-
公开(公告)号：CN118968053A
公开(公告)日：2024-11-15
申请号：CN202410959392.8
申请日：2024-07-17
Applicant: 浙江农林大学
IPC: G06V10/26 , G06V20/10 , G06V10/774 , G06V10/776 , G06V10/40 , G06V10/22 , G06V20/70
Abstract: 本发明涉及农业检测技术领域，本发明提供一种茶树虫害的检测方法与装置，获取待测图像，待测图像至少包括虫害图像；获取虫害识别模型，虫害识别模型至少包括下采样单元、上采样单元和识别单元；通过下采样单元对待测图像进行切割，从而获得基于虫害的特征获得的切割图像；再通过上采样单元对切割图像进行尺寸恢复，获得采样图像，以使采样图像与原始图像具有对应性；最后通过识别单元对采样图像进行识别，获取与虫害图像对应的虫害信息和与虫害信息对应的治理信息；通过下采样再上采样的方式能够更适合小目标的切割，从而能够跟准确的获得虫害图像，从而能够对虫害图像进行识别分析，获得准确的虫害信息，满足虫害检测的准确度要求。
-
公开(公告)号：CN118784305A
公开(公告)日：2024-10-15
申请号：CN202410880915.X
申请日：2024-07-02
Applicant: 浙江农林大学
Abstract: 本发明公开了一种基于联邦学习的车联网入侵检测模型构建方法，将本地模型按照特征提取器和分类器进行解耦；选择与每个参与训练的车辆客户端相似度较高的其它车辆客户端；服务器收集各车辆客户端的本地特征提取器，并与上一轮次所得全局分类器分发给各车辆客户端；将本地分类器与服务器分发的其它车辆客户端的特征提取器进行聚合，形成评估模型；更新权重，得到更新后的车辆客户端本地特征提取器，将其与上一轮的全局分类器结合，更新本地模型；利用更新前后的车辆客户端本地特征提取器对本地数据集提取的特征表示进行聚合后，得到当前特征表示；服务器收集所有当前特征表示训练全局分类器，并分发给参与下一轮训练的车辆客户端，本发明保障了数据隐私和安全性。
-
公开(公告)号：CN118432906A
公开(公告)日：2024-08-02
申请号：CN202410584498.4
申请日：2024-05-12
Applicant: 浙江农林大学
IPC: H04L9/40 , G06F18/2115 , G06F18/214 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种抵御攻击的网络攻击识别方法、装置及设备，接收包含有若干网络流量样本的网络流量数据集；将网络流量样本中的字符特征映射为数值特征，并将映射后的数值特征与原始数值特征整合为数值样本#imgabs0#标准化数值样本#imgabs1#得到标准化后的数值型样本xz；构建抵御攻击的网络流量攻击识别模型，输入数值型样本xz，得到网络流量样本属于网络攻击的概率p，若概率p大于所设定的阈值时，则网络流量样本被识别为网络攻击样本。本发明充分考虑了识别模型受攻击对标准化后的数值样本的影响，大大提高了检测效率，经过试验验证，模型正常情况下，准确率达到0.9904，召回率分别0.9898；模型受攻击情况下，准确率为0.9564，召回率0.9661，能准确识别网络流量攻击数据。
-
公开(公告)号：CN118362684A
公开(公告)日：2024-07-19
申请号：CN202410287096.8
申请日：2024-03-13
Applicant: 浙江农林大学
IPC: G01N33/00 , G01D21/02 , G06F18/10 , G06F18/214 , G06F17/18
Abstract: 本发明涉及人工智能技术领域，提供的一种基于树液流量的线性基线模型经济林健康监测方法，通过茎流仪采集树干液流数据，同时采用环境传感器获取多种类型环境数据，将树干液流数据和所述环境数据分别进行数据预处理，将预处理后的数据比例划分为训练集和测试集，初始化DLinear预测模型后将训练集输模型对模型进行训练，采用测试集对模型进行测试，当预测精度达到预设阈值，则输出模型用于基于实时获取环境数据预测树干液流数据。本发明还公开了一种用于执行上述方法的系统，该方法和系统能够将不同类型的环境数据分解为趋势分量、季节分量等，即可很好地解决时间序列中非线性关系，且能保持预测精度的同时，大大降低了算力需求。
-
公开(公告)号：CN118135609A
公开(公告)日：2024-06-04
申请号：CN202410279762.3
申请日：2024-03-12
Applicant: 浙江农林大学
IPC: G06V40/10 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/762 , G06V10/82 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/045
