-
公开(公告)号：CN113538390B
公开(公告)日：2023-05-09
申请号：CN202110838759.7
申请日：2021-07-23
Applicant: 仲恺农业工程学院
IPC: G06T7/00 , G06V20/10 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 一种柚子病虫害的快速识别方法，包括如下步骤：收集各种柚子病虫害的图片，采用LabelImg对各图片中病虫害根据其类别进行标注，得到训练数据集和验证数据集；将训练集和验证集中的图片输入YOLOv5x网络模型进行模型训练，得到YOLOv5x网络模型的最佳权重数据；将最佳权重数据加载到YOLOv5x网络模型中，输入待识别图片，输出识别的病虫害类别。本发明通过采集可涵盖几乎所有类别的柚子病虫害图片作为训练预测模型的数据集，提高目标检测的实用性，采用YOLOv5网络模型达到快速识别和预测的目的，为预防病虫害提供技术支撑。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN113537106A
公开(公告)日：2021-10-22
申请号：CN202110837178.1
申请日：2021-07-23
Applicant: 仲恺农业工程学院
Abstract: 一种基于YOLOv5的鱼类摄食行为识别方法，包括如下步骤：通过摄像头采集某一单一鱼群喂食前后的视频，提取关键帧图片并标注，建立数据集；图片输入YOLOv5网络模型，经预处理后依次进入Backbone网络和Neck网络进行特征融合，再输入Head输出端，得到预测框的位置、类别和置信度，采用加权非极大值抑制筛选预测框，通过计算损失函数调节权重参数，通过验证集不断优化模型参数，得到最佳权重数据；将测试集图片输入训练好的YOLOv5网络模型中，得到目标检测结果。本发明目标检测的准确性，采用YOLOv5网络模型，能够快速识别、实时跟踪和预测，并及时采取行动，达到提高养殖效益的目的。
-
公开(公告)号：CN113537106B
公开(公告)日：2023-06-02
申请号：CN202110837178.1
申请日：2021-07-23
Applicant: 仲恺农业工程学院
IPC: G06V20/52 , G06V20/40 , G06V10/44 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种基于YOLOv5的鱼类摄食行为识别方法，包括如下步骤：通过摄像头采集某一单一鱼群喂食前后的视频，提取关键帧图片并标注，建立数据集；图片输入YOLOv5网络模型，经预处理后依次进入Backbone网络和Neck网络进行特征融合，再输入Head输出端，得到预测框的位置、类别和置信度，采用加权非极大值抑制筛选预测框，通过计算损失函数调节权重参数，通过验证集不断优化模型参数，得到最佳权重数据；将测试集图片输入训练好的YOLOv5网络模型中，得到目标检测结果。本发明目标检测的准确性，采用YOLOv5网络模型，能够快速识别、实时跟踪和预测，并及时采取行动，达到提高养殖效益的目的。
-
公开(公告)号：CN114972949A
公开(公告)日：2022-08-30
申请号：CN202210520214.6
申请日：2022-05-13
Applicant: 仲恺农业工程学院
IPC: G06V10/82 , G06V10/774 , G06V10/764 , G06V10/80 , G06K9/62 , G06F17/10 , G06N3/04 , G06N3/08
Abstract: 一种乳鸽鸽龄检测方法，包括如下步骤：改进YOLOv5s网络模型，先将CBAM中的空间注意力改进为逐点空间注意力，再将改进后的CBAM注意力机制嵌入在YOLOv5s模型主干网络中每个残差分支的末端，将YOLOv5s的NMS策略从每个类分别进行NMS改进为多个类同时进行NMS，得到改进的YOLOv5s网络模型；数据集制作，对乳鸽图片按照日龄阶段进行标注；将数据集输入改进后的YOLOv5s网络模型中进行模型训练；加载最佳权重数据后，输入待识别图片进行识别。本发明加强了对重叠乳鸽的识别效率，也避免出现一只鸽子检测出多个不同生长阶段，提高了识别的准确率，检测速度快，促进投料的自动化。
-
公开(公告)号：CN113538390A
公开(公告)日：2021-10-22
申请号：CN202110838759.7
申请日：2021-07-23
Applicant: 仲恺农业工程学院
Abstract: 一种柚子病虫害的快速识别方法，包括如下步骤：收集各种柚子病虫害的图片，采用LabelImg对各图片中病虫害根据其类别进行标注，得到训练数据集和验证数据集；将训练集和验证集中的图片输入YOLOv5x网络模型进行模型训练，得到YOLOv5x网络模型的最佳权重数据；将最佳权重数据加载到YOLOv5x网络模型中，输入待识别图片，输出识别的病虫害类别。本发明通过采集可涵盖几乎所有类别的柚子病虫害图片作为训练预测模型的数据集，提高目标检测的实用性，采用YOLOv5网络模型达到快速识别和预测的目的，为预防病虫害提供技术支撑。
-
公开(公告)号：CN113538389A
公开(公告)日：2021-10-22
申请号：CN202110838756.3
申请日：2021-07-23
Applicant: 仲恺农业工程学院
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。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
