-
公开(公告)号：CN111814878B
公开(公告)日：2023-06-06
申请号：CN202010658944.3
申请日：2020-07-09
Applicant: 仲恺农业工程学院
IPC: G06F18/241 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 基于SSDA‑HELM‑SOFTMAX的农业投入品实时分类预测方法，包括下列步骤：采集农业投入品投入前后的数据，对数据进行预处理，由训练样本集得到分类预测模型，将测试样本输入得到分类预测结果；预测模型采用自编码神经网络逐层预训练加微调方式获得初始化参数，并将SSDA的解码部分去掉，与层级结构ELM网络连接，将初始化权值对SSDA‑HELM进行初始化设置得到最优解，并将提取的特征值送入SOFTMAX分类器。本发明构建基于SSDA‑HELM‑SOFTMAX的农业投入品分类预测模型，该预测模型具有学习速度快、预测准确率高、泛化能力强以及不易陷于局部最优解等优良特性，同时模型稳定性高。
-
公开(公告)号：CN112485217B
公开(公告)日：2023-04-25
申请号：CN202011404737.1
申请日：2020-12-02
Applicant: 仲恺农业工程学院
IPC: G01N21/3563 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06Q30/018
Abstract: 本发明提供了一种应用于产地溯源的肉类鉴别模型的构建方法，包括以下步骤：步骤1：分别制备多个不同肉类的样本集，每个样本集包括多个检测样本；步骤2：采用红外光谱仪分别采集步骤1中每个检测样本的原始光谱数据；步骤3：对所述原始光谱数据使用OST划分算法进行奇异点检测，然后将奇异点样本从每种肉类的样本集中剔除后得到对应的剩余样本集；步骤4：对多个所述剩余样本集中所有样本的原始光谱数据分别进行归一化预处理；步骤5：获取步骤4中得到的每个预处理后的光谱数据的光谱波段，保留需要的光谱波段，剔除冗余光谱波段；步骤6：将步骤5得到的光谱数据随机划分为校正集和检测集，通过校正集和检测集分别对基于CNN‑LSTM‑SOFTMAX网络的鉴别模型进行训练和检测。所述构建方法能够构建出对肉类进行溯源的模型。
-
公开(公告)号：CN114708322A
公开(公告)日：2022-07-05
申请号：CN202210208874.0
申请日：2022-03-03
Applicant: 仲恺农业工程学院 , 广州隆昇科技有限公司
Abstract: 一种红火蚁蚁巢被河流、公路分隔开的判断方法，采用在地理位置平台中标注河流、国道、省道、县道、乡道和专用道路的RGB值，并形成集合，然后与蚁巢位置集合比对，快速准确的识别和标注蚁巢点，高效快速，并且位置精准，给红蚁的防治，提供有效的数据支撑。解决现有技术中采用人工判断，工作量巨大，并且精度低的问题。
-
公开(公告)号：CN113538389B
公开(公告)日：2023-05-09
申请号：CN202110838756.3
申请日：2021-07-23
Applicant: 仲恺农业工程学院
IPC: G06T7/00 , G06T7/62 , G06T7/73 , G06V10/44 , G06V10/75 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 一种鸽蛋品质识别方法，包括如下步骤：采用视觉传感器获取鸽蛋的图片，将鸽蛋标注为受精蛋、完好非受精蛋和破损非受精蛋三个类别，得到用于模型训练的训练集和验证集；将训练集和验证集中的图片输入YOLOv5s网络模型进行模型训练，得到YOLOv5s网络模型的最佳权重数据；将最佳权重数据加载到YOLOv5s网络模型中，输入待识别的图片，输出识别结果；可在暗室环境下，将鸽蛋放置于底部具有光源的检测位置处进行拍摄。本发明对鸽蛋等蛋类产品是否破损和受精进行识别，检测速度快，部署方便快速，方便根据识别结果对蛋类产品进行剔除和分类，检测效率高，保证蛋品质量，适合于规模化产品检测。
-
公开(公告)号：CN109828089B
公开(公告)日：2022-01-18
申请号：CN201910112831.0
申请日：2019-02-13
Applicant: 仲恺农业工程学院
Abstract: 本发明公开了一种基于DBN‑BP的水质参数亚硝酸氮的在线预测方法，包括如下步骤：(1)水质数据采集：在线水质检测系统连续采集水体中的水质参数数据以及对应的水质参数数据下的亚硝酸氮浓度数据，得到原始数据；所述水质参数包括温度值、pH值、溶解氧值、氧化还原电位值；(2)数据预处理：对收集的原始数据依次进行过滤异常数据处理、粗糙集约简处理、数据归一化处理，得到测试样品数据集；(3)计算预测值：将测试样品数据集输入DBN‑BP模型进行训练，计算获得预测值。本预测模型性能良好，预测效果优异，可作为水质参数亚硝酸氮的在线预测方法，提高亚硝酸氮测定的准确性。
-
Patent Agency Ranking
公开(公告)号：CN111814878A
