant: 南京星罗智能科技有限公司 , 南京农业大学
IPC: G06T7/00 , G06T7/73 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/44 , G06V10/46 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G01N21/88
Abstract: 本发明公开了一种酒瓶内部细小杂质识别方法及系统，方法包括：获取瓶子中杂质图片数据；基于目标检测算法和关键点检测算法，建立杂质识别检测模型，将杂质图片数据输入至杂质识别检测模型进行训练；结合分类损失函数、监测边框损失函数、关键点损失函数和关键点置信度损失函数，并赋予各类损失函数可调节权重，评估杂质识别检测模型对杂质位置、类别以及关键点检测的准确性；利用训练优化后的杂质识别检测模型检测获取杂质所在区域和杂质类别。本发明通过结合YOLO目标检测算法与图像关键点检测及姿态识别算法，创新性地实现了瓶装酒内部细小杂质的精准自动化检测，显著提高了碎小颗粒的检测率，解决了传统方法中的大量漏检问题。
-
公开(公告)号：CN118761923A
公开(公告)日：2024-10-11
申请号：CN202410853792.0
申请日：2024-06-28
Applicant: 南京农业大学
IPC: G06T5/60 , G06T5/50 , G06T5/40 , G06T5/20 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于Unet与多尺度特征融合的水下图像增强方法，首先对水下失真原图像进行预处理；然后将预处理后的图像分别与原始图像两两结合，再通过图像增强网络进行深层次增强，并对原图像进行深层次增强；利用置信度生成网络生成相应的置信度值，并使用置信度值动态调整不同增强结果对最终图像的贡献比例，实现多尺度特征融合；最后使用拉普拉斯边缘检测对融合后的图像进行边缘增强，提高图像细节的清晰度和对比度。本发明确保了增强效果的全面优化，能够显著提升水下图像的亮度、色彩、纹理和结构等方面的质量，适用于多种水下环境中的高质量图像需求；具有高效、鲁棒的图像增强能力，为水下科学研究和工程应用提供了重要支持。
-
公开(公告)号：CN118470540A
公开(公告)日：2024-08-09
申请号：CN202410909955.2
申请日：2024-07-09
Applicant: 南京星罗基因科技有限公司 , 南京农业大学
Abstract: 本发明公开了一种网络模型、构建方法、对鸡蛋性别的无损识别方法及系统，其中识别鸡蛋性别的网络模型，包括能够筛选受精鸡蛋的特征的光谱图像波段的第一过滤层；和，能够进一步提取受精鸡蛋的图像特征和通道特征的第二过滤层。本发明能够利用原始图像光谱直接作为输出，摒弃了平均光谱方法浪费潜在有用信息的弊端，并完善了深度学习在处理大维度的高光谱图像时，收敛慢，参数多，精确度不够的问题，能够在鸡蛋孵化的第十天实现性别鉴定。
-
公开(公告)号：CN116312744A
公开(公告)日：2023-06-23
申请号：CN202310560948.1
申请日：2023-05-18
Applicant: 南京星罗基因科技有限公司 , 南京农业大学
IPC: G16B5/00 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明属于生物信息获取的技术领域，公开了一种基于GNN神经网络的生物信息获取方法，在信息提取方面，通过使用MDL_molfile进行输入，可以涵括原子以及原子键更多的特征；在计算方面，使用精简张量存储分子底物信息，可以用于大规模的计算以及结果存储；在分子结构方面，可以处理更复杂的分子结构，捕捉原子间相互作用，并且可以处理不同大小的分子，在网络训练过程中可以找到它们的差异，有很高的实用价值。
-
Patent Agency Ranking
公开(公告)号：CN115205647A
公开(公告)日：2022-10-18
申请号：CN202210859319.4
申请日：2022-07-21
