-
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：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：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。
-
Patent Agency Ranking
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：CN116977863A
公开(公告)日：2023-10-31
申请号：CN202311079899.6
申请日：2023-08-24
Applicant: 仲恺农业工程学院
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种番茄植株病虫害检测方法及检测系统，包括如下步骤：减少YOLOv7模型中的通道数量，并将YOLOv7骨干网络中的Conv模块替换为XSepConv模块，得到YOLOv7‑XSepConv模型作为目标检测模型；待检测图片经预处理后输入训练好的目标检测模型中，得到检测结果；将目标检测模型用于微信小程序中，通过微信小程序的前端和后端服务可实现对番茄植株病虫害的快速识别和分类。本发明检测方法可在有限的计算资源下实现快速、实时的目标检测，可适应在小程序中的部署应用；检测系统的使用方法简单，用户只需上传植株照片，即可随时随地通过前端界面查看检测结果。
-
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：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：CN214669009U
公开(公告)日：2021-11-09
申请号：CN202120547433.4
申请日：2021-03-16
Applicant: 仲恺农业工程学院
Abstract: 一种基于水体中亚硝态氮预测模型的在线检测系统，包括位于前端的无线传感监测装置和位于后端的云服务器，无线传感监测装置包括传感器模块、集线器模块、中央处理器模块和供电模块，传感器模块包括传感单元和微处理单元，传感单元包括温度传感器、pH传感器、溶解氧传感器和氧化还原电位，中央处理器模块通过网络与云服务器相连；传感器模块还包括模数转换模块，中央处理器模块包括主ARM处理器、以太网控制芯片、滤波变压器和网口。本实用新型通过对温度、pH值、溶解氧含量和氧化还原电位这四个易于检测的水质指标进行在线检测，为亚硝态氮含量的预测提供数据样本集，从而实现对水体中难以检测的亚硝态氮含量的实时监控。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
