-
公开(公告)号：CN117689994A
公开(公告)日：2024-03-12
申请号：CN202311688187.4
申请日：2023-12-11
Applicant: 云南农业大学
IPC: G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/082 , G06T7/00
Abstract: 本发明涉及果树智能识别技术领域，且公开了一种基于深度学习的黄龙病检测方法及装置，包生成YOLO v8n‑C2G改进模型，引入坐标注意力机制，用于对植物疾病的特征提取之后引入GSConv模型，并更改模型特征提取的网络结构，用于对模型的推理速度进行优化，最后对预测框和真实框进行匹配。该一种基于深度学习的黄龙病检测方法及装置通过改进模型的内存占用量减少，平均精度提升，改进的YOLO v8n‑C2G模型在柑橘、沃柑、西柚的植物数据集上都有良好的表现和鲁棒性，推理速度快，精准度高，对实际场景中被遮挡的叶片检测性能好，易于部署，从而能够快速对病叶进行识别。
-
公开(公告)号：CN116129295A
公开(公告)日：2023-05-16
申请号：CN202211599465.4
申请日：2022-12-12
Applicant: 云南农业大学
IPC: G06V20/20 , G06V20/10 , G06V10/774 , G06V10/82 , G05D1/02
Abstract: 一种基于图像识别的玉米生长状况监测机器人研究方法。本发明提供一种基于图像识别的玉米生长状况监测机器人研究方法，通过设计了一种玉米生长状况监测机器人，机器人能够在工作时自由行走和机器人能够自动识别玉米后实现静态拍照继续前行识别拍照，在玉米生长周期定期采集玉米生长不同时期的根茎图片，建立玉米根茎数据库，然后对标注好的数据进行训练，利用Yolo V4算法对玉米茎叶在线识别并拟合行走路径，最后设计不同环境状況下的试验来测试机器人行走的精确性，从而验证了机器人在玉米行走的可行性，实现了机器人自动识别玉米后实现静态拍照继续前行识别拍照，以提高视觉系统的可见能力，能够准确了解玉米作物生长状况，降低监测误差。
-
公开(公告)号：CN116242813A
公开(公告)日：2023-06-09
申请号：CN202310237625.9
申请日：2023-03-13
Applicant: 云南农业大学
IPC: G01N21/64
Abstract: 本发明提出了一种基于多光谱成像技术检测果蔬农药残留方法及系统，涉及智慧农业领域。一种基于多光谱成像技术检测果蔬农药残留方法，其包括如下步骤，搭建多光谱荧光图像采集系统：将多个被测样品依次通过紫外光源照射，并用多通道多光谱相机采集荧光特性最明显通道的图像数据；搭建农药残留检测模型：对采集图像进行处理后搭建农药残留检测模型，通过所述农药残留检测模型对比找到最优模型，将最优模型部署到控制系统实现通过图像识别检测果蔬农药残留。此外本发明还基于上述方法提出了一种基于多光谱成像技术检测果蔬农药残留系统。其能够有效解决农药残留检测会破坏样品的情况，降低检测成本，并且提高农药残留检测准确率。
-
公开(公告)号：CN115761494A
公开(公告)日：2023-03-07
申请号：CN202211454861.8
申请日：2022-11-21
Applicant: 云南农业大学
IPC: G06V20/10 , G06V10/82 , G06V10/774 , G06T3/40 , G06N3/08 , A01M9/00 , A01M7/00 , G06N3/0464
Abstract: 本发明提出了一种基于卷积神经网络的施药方法及系统，涉及智慧农业领域。一种基于卷积神经网络的施药方法，其包括如下步骤：(1)采用树莓派作为喷药机器人的控制系统，对控制系统进行设计；(2)获取具有不同疾病的多个作物图像，其中多个作物图像大小不一；对多个作物图像进行图像灰度化；以插值算法处理多个所述作物图像后进行图像增强；对增强后的图像进行归一化处理；(3)利用多种卷积神经网络建模方法建立作物害检测模型，对模型进行训练与测试；(4)将算法模型部署到所述喷药机器人中。能够提高农业病害检测及施药自动化，提升病害检测效果，使病害分类结果更准确。
-
-
-
Search Results
4
records
(took 0.024 seconds)
