-
公开(公告)号：CN119876474A
公开(公告)日：2025-04-25
申请号：CN202510255060.6
申请日：2025-03-05
Applicant: 之江实验室
IPC: C12Q1/6895 , C12N15/11
Abstract: 本发明公开了一种与大豆株高显著关联的单核苷酸突变位点SNP、KASP标记及其应用。该SNP分子标记位于大豆第5染色体36108741bp位置，碱基为T或C，与大豆株高表型显著相关，位点基因型为TT的大豆品种的株高显著低于基因型为CC的大豆品种；依据此SNP位点开发三条KASP引物，分别为SEQ ID NO.1、SEQ ID NO.2和SEQ ID NO.3，利用该引物对待测大豆进行PCR扩增和基因分型，若检测结果显示此标记位置碱基类型为T，则判定该大豆品种株高较矮；若检测结果为C，则判定株高较高。本发明的SNP分子标记可以作为大豆育种过程中株高性状的辅助选择标记，提高选择的准确性，加快大豆株高性状相关育种过程。
-
公开(公告)号：CN117011718B
公开(公告)日：2024-02-02
申请号：CN202311288015.8
申请日：2023-10-08
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
IPC: G06V20/10 , G06V10/764 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0895 , G06N3/094
Abstract: 据中。一种基于多元损失融合的植物叶片细粒度识别方法和系统，首先将植物叶片图像以九宫格的方式进行随机掩码完成图像增强，并与原图成对地输入到特征提取网络模型中，得到特征向量；将特征向量输入分类网络层中，并进行品种识别；将特征向量输入到对抗网络层中，进行二分类识别；将掩码图的特征向量输入到自编码网络模块中，进行图像复原的自监督学习；三项任务的损失函数共同监督并指导网络的训练；在自监督任务中掩码图像通过学习复原本身位置使特征提取网络关注到叶片局部特征，而原图在品(56)对比文件王泽宇 等.基于多模态特征的无监督领域自适应多级对抗语义分割网络《.通信学报》.2022,第43卷(第12期),157-171.齐爱玲 等.基于中层细微特征提取与多尺度特征融合细粒度图像识别《.计算机应用》.2023,第43卷(第8期),2556-2563.Gang Li 等.Self-supervised VisualRepresentation Learning for Fine-GrainedShip Detection《.2021 IEEE 4thInternational Conference on InformationSystems and Computer Aided Education(ICISCAE)》.2021,67-71.
-
Patent Agency Ranking
公开(公告)号：CN117011718A
公开(公告)日：2023-11-07
申请号：CN202311288015.8
申请日：2023-10-08
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
IPC: G06V20/10 , G06V10/764 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0895 , G06N3/094
Abstract: 一种基于多元损失融合的植物叶片细粒度识别方法和系统，首先将植物叶片图像以九宫格的方式进行随机掩码完成图像增强，并与原图成对地输入到特征提取网络模型中，得到特征向量；将特征向量输入分类网络层中，并进行品种识别；将特征向量输入到对抗网络层中，进行二分类识别；将掩码图的特征向量输入到自编码网络模块中，进行图像复原的自监督学习；三项任务的损失函数共同监督并指导网络的训练；在自监督任务中掩码图像通过学习复原本身位置使特征提取网络关注到叶片局部特征，而原图在品种识别任务中使特征提取网络关注叶片原有形状信息和全局特征；采用对抗损失函数进行原图与增强图的辨别，预防分类模型过拟合到增强数据中。
-
公开(公告)号：CN116805393A
公开(公告)日：2023-09-26
申请号：CN202310577483.0
申请日：2023-05-22
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
IPC: G06V20/10 , G06V10/58 , G06V10/80 , G06V10/764 , G06V10/82 , G06V10/26 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 一种基于3DUnet光谱‑空间信息融合的高光谱图像分类方法，包括：步骤一，获取高光谱摄像机对地面场景拍摄的三维图像数据以及对应像素级别的类别标注并做预处理；步骤二，对所述预处理后的Signal‑HSI信号进行样本分割；步骤三，对步骤二处理后的Patch利用3DUnet网络进行光谱特征提取及空间特征提取；步骤四，选对步骤三中的网络模型进行训练并保存训练后的参数；步骤五，利用训练好的网络模型，输入高光谱图像，预测出对应的像素类别。本发明还包括一种基于3DUnet光谱‑空间信息融合的高光谱图像分类系统。本发明通过不同层级的特征提取以及注意力机制，提高解码效率，实现高光谱图像像素级别的分类。
-
公开(公告)号：CN117576455A
公开(公告)日：2024-02-20
申请号：CN202311525557.2
申请日：2023-11-15
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
IPC: G06V10/764 , G06V20/17 , G06V10/82 , G06T7/00 , G01S19/42
Abstract: 本发明涉及无人机应用技术领域，具体公开了一种大豆种植区目标检测方法及系统，所述方法包括根据检测高度和待检范围确定检测路径；将所述检测路径向无人机发送，并基于GPS服务实时获取无人机的位置信息；根据所述位置信息确定异常时刻，根据所述异常时刻读取采集图像；对所述采集图像进行识别，定位异常物体，输出异常报告；其中，所述无人机在运动过程中，对采集图像进行预识别，并根据预识别结果实时调节运动参数。本发明通过无人机对大豆进行预识别，通过对无人机进行位置检测，即可快速定位可能存在异常的采集图像，这一过程中，需要读取的采集图像的数量较少，传输压力极小，可以有效提高无人机的检测范围。
-
公开(公告)号：CN117150785B
公开(公告)日：2024-05-24
申请号：CN202311139124.3
申请日：2023-09-05
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
Abstract: 本发明涉及大豆生长监测技术领域，具体公开了一种大豆生长全生育期仿真方法及系统，所述方法包括根据预设的传感器定时获取大豆的生长环境参数；所述生长环境参数为含有时间索引的矩阵组；根据所述生长环境参数确定大豆的生长参数；根据监控设备获取大豆的生长状态，将生长状态向人工端发送；根据生长状态和生长参数确定预测状态，根据预测状态实时验证生长状态，根据验证结果修正大豆的生长状态的判定过程。本发明在保证了真实度的情况下，将生长状态由图像转换为其他数据，比如文本数据，降低了数据量，缓解了数据压力。
-
公开(公告)号：CN117150785A
公开(公告)日：2023-12-01
申请号：CN202311139124.3
申请日：2023-09-05
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
Abstract: 本发明涉及大豆生长监测技术领域，具体公开了一种大豆生长全生育期仿真方法及系统，所述方法包括根据预设的传感器定时获取大豆的生长环境参数；所述生长环境参数为含有时间索引的矩阵组；根据所述生长环境参数确定大豆的生长参数；根据监控设备获取大豆的生长状态，将生长状态向人工端发送；根据生长状态和生长参数确定预测状态，根据预测状态实时验证生长状态，根据验证结果修正大豆的生长状态的判定过程。本发明在保证了真实度的情况下，将生长状态由图像转换为其他数据，比如文本数据，降低了数据量，缓解了数据压力。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
