一种基于YOLOv5的鱼类摄食行为识别方法

    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

    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。

    一种应用于产地溯源的肉类鉴别模型的构建方法以及装置

    公开(公告)号:CN112485217A

    公开(公告)日:2021-03-12

    申请号:CN202011404737.1

    申请日:2020-12-02

    Inventor: 吴霆 杨灵 钟南

    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。

    一种基于DBN-SOFTMAX的涉危农业投入品智能监测系统

    公开(公告)号:CN109669403B

    公开(公告)日:2020-05-19

    申请号:CN201811217079.8

    申请日:2018-10-18

    Abstract: 本发明公开了一种基于DBN‑SOFTMAX的涉危农业投入品智能监测系统,包括监控中心以及LORA网关,所述监控中心内部设有云服务器、智能设备模块、DBN‑SOFTMAX网络和数据库,且DBN‑SOFTMAX网络的内部设有投入品预测模块和SOFTMAX分类器,所述LORA网关一侧连接有若干个LoRa节点,所述LORA网关另一侧通过数据接收服务端与云服务器和数据库连接,所述云服务器一侧与投入品预测模块连接,所述投入品预测模块一侧与智能设备模块一侧连接,所述数据库与SOFTMAX分类器连接。本发明可对种植基地的农业投入品实时监测。

    配液箱及水培系统
    5.
    发明授权

    公开(公告)号:CN113455369B

    公开(公告)日:2023-07-14

    申请号:CN202110699931.5

    申请日:2021-06-23

    Abstract: 本发明提供了一种配液箱以及具有所述配液箱的水培系统。所述配液箱用于给水培系统中的水培箱提供营养液。所述配液箱包括水泵、补液装置和搅拌装置。所述水泵用于使所述水培箱和所述配液箱中的营养液形成循环通路。所述补液装置用于提供不同种类的养料。所述搅拌装置用于将所述补液装置补充的养料充分搅拌后输送至所述水培箱。通过在配液箱中设置补液装置和搅拌装置,所述搅拌装置可以将所述补液装置补充的多种养料充分搅拌后输送至所述水培箱,从而使得所述配液箱所提供的营养液的养料成分更加均匀。

    基于可见-近红外高光谱技术的脆肉皖脆度预测方法

    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

    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。

    一种实现仿真教学的物联网教学信息处理系统及方法

    公开(公告)号:CN109859309A

    公开(公告)日:2019-06-07

    申请号:CN201910032433.8

    申请日:2019-01-14

    Abstract: 本发明属于仿真教学技术领域,公开了一种实现仿真教学的物联网教学信息处理系统及方法,所述实现仿真教学的物联网教学信息处理系统包括:扫描模块、中央控制模块、网络通信模块、三维建模模块、视频编辑模块、视频处理模块、存储模块、VR显示模块。本发明通过三维建模模块极大的降低了构建三维场景模型的计算量;同时,通过视频处理模块可以利用GPU根据三幅已填充纹理图片中记录的每一像素点的图像信息,得到目标教学视频帧图像对应的RGBA格式的视频数据,而不是利用CPU直接对目标教学视频帧进行转换,可以提高数据计算速率,降低VR设备的CPU的负载,进而使得VR设备可支持较高分辨率的视频资源,提高用户体验。

    一种基于DBN-BP的水质参数亚硝酸氮的在线预测方法

    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

    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。

    鱼类产地溯源方法、电子设备、存储介质及装置

    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

    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。

    应用于物联网的电子秤无线智能传输方法、系统及设备

    公开(公告)号:CN104881985A

    公开(公告)日:2015-09-02

    申请号:CN201510284436.2

    申请日:2015-05-28

    Inventor: 杨灵 林忠茂 刘云

    CPC classification number: Y02P90/02

    Abstract: 本发明公开了一种应用于物联网的电子秤无线智能传输方法、系统及设备,方法包括:单片机接收电子秤所发送的数据,将该接收到的数据以XML文件格式保存,记为数据XML文件;单片机在数据XML文件的前面添加控制指令,并发送至WIFI模块中;WIFI模块根据控制指令将接收到的数据XML文件发送至服务器端;服务器端从WIFI模块所发送的数据中解析出数据XML文件中的由电子秤所发送的数据。本发明的优点在于:与传统的电子秤相比,利用该无线传输方法、系统及设备,电子秤将产生的数据传送至服务器端,则可以与其他物联网设备进行数据交互,进入物联网,使得电子秤成为物联网的一个终端设备。

Patent Agency Ranking