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于注意力机制与多尺度特征融合的植物图像分割方法，包括划分训练集、验证集和测试集，并进行数据处理；提取多尺度特征，包括深层特征和浅层特征；调整深层特征的通道权重，并对深层特征图进行上采样处理，得到上采样引导后的深层特征图；调整浅层特征的空间分布权重，得到调整空间分布权重后的浅层特征图；将上采样引导后的深层特征图和调整空间分布权重后的浅层特征图进行多尺度融合，得到多尺度融合后的特征图；模型训练，得到训练好的植物图像分割模型；最后对模型进行验证和测试。本发明能够较好的解决复杂背景下植物图像分割识别问题，具有较强的鲁棒性和较高的准确率，可为植物表型提取，长势预测提供视觉支持。
-
公开(公告)号：CN114913406A
公开(公告)日：2022-08-16
申请号：CN202110128301.2
申请日：2021-01-29
Applicant: 南京农业大学
IPC: G06V20/00 , G06V10/774 , G06V10/764 , G06K9/62 , G06V10/82 , G01N21/25 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种基于光学特性参数反演的叶绿素含量估测方法，它包括以下步骤：(1)、构建基于面光源的叶片模型进行光子传输模拟，获得仿真光谱图像；(2)、将仿真光谱图像输入卷积神经网络进行训练，得到预训练模型；(3)、基于预训练模型，在实测光谱数据上进行最大均值差异MMD迁移，获得训练全部层的光学参数反演模型；(4)、利用MMD迁移得到的光学参数反演模型进行叶片叶绿素含量估测。基于MMD迁移的绿萝叶片光学参数反演方法，与普通模型迁移方法相比，具有更好的性能。
-
公开(公告)号：CN113989296A
公开(公告)日：2022-01-28
申请号：CN202111074382.9
申请日：2021-09-14
Applicant: 南京农业大学
Abstract: 本发明提出基于改进U‑net网络的无人机麦田遥感图像分割方法，通过加入注意力模块的方式加强目标特征学习，同时通过改进损失函数的方法对权重进行重分配，从而解决遥感图像中目标背景类别分布不均的问题；最后，结合形状先验信息对分割结果进行进一步修正。本发明利用采集的无人机麦田数据集进行训练和模型验证，试验结果表明，分割准确率和平均交并比分别达93.31％和73.91％，较好解决了田埂分割遮挡和缺失等问题。
-
公开(公告)号：CN112036335A
公开(公告)日：2020-12-04
申请号：CN202010915753.0
申请日：2020-09-03
Applicant: 南京农业大学
Abstract: 本发明提出一种反卷积引导的半监督植物叶部病害识别与分割方法，使用少量病害类别标注和病斑的像素级标注，通过反卷积实现病害种类的识别和病斑区域的分割。本方法通过一致性正则化、熵最小化方法生成无标记样本的类别预测标签；将有标记样本和无标记样本进行图像混合，利用新生成的图像进行半监督病害分类；对类别信息进行上采样，利用少量像素级标记进行半监督病斑分割。在模型训练的过程中，使用指数加权平均更新模型参数，使模型在测试数据上更加鲁棒。本发明适用于标签样本数量不足的植物叶部病害识别与分割的情况，实现了识别与分割的一体化，模型在光线不足、有异物遮挡叶片图像中具有较强的泛化能力，识别和分割速度能够满足实时性要求。
-
公开(公告)号：CN111968700A
公开(公告)日：2020-11-20
申请号：CN202010644955.6
申请日：2020-07-07
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于BERT的水稻表型组学知识图谱关系提取方法及系统，包括如下步骤：首先，使用植物本体论对于水稻表型组学数据进行关系分类，获得关系数据集；其次，将关系数据集转化为词向量、位置向量以及句子向量表示，输入BERT模型进行训练与测试，生成关系抽取模型；最后，将需要抽取的水稻表型组学文本与实体输入关系抽取模型，返回相应的关系，本发明构建了水稻表型组学专用数据集，使用多种向量表示作为输入，能够更好对句子内部以及句间关系特征进行提取，提升水稻表型组学知识图谱关系提取的效率和性能。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.029 seconds)
