-
公开(公告)号：CN119618188A
公开(公告)日：2025-03-14
申请号：CN202411470240.8
申请日：2024-10-21
Applicant: 华南农业大学
Abstract: 本发明提供了一种果园农业机器人导航方法，属于农业机器人技术领域，该方法包括：构建果园的先验地图；对机器人的里程计初始化和后端修正：地面分割与障碍物识别；构建代价地图：通过先验地图的静态障碍物和地面分割后的动态障碍物构建代价地图，实现障碍物的可视化；路径规划：在代价地图上指定初始点和终点，先实现全局路径规划，在行进过程中出现动态障碍物时使用局部路径规划绕开障碍物实现避障功能，并进行实时轨迹优化和平滑控制。该方法能够实现机器人在复杂果园环境中的精确定位和自主导航；同时，通过全局路径规划和局部路径规划的结合，机器人能够灵活处理静态和动态障碍物，确保路径规划的鲁棒性和导航任务的有效性。
-
公开(公告)号：CN119537426A
公开(公告)日：2025-02-28
申请号：CN202411431784.3
申请日：2024-10-14
Applicant: 华南农业大学
IPC: G06F16/2455 , G06F16/28 , G06F18/214 , G06F18/243 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 本发明提供了一种基于智能算法和Flink的空气污染实时预警方法，涉及环境检测技术领域，包括，采集污染气体数据并经过预处理后存入MySQL数据库；利用自注意力时域卷积网络模型对MySQL数据库中无标签的历史数据进行标记，得到标记数据集；使用决策树算法PART对标记数据集进行自动规则提取，得到规则集；通过Flink CEP将规则集转换成复杂事件模式规则；通过Maxwell实时捕获MySQL数据库变更的数据并同步至Kafka的主题分区；通过Flink实时消费Kafka中的主题分区的数据流，并使用Flink CEP匹配预定义的复杂事件模式规则，在匹配成功时生成空气污染等级的警告信息，并实时显示在控制台上。实现实时监控空气污染等级变化、自动提取复杂事件处理规则以及自动化的规则生成，显著减少了人工成本。
-
公开(公告)号：CN118072852A
公开(公告)日：2024-05-24
申请号：CN202311760916.2
申请日：2023-12-20
Applicant: 华南农业大学
IPC: G16C20/30 , H10K30/50 , G16C20/20 , G16C20/70 , G06N3/09 , G06N5/01 , G06N20/20 , G06F18/243 , G06F18/2431
Abstract: 本申请提供了一种有机太阳能电池性能的预测方法及电子设备、存储介质，包括：获在FDTD中建立有机太阳能电池，改变有机太阳能电池的结构，模拟仿真出不同有机太阳能电池结构所对应的反射率光谱和光电转化效率，构建数据集；将仿真得到的反射率光谱与光电转化效率通过机器学习算法进行训练，得到有机太阳能电池性能预测模型；将待测有机太阳能电池的反射率光谱输入有机太阳能电池性能预测模型中对有机太阳能电池的光电转化效率进行预测；本申请通过将待测有机太阳能电池的反射率光谱输入有机太阳能电池性能预测模型中对有机太阳能电池的光电转化效率进行预测，整个过程简单高效，无需复杂的流程和日常维护，具有很高的经济性。
-
公开(公告)号：CN117727090A
公开(公告)日：2024-03-19
申请号：CN202311578011.3
申请日：2023-11-24
Applicant: 华南农业大学
IPC: G06V40/20 , G06V20/40 , G06V10/774 , G06N3/0455 , G06V10/40 , G06V10/74
Abstract: 本发明公开了一种基于遮挡修复的多步态识别方法，步骤如下：预处理多人同行步态数据集、检测和跟踪人物、生成单一个体的步态RGB图像、对步态RGB图像进行遮挡修复、提取黑白轮廓图像输入步态识别网络、步态识别网络计算欧式距离度量和特征相似度并输出行人身份信息识别结果。本发明实现了一种基于遮挡修复的多步态识别方法，对步态表征进行修复和补充，提高步态识别准确率，解决复杂情况下无法进行行人步态识别的问题。
-
公开(公告)号：CN117690065A
公开(公告)日：2024-03-12
申请号：CN202311695715.9
申请日：2023-12-12
Applicant: 华南农业大学
IPC: G06V20/50 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于改进YOLO模型的自然场景下蝉茶图像检测方法，该方法可实现自然环境下精准检测被小绿叶蝉叮咬的不同程度茶青。方法包括：采集自然场景下不同叮咬程度的茶青图片；构建数据集；建立改进YOLOV8网络模型。具体包括：选取YOLOv8s网络模型；引入CloAttention注意力机制添加到YOLOV8主干网络中的C2F模块；引入AFPN渐进特征金字塔网络；使用MPDIoU作为计算边界框回归的损失函数；训练改进的网络模型；网络模型部署及终端调用。本发明提出了一种基于改进YOLO模型的自然场景下蝉茶图像检测方法，解决了自然场景下不同叮咬程度蝉茶难以检测，现有算法检测精度低的问题。
-
Patent Agency Ranking