公开(公告)日：2020-10-23
申请号：CN202010658944.3
申请日：2020-07-09
Applicant: 仲恺农业工程学院
Abstract: 基于SSDA-HELM-SOFTMAX的农业投入品实时分类预测方法，包括下列步骤：采集农业投入品投入前后的数据，对数据进行预处理，由训练样本集得到分类预测模型，将测试样本输入得到分类预测结果；预测模型采用自编码神经网络逐层预训练加微调方式获得初始化参数，并将SSDA的解码部分去掉，与层级结构ELM网络连接，将初始化权值对SSDA-HELM进行初始化设置得到最优解，并将提取的特征值送入SOFTMAX分类器。本发明构建基于SSDA-HELM-SOFTMAX的农业投入品分类预测模型，该预测模型具有学习速度快、预测准确率高、泛化能力强以及不易陷于局部最优解等优良特性，同时模型稳定性高。
-
公开(公告)号：CN106096484A
公开(公告)日：2016-11-09
申请号：CN201610693630.0
申请日：2016-08-19
Applicant: 仲恺农业工程学院
CPC classification number: G06K7/10009 , G06K17/00
Abstract: 本发明公开了一种应用于溯源系统的RFID的多标签检测方法及系统，该方法包括以下步骤：S1：RFID标签将标签数据tk转换为交织数据xk(j)，其中tk为第k个RFID标签要发送的标签数据，xk(j)为转换后的交织数据；S2：RFID读写器检测到经信道传输的输入数据r(j)，其中且hk为第k个RFID标签发送的信道系数，n(j)为加性高斯白噪声采样；S3：RFID读写器计算输出读写数据本发明提出了应用于溯源系统的RFID多标签检测算法，设计了IDMA算法的系统模型，该算法在检测效率、稳定性和误码率方面均优于MC‑CDMA、CDMA‑MMSE。
-
公开(公告)号：CN113504201A
公开(公告)日：2021-10-15
申请号：CN202110775100.1
申请日：2021-07-07
Applicant: 仲恺农业工程学院
IPC: G01N21/359
Abstract: 基于可见‑近红外高光谱技术的脆肉皖脆度预测方法，包括如下步骤：由高光谱成像摄像机拍摄处理后得到样品的原始近红外光谱数据，依次经黑白校正处理、标准正则变换预处理后，通过随机森林算法得到影响脆肉皖脆度的特征光谱波长，并得到各样品的高光谱特征值；通过质构仪检测得到样品的硬度值，建立脆肉皖脆度值与高光谱特征值的BP‑NN预测模型；将样品的高光谱特征值输入建立的BP‑NN预测模型中，即得待测脆肉皖的脆度。本申请采用质构仪和可见‑近红外高光谱成像系统(400‑1100nm)对脆肉皖进行脆度‑高光谱数据分析，建立BP‑NN预测模型，该预测模型具有较好的预测效果，适用于脆肉皖脆度无损检测。
-
公开(公告)号：CN109828089A
公开(公告)日：2019-05-31
申请号：CN201910112831.0
申请日：2019-02-13
Applicant: 仲恺农业工程学院
Abstract: 本发明公开了一种基于DBN-BP的水质参数亚硝酸氮的在线预测方法，包括如下步骤：(1)水质数据采集：在线水质检测系统连续采集水体中的水质参数数据以及对应的水质参数数据下的亚硝酸氮浓度数据，得到原始数据；所述水质参数包括温度值、pH值、溶解氧值、氧化还原电位值；(2)数据预处理：对收集的原始数据依次进行过滤异常数据处理、粗糙集约简处理、数据归一化处理，得到测试样品数据集；(3)计算预测值：将测试样品数据集输入DBN-BP模型进行训练，计算获得预测值。本预测模型性能良好，预测效果优异，可作为水质参数亚硝酸氮的在线预测方法，提高亚硝酸氮测定的准确性。
-
公开(公告)号：CN108489927A
公开(公告)日：2018-09-04
申请号：CN201810067761.7
申请日：2018-01-24
Applicant: 仲恺农业工程学院
IPC: G01N21/3563 , G06N3/04 , G06N3/08
CPC classification number: G01N21/3563 , G06N3/04 , G06N3/08
Abstract: 本发明公开了鱼类产地溯源方法，包括以下步骤：通过红外光谱仪采集鱼肉样本的光谱数据；将光谱数据导入到训练好的特征值训练模型，提取鱼肉产地的特征值；特征值作为BP神经网络的输入，BP神经网络对特征值进行分类，预测出鱼肉样本的产地；本发明还公开了一种电子设备、计算机可读存储介质及鱼类产地溯源装置；本发明使用DBN算法对鱼类的光谱数据进行学习，消除不相关和无效的光谱信息，将学习后的特征值作为BP神经网络的输入来匹配鱼类识别模型，具有较高的去噪能力，同时能够避免BP神经网络的初值随机选定和参数选取不合适导致的局部最优等问题；整体上，本发明所提供的鱼类产地溯源方法能进一步提高鱼类产地识别的准确性。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.026 seconds)