Abstract: 本发明涉及人工智能技术领域，提供的一种黄色粘虫板上基于深度学习的雷竹鳞翅目蚜虫检测方法，黄色粘虫板上基于深度学习的雷竹鳞翅目蚜虫检测方法中，通过步骤S1‑S4，通过采集不同天气环境下的蚜虫图像数据并对图像数据进行标注，将标注后的图像数据按比例划分成训练集、验证集和测试集；建立鳞翅目蚜虫检测模型，将训练集、验证集输入所述鳞翅目蚜虫检测模型进行训练和验证，并得到所述鳞翅目蚜虫检测模型的最优模型参数。本发明的鳞翅目蚜虫检测模型能够用于复杂的田间环境下黄色粘虫板上的鳞翅目蚜虫检测任务，保证识别精度的同时，大大降低模型的复杂度。
-
Patent Agency Ranking
公开(公告)号：CN117470808A
公开(公告)日：2024-01-30
申请号：CN202311479095.5
申请日：2023-11-08
Applicant: 浙江农林大学 , 海宁先进半导体与智能技术研究院
IPC: G01N21/47 , G01J3/28 , G01J3/02 , B23K26/362
Abstract: 本发明公开了一种主动光源式作物生长监测仪，属于光谱监测技术领域。装置包括沿光束传递方向依次设置的激光器、伽利略式扩束系统、平场凹面光栅和光丝烧蚀线阵列光电探测器；激光器和伽利略式扩束系统作为发光单元，平场凹面光栅和光丝烧蚀线阵列光电探测器作为感光单元。本发明采用空化辅助直写烧蚀的加工技术实现高精度、复杂结构的伽利略式扩束系统的制备，从而大幅度提高光斑均匀性。基于飞秒激光多丝加工技术实现光丝烧蚀线阵列光电探测器的高效制备，从而有效降低作物生长监测仪的制备成本。该主动光源式作物生长监测仪基于自身低制备成本、测量精度高以及便携性等优势有利于我国精确农业自主创新与产业化应用。
-
公开(公告)号：CN116758283A
公开(公告)日：2023-09-15
申请号：CN202310627111.4
申请日：2023-05-30
Applicant: 浙江农林大学
Abstract: 本发明公开了一种基于深度语义分割‑聚类的复杂RGB点云场景单木提取方法，具体包括：无人机图像采集和点云数据合成；基于深度点云语义分割网络实现树木点云的语义分割；基于语义分割的分类标签提取树木点云，并进行点云去噪；基于点云聚类的单木点云提取。本发明可以在复杂场景中有效提取指定树种的单木点云，能够为后续单木结构的提取、森林生物量的反演以及森林三维模型的构建提供强有力的支撑。
-
公开(公告)号：CN113591729B
公开(公告)日：2023-07-21
申请号：CN202110885400.5
申请日：2021-08-03
Applicant: 浙江农林大学
IPC: G06V20/10 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种结合RGB‑DSM图像和深度学习的城市森林单木树冠检测方法，属于目标检测领域。本发明提出了一种结合两种图像和深度学习的城市森林单木树冠检测方法，该模型先结合高程信息和色彩信息分别进行单木树冠目标检测，再通过进一步的置信度重置和冗余消除形成了新的检测结果，从而提高了城市森林单木树冠检测任务的性能。相比于仅使用正射影像图或数字表面模型训练的深度学习网络，本发明具有明显的精度优势。
-
公开(公告)号：CN116415930A
公开(公告)日：2023-07-11
申请号：CN202310211084.2
申请日：2023-03-07
Applicant: 浙江农林大学 , 杭州市临安区农业农村局 , 浙江天演维真网络科技股份有限公司
IPC: G06Q10/20 , G06Q10/109 , G06Q50/02 , G06F17/10 , A01C21/00
Abstract: 本发明公开了一种面向智慧农业数据分析的物联网平台，包括数据收集模块、板结分析模块和翻耕施肥处理提醒模块，所述数据收集模块与板结分析模块电连接，其特征在于：所述数据收集模块用于收集农药喷洒田地的农药喷洒机数据，所述板结分析模块用于根据农药喷洒的次数和时间分析土壤的板结程度，所述翻耕施肥处理提醒模块用于提醒农田保养人员对板结严重的土壤进行翻耕施肥处理，所述数据收集模块包括农作物周期抉择模块，轨迹记录模块和数据存储模块，所述板结分析模块包括农作物生长率计算模块、板结程度计算模块和肥力丧失程度计算模块，所述翻耕施肥处理提醒模块包括抉择模块和优先级次序模块，本发明，具有实用性强的特点。
-
公开(公告)号：CN110837924B
公开(公告)日：2022-06-24
申请号：CN201911065762.9
申请日：2019-11-04
Applicant: 浙江农林大学
Abstract: 本发明公开了一种水质浊度预测方法，用于对待检测的水域进行水质浊度预测，在待检测的水域内设置采样点和边界点，根据边界点的坐标获取待检测的水域内的预测点集合N；然后依次选择预测点集合N中的点作为插值点Z，以采样点集合中两个采样点为参考点，使用线性插值的方法，计算出Z点对应于所述两个采样点的水质浊度预测值；最后对Z点对应的水质浊度预测值结果集合中每个预测值进行排序，选取出预测值大的前TR个预测值，计算所述TR个预测值的平均值作为Z点的水质浊度最终预测值。本发明在预测水质参数NTU的准确性方面有所提高，为小面积湖泊的水质预测提供了一种较为简便又有一定精度的新预测方法。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.029 seconds)
