-
公开(公告)号：CN119863464A
公开(公告)日：2025-04-22
申请号：CN202510349120.0
申请日：2025-03-24
Applicant: 三亚中国农业科学院国家南繁研究院 , 中国农业科学院农业信息研究所
IPC: G06T7/00 , G06N20/00 , G06N3/0464 , G06N3/08 , G06T7/10
Abstract: 本申请实施例提供了一种水稻稻瘟病病害等级智能评估及抗病性初筛方法、系统和设备，该方法包括：S1：采集感染稻瘟病的野生稻叶片图像数据，通过改进YOLOv8‑Seg分割模型对所述图像数据进行实例分割，获取分割结果，改进措施包括：GhostHierarchicalNet主干网络、CAHSFPN颈部网络和LSDECS Head分割头；S2：依据所述分割结果，统计病叶及病害区域的像素数量及其占比，结合抗病性鉴定技术规程，获取病害等级评估结果；S3：基于多次重复的所述病害等级评估结果，筛选抗病性强野生稻材料。该方法可以有效提高作物病害评估的准确性和效率，为大规模的野生稻抗病性筛选提供支撑，从而促进抗稻瘟病育种工作的开展。
-
公开(公告)号：CN117351356A
公开(公告)日：2024-01-05
申请号：CN202311364873.6
申请日：2023-10-20
Applicant: 三亚中国农业科学院国家南繁研究院 , 中国农业科学院农业信息研究所
IPC: G06V20/10 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及田间作物病害检测领域，具体为一种无人机视角下田间作物及其近缘种病害检测方法；本发明通过引入通过动态地调整其空间感受野的方式，更好的实现无人机视角下小尺寸病害目标的检测，在特征金字塔中引入了GSConv的混合卷积模块，以减少模型计算量与参数量，更加适合将其搭载在无人机的硬件上运行，通过进一步的引入可旋转的标记方框，配合对标记方框内特征置信度的计算，在实现任意方向病害定位检测的同时，也减少了引入的背景信息过多所造成的干扰，以提高田间无人机视角下作物及其近缘种病害检测的准确性和鲁棒性；解决了现有技术中通过无人机检测田间复杂环境下作物上小目标及密集目标时的准确率较低的问题。
-
公开(公告)号：CN117351356B
公开(公告)日：2024-05-24
申请号：CN202311364873.6
申请日：2023-10-20
Applicant: 三亚中国农业科学院国家南繁研究院 , 中国农业科学院农业信息研究所
IPC: G06V20/10 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及田间作物病害检测领域，具体为一种无人机视角下田间作物及其近缘种病害检测方法；本发明通过引入通过动态地调整其空间感受野的方式，更好的实现无人机视角下小尺寸病害目标的检测，在特征金字塔中引入了GSConv的混合卷积模块，以减少模型计算量与参数量，更加适合将其搭载在无人机的硬件上运行，通过进一步的引入可旋转的标记方框，配合对标记方框内特征置信度的计算，在实现任意方向病害定位检测的同时，也减少了引入的背景信息过多所造成的干扰，以提高田间无人机视角下作物及其近缘种病害检测的准确性和鲁棒性；解决了现有技术中通过无人机检测田间复杂环境下作物上小目标及密集目标时的准确率较低的问题。
-
公开(公告)号：CN115424247A
公开(公告)日：2022-12-02
申请号：CN202210728904.0
申请日：2022-06-24
Applicant: 中国农业科学院农业信息研究所
Abstract: 本发明提供了一种采用CBAM与八度卷积改进YOLOV5的温室番茄识别与检测方法，利用八度卷积提取温室番茄图像的高低频特征信息，压缩低频特征图的空间分辨率减少冗余空间信息，有效扩大2倍感受野，并降低模型的参数与浮点计算量；将注意力机制CBAM融入特征提取网络Backbone中，从复杂的背景颜色中提取更可区分的特征表示；使用天气数据增强技术，克服模型过拟合问题，并增强数据集的多样性与模型的鲁棒性；采用BCEWithLogitLoss损失函数使处理样本不均衡，并由SmoothBCE与QFocalLoss防止模型过拟合。本方法在复杂温室环境下的番茄检测中取得了最佳性能，为番茄采摘机器人的运行提供了稳定可靠的信息。
-
公开(公告)号：CN114548747A
公开(公告)日：2022-05-27
申请号：CN202210153657.6
申请日：2022-02-19
Applicant: 中国农业科学院农业信息研究所
IPC: G06Q10/06 , G06N20/00 , G06F16/2458 , G06F16/29
Abstract: 本发明公开了一种土壤重金属的空间插值方法、装置、电子设备及介质，上述方法包括：对目标地区多个样地采集土壤样品，获取各样地内土壤样品的相关属性数据；利用一块样地内土壤样品的相关属性数据输入构建的Stacking集成模型中进行土壤重金属的空间插值，优选出适用于目标地区的土壤重金属的最优集成模型；用其他块样地内土壤样品的相关属性数据对最优的集成模型进行迁移学习，得适用于目标地区的最优的土壤重金属空间插值模型；将目标地区的土壤的相关属性数据输入最优的土壤重金属空间插值模型，结合ArcGIS软件获得该土壤的空间插值结果。应用本发明实施例中的方法、装置、电子设备及介质能够较好的提高土壤重金属的空间插值性能，适用空间环境更广泛。
-
Patent Agency Ranking