公开(公告)号：CN117456608A
公开(公告)日：2024-01-26
申请号：CN202311453568.4
申请日：2023-11-03
Applicant: 华南农业大学
IPC: G06V40/20 , G06V10/80 , G06V10/764 , G06V10/74 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于多特征融合的多步态识别方法，步骤如下：多人同行步态数据集拍摄和预处理，人物检测和跟踪，生成单一个体的步态RGB图像，提取黑白轮廓图像输入步态识别网络，提取骨骼关节点输入图卷积神经网络中，黑白轮廓图像步态特征与骨骼关节点步态特征在经过水平金字塔池化时进行维度拼接聚合以输出融合步态特征。最后，通过计算欧式距离度量，计算特征相似度并输出行人身份信息识别结果。本发明实现了一种多人同行情况下的多特征融合的步态识别方法，融合两种步态表征，提高步态识别准确率，解决复杂情况下无法进行行人步态识别的问题。
-
公开(公告)号：CN117423158A
公开(公告)日：2024-01-19
申请号：CN202311238146.5
申请日：2023-09-25
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于三维点云数据增强的步态识别方法，步骤如下：步态数据集预处理、生成三维人体步态数据、提取黑白二值图像输入步态识别网络、提取步态点云能量图输入PointNet分类网络、二维图像步态特征和三维点云步态特征沿通道维度拼接进行聚合输出、计算特征相似度并输出识别结果。本发明实现了一种新的联合图像特征和点云能量图特征融合的识别方法，具有对视角、遮挡、服装的不敏感性、多维信息提供的丰富性以及更强的鲁棒性。多特征融合识别方法能够综合各种信息、对抗噪声和变化、适应多样性数据、提高泛化能力。本发明解决了部分身体被遮挡难以获取足够的信息来进行识别的难题，对步态识别的产业化进程起到重要的推动作用。
-
公开(公告)号：CN116823916A
公开(公告)日：2023-09-29
申请号：CN202310555177.7
申请日：2023-05-16
Applicant: 华南农业大学
IPC: G06T7/60 , G06V20/17 , G06V10/80 , G06V10/766 , G06V10/82 , G06V20/70 , G06T17/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于yolov5x模型的水稻稻株高度测量方法，方法包括以下步骤：数据采集，获得水稻不同生长时期的航拍图像以及不同生长时期的高度；数据处理，对采集的航拍图像进行处理，得到包括水稻稻株高程融合图像的数据集；获取数据集中第一区域的水稻稻株的高程像素值以及对应水稻稻株的真实高度值，并建立水稻稻株的真实高度与高程像素值之间的最小二乘线性回归模型；利用YOLOv5x模型对数据集中的第二区域的位置进行识别，获取识别位置的融合图像的高程像素值；将获取的高程像素值代入建立的最小二乘线性回归模型，得到识别位置的水稻稻株高度。该方法能够快速准确检测水稻稻株的高度，为研究判断水稻的生长情况提供有力支持。
-
公开(公告)号：CN116563542A
公开(公告)日：2023-08-08
申请号：CN202310499071.X
申请日：2023-05-05
Applicant: 华南农业大学
Abstract: 本发明提供了一种基于大数据无人机遥感图像的并行分割方法、设备和介质，属于遥感图像分割技术领域，该基于无人机遥感图像的分割方法，包括以下步骤：获取目标图像，并将所述目标图像转换成二进制文本文件；读取所述二进制文本文件，并将所述二进制文本文件生成弹性分布数据集；改写图像分割算法并生成传递函数，根据所述弹性分布数据集构建新的弹性分布数据集；当触发操作指令后，运行图像分割算法，并行处理所述新的弹性分布数据集，并输出处理结果，完成大规模图像的并行分割操作。本申请提供的方案，通过Spark+图像分割算法进行集群式并行分割操作，能够对无人机拍摄的海量图像进行快速有效的分割处理，极大地缩短处理时间，提高了效率。
-
公开(公告)号：CN116363028A
公开(公告)日：2023-06-30
申请号：CN202310137833.1
申请日：2023-02-20
Applicant: 华南农业大学
IPC: G06T5/50 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及高光谱图像采集技术领域，尤其涉及一种基于注意力机制和稠密网络的高光谱重建方法和存储介质，该方法包括S1、将原始RGB图像输入浅层特征提取模块，进行浅层特征提取，输出特征图像T1；S2、将特征图像T1输入深层特征提取模块，输出特征图像T2，其中深层特征提取模块由若干个稠密注意力模块连接构成，每个稠密注意力模块由一个注意力模块和一个稠密模块组成；S3、将特征图像T2输入光谱特征重组模块，输出高光谱图像T3；S4、计算真实高光谱图像数据G和重建的高光谱图像T3的误差，优化高光谱重建网络的权重，该方法能同时关注通道信息和光谱信息，以及对不同特征的进行不同的融合重建。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.027 seconds)
