公开(公告)号：CN117063903A

公开(公告)日：2023-11-17

申请号：CN202311223649.5

申请日：2023-09-21

Applicant: 安徽大学

Inventor： 陈鹏 ,  王俊峰 ,  章军 ,  夏懿 ,  梁栋 ,  朱瑞 ,  庞春晖 ,  李高强 ,  张波 ,  张明年 ,  孟维庆

IPC: A01M1/04 ,  A01M1/20 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明涉及一种大型虫情监测回收方法，包括下列顺序的步骤：打开黑光引虫灯管和加热仓的上仓门，吸引虫子来到加热仓；关闭加热仓的上仓门和下仓门，执行加热杀虫工作，杀死虫子后，打开下仓门，加热烘干的虫子落到圆盘上摆放；位于圆盘正上方的相机对圆盘上的虫子进行拍照；拍摄的照片分别存储本地和上传云端进行识别，通过基于深度学习的图像识别模型，对图片内容进行依次识别；启动电刷对圆盘上的害虫进行清扫和回收。本发明还公开了一种大型虫情监测回收装置。本发明基于硬件、软件、电子、网络实现了自动化、智能化的虫情测报设备，为农业、林业等各个领域提供虫情的监测功能；实现软硬件的自动化，这使得虫情测报灯的工作更高效。

公开(公告)号：CN111611889B

公开(公告)日：2023-04-18

申请号：CN202010398156.5

申请日：2020-05-12

Applicant: 安徽大学

Inventor： 陈鹏 ,  李卫鹭 ,  方桃 ,  章军 ,  王兵 ,  梁栋

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/30 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于改进卷积神经网络的农田微型虫害识别装置，包括摄像终端系统、智能识别系统、远程更新系统。所述摄像终端系统用于通过摄像控制模块来调用终端摄像模块，拍摄田间微型虫害图片，并传送到智能识别系统中；所述智能识别系统，基于改进卷积神经网络，接收摄像终端系统拍摄的图片并进行一定的处理，通过智能识别系统识别拍摄图片中的农业微型虫害，再返回到摄像终端系统的界面以显示虫害的具体种类以及防治等信息；所述远程更新系统，在于实时存储用户拍摄的图片，以此定期更新智能识别系统，提高虫害识别精度和效率。本发明具有操作方便、智能交互、便于携带等优点。

公开(公告)号：CN115541604A

公开(公告)日：2022-12-30

申请号：CN202211120615.9

申请日：2022-09-15

Applicant: 安徽大学

Inventor： 陈鹏 ,  郑裕成 ,  郑春厚 ,  章军 ,  王兵 ,  向昕 ,  张成龙

IPC: G01N21/89 ,  G01N21/01 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的铝合金管图像缺陷检测装置，包括支撑架，支撑架包括底座和支撑杆，支撑杆安装在底座上，支撑杆上从上至下依次安装线阵相机和线阵光源，线阵相机通过可调支架安装在支撑杆上，线阵光源通过光源支架安装在支撑杆上，驱动电机、主动齿轮和圆柱体转筒安装在底座上，驱动电机的输出端与主动齿轮的一端相连，主动齿轮的另一端与圆柱体转筒固连，待测铝合金管位于圆柱体转筒上，线阵相机与PC机双向通讯。本发明还公开了一种基于深度学习的铝合金管图像缺陷检测装置的检测方法。本发明具有较高的检测精度和召回率，大大提高了划痕缺陷的检测精度，提高Resnet50‑YOLOv3网络模型的表征能力，减少无效目标干扰，提高了整体检测精度。

公开(公告)号：CN115050020A

公开(公告)日：2022-09-13

申请号：CN202210468407.1

申请日：2022-04-29

Applicant: 安徽大学

Inventor： 陈鹏 ,  黄琼娇 ,  章军 ,  夏懿 ,  梁栋 ,  黄林生 ,  张东彦 ,  赵晋陵 ,  王兵 ,  雷雨 ,  牛子寒 ,  路宝榕 ,  许浪

IPC: G06V20/68 ,  G06V20/70 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请公开了一种基于改进Mask R‑CNN草莓叶面积的智能视觉检测方法，包括以下步骤：获取带有参照物的草莓叶片照片数据；对照片数据进行预处理，得到输入图像数据；使用改进型Mask R‑CNN网络框架对输入图像数据进行特征提取，得的特征图像数据，改进型Mask R‑CNN网络框架中利用Swintransformer作为主干网络；将特征图像数据输入识别模型中，识别模型由改进型Mask R‑CNN网络框架进行模型训练得到；利用识别模型统计草莓叶片和参照物的像素；根据草莓叶片和参照物的像素面积比计算出草莓叶片的面积。本申请解决了现有技术中叶片面积测量方式比较繁琐、费时费工、对植株破坏性较大等技术问题，实现了采用改进Mask R‑CNN算法在对物体进行实例分割时具有叶片测量精度高，响应速度快的效果。

公开(公告)号：CN110097107A

公开(公告)日：2019-08-06

申请号：CN201910330282.4

申请日：2019-04-23

Applicant: 安徽大学

Inventor： 陈鹏 ,  杭杰 ,  章军 ,  王兵

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明公开了基于卷积神经网络的苹果树干病害识别与分类方法。将苹果树干的病害图片进行实地采集，考虑到拍摄位置，空间以及光线对图片质量的影响，对数据集进行了扩充，既能提高准确率的同时，更多的考虑到实际情况给卷积神经网络模型带来的负面影响。与人工判断病害费时费力，以及不稳定性相比，只需要借助一定的硬件模块并结合卷积神经网络模型就能准确的识别病害并做出及时的反馈和针对措施，不但节省人力和物力，还能最大化果园的经济效益。

公开(公告)号：CN220142543U

公开(公告)日：2023-12-08

申请号：CN202320919571.X

申请日：2023-04-19

Applicant: 安徽大学

Inventor： 王珂 ,  章军

IPC: A63B23/04 ,  A63B71/00

Abstract: 本实用新型公开了一种帕金森患者步态康复训练装置，包括底板，所述底板的顶端滑动连接有限位机构，所述底板的顶端螺纹连接有伸缩组件，所述底板的顶端开设有凹槽，所述凹槽的内壁上转动连接有转轴，所述转轴的内侧面固定连接有支撑板，所述支撑板的顶端转动连接有支杆。本实用新型采用上述结构，使用时，患者的脚可放入矩形槽内，其训练初期，使用者可打开电动推杆，在电动推杆的推动与拉动下，可大幅度降低防护壳滑动的助力，以便患者训练时，不需要使用太多的力气，当患者适应训练难度后，可将电动推杆拆卸下来，然后自行锻炼，以便提高患者的训练难度，从而促进对患者步态的康复锻炼。