公开(公告)号：CN115170542A
公开(公告)日：2022-10-11
申请号：CN202210886982.3
申请日：2022-07-26
Applicant: 中国农业科学院农业信息研究所
IPC: G06T7/00 , G06T7/11 , G06V10/762 , G06V10/764 , G06Q50/02
Abstract: 本发明公开了一种基于GLCM特征提取的马铃薯早晚疫病分类模型构建方法，包括S1、利用Fast K‑Means算法对马铃薯叶片灰度图像进行分割，获得叶片受关注的区域；S2、使用GLCM算法对叶片受关注的区域提取11类纹理特征信息，以形成病害特征向量；S3、将训练集和测试集分别训练投票分类器和测试训练好的投票分类器，将符合测试要求的训练好的投票分类器作为马铃薯病害识别模型。优点是：将基于支持向量机、K最邻近与随机森林分类器组合的投票分类器与灰度共生矩阵相结合，通过FastK‑Means聚类算法对感染区域马铃薯叶片分割，在保证准确分割叶片的同时提升分割速度，增强GLCM算法提取特征的能力；投票分类器相对于SVM、KNN和RF马铃薯叶部病害识别效果提高。
-
公开(公告)号：CN118552971A
公开(公告)日：2024-08-27
申请号：CN202410640335.3
申请日：2024-05-22
Applicant: 中国农业科学院农业信息研究所
IPC: G06V30/42 , G06V30/413 , G06V30/18 , G06V10/82 , G06Q10/063
Abstract: 本发明公开了一种基于文献中表格提取水资源指标体系的方法及系统，方法包括如下步骤，S1、表格区域检测；S2、图像预处理；S3、表格结构分析；S4、文本检测与识别；S5、指标体系生成。优点是：本发明方法能够快速、准确地从文献中提取水资源指标体系，提高了数据获取的效率和准确性。本发明通过对表格数据的自动提取和分析，有助于研究人员和决策者更有效地管理和利用水资源。
-
公开(公告)号：CN115170542B
公开(公告)日：2023-02-28
申请号：CN202210886982.3
申请日：2022-07-26
Applicant: 中国农业科学院农业信息研究所
IPC: G06T7/00 , G06T7/11 , G06V10/762 , G06V10/764 , G06Q50/02
Abstract: 本发明公开了一种基于GLCM特征提取的马铃薯早晚疫病分类模型构建方法，包括S1、利用Fast K‑Means算法对马铃薯叶片灰度图像进行分割，获得叶片受关注的区域；S2、使用GLCM算法对叶片受关注的区域提取11类纹理特征信息，以形成病害特征向量；S3、将训练集和测试集分别训练投票分类器和测试训练好的投票分类器，将符合测试要求的训练好的投票分类器作为马铃薯病害识别模型。优点是：将基于支持向量机、K最邻近与随机森林分类器组合的投票分类器与灰度共生矩阵相结合，通过FastK‑Means聚类算法对感染区域马铃薯叶片分割，在保证准确分割叶片的同时提升分割速度，增强GLCM算法提取特征的能力；投票分类器相对于SVM、KNN和RF马铃薯叶部病害识别效果提高。
-
公开(公告)号：CN114120037A
公开(公告)日：2022-03-01
申请号：CN202111415247.6
申请日：2021-11-25
Applicant: 中国农业科学院农业信息研究所
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于改进yolov5模型的发芽马铃薯图像识别方法，包括以下步骤：构建图像识别网络模型，获取马铃薯图片数据集，分为训练集和测试数据集；对数据集进行预处理分析，得到数据可视化结果，基于可视化结果确定数据集进行特征融合时采用的模型；采用训练集对构建图像识别网络模型进行训练，获取图像识别网络模型的各个参数指标，得到训练后的图像识别网络模型；采用测试数据集对训练后的图像识别网络模型进行测试，对测试结果的精度进行评价。利用9‑Mosaic算法对获取到的马铃薯图片进入backbone前进行增强优化，强化小目标特征，调整backbone内图内卷积传递规则，使用跨图卷积CrossConv替代Conv连接两个图内卷积，增强特征相似性，提高了发芽马铃薯识别的准确度。
-
公开(公告)号：CN110018997B
公开(公告)日：2021-07-23
申请号：CN201910175055.9
申请日：2019-03-08
Applicant: 中国农业科学院农业信息研究所 , 北京工业大学
IPC: G06F16/11 , G06F16/17 , G06F16/182
Abstract: 一种基于HDFS的海量小文件存储优化方法，属于存储性能优化领域，包括：初始化、文件访问状况分析、小文件分类暂存、小文件合并存储及回溯。方法针对文件的历史访问日志信息，对文件访问状况进行分析，计算文件之间的相关度，形成文件关联性映射集。根据所形成的文件关联性映射集，对小文件进行分类暂存，将相关度高的小文件暂存在一起，同时考虑了小文件的大小分布。最终对暂存的小文件进行合并存储，将小文件的原件及副本进行删除，将合并形成的大文件存储到HDFS当中。方法将原本存储于HDFS中的海量小文件通过合并的方式进行重存储，充分考虑了小文件的相关性和小文件的大小分布，有效地降低了名称结点的内存开销，提高了HDFS对小文件的存取效率。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.075 seconds)
