-
公开(公告)号：CN119418366A
公开(公告)日：2025-02-11
申请号：CN202411359002.X
申请日：2024-09-27
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06V40/10 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种轻量化的小目标害虫检测方法、装置及电子设备，方法包括：对采集的小目标害虫图像进行预处理，以构建害虫图像数据集；基于YOLOv5模型，构建小目标害虫检测模型；其中，在YOLOv5s模型的主干部分中增加小目标特征增强模块，小目标特征增强模块基于MobileNetv3和BiFomer结构构建；在YOLOv5s模型的颈部部分增加VoV‑GSCSP模块；训练小目标害虫检测模型，得到训练后的小目标害虫检测模型；将害虫图像数据集输入训练后的小目标害虫检测模型，得到小目标害虫图像的检测结果。本发明通过采用上述方法，解决相关技术中的害虫图像检测方法由于追求较高的识别精度，导致模型复杂程度高、参数量大，不利于模型在边缘设备上部署的问题。
-
公开(公告)号：CN115100517B
公开(公告)日：2023-10-24
申请号：CN202210646228.2
申请日：2022-06-08
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种田间昆虫识别方法及装置，该方法包括：获取目标图像；将目标图像输入昆虫识别模型，获取昆虫识别模型输出的目标图像的昆虫识别结果；其中，目标图像中包括田间昆虫；昆虫识别模型是以样本图像为样本，以样本图像的昆虫识别结果为样本标签进行训练后得到的；样本图像中包括田间昆虫；昆虫识别模型是基于融合通道信息和位置信息的双注意力机制以及MobileNet网络构建的。本发明提供的田间昆虫识别方法及装置，能通过在轻量级的MobileNet网络中引入双注意力机制，实现在降低模型复杂度、参数量和推理时长的同时，保持较高的田间昆虫识别准确率，实现昆虫识别模型在移动设备中的部署和应用。
-
公开(公告)号：CN119274026A
公开(公告)日：2025-01-07
申请号：CN202411202079.6
申请日：2024-08-29
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06V10/80 , G06V10/52 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/22 , G06N3/0464
Abstract: 本发明提供一种多尺度害虫种类的检测方法、装置及电子设备，方法包括：对采集的害虫图像进行预处理，以构建害虫图像数据集；基于YOLOv8模型，构建害虫图像检测模型；其中，在YOLOv8模型的网络架构的主干部分中添加深度多尺度卷积模块；在YOLOv8模型的网络架构的颈部部分添加尺度序列特征融合模块和特征编码模块；训练害虫图像检测模型，得到训练后的害虫图像检测模型；将害虫图像数据集输入训练后的害虫图像检测模型，得到害虫种类检测结果。通过采用上述方法，解决现有的害虫图像检测方式中对多尺度害虫检测精度受限的问题。
-
Patent Agency Ranking
公开(公告)号：CN119027718A
公开(公告)日：2024-11-26
申请号：CN202410992246.5
申请日：2024-07-23
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06V10/764 , G06V10/774 , G06V20/70 , G06V10/82 , G06V20/60 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/0895
Abstract: 本发明提供一种样本稀缺状况下的害虫图像识别方法及装置，方法包括：获取可见类害虫的图像数据、语义信息以及不可见类害虫的语义信息，以构建训练集；采用训练集对生成对抗网络中的生成器进行训练，得到训练后的生成器，生成对抗网络中添加有对比学习模块和视觉语义对齐模块；采用训练后的生成器对零样本分类器进行训练，得到训练后的零样本分类器；应用训练后的零样本分类器，识别不可见类害虫或可见类害虫的害虫种类。通过采用上述方法，解决传统的监督式害虫识别模型对训练样本数据中未出现过的害虫类别无法识别的问题。
-
公开(公告)号：CN114781683B
公开(公告)日：2023-10-20
申请号：CN202210208805.X
申请日：2022-03-04
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06Q10/04 , G06Q50/02 , G06F18/214 , G06F18/2415
Abstract: 本发明提供一种温室黄瓜霜霉病预测方法及装置，该方法包括：在待预测温室内黄瓜霜霉病菌孢子囊的数量大于第一预设值的情况下，获取待预测温室内的气象数据；将待预测温室内的气象数据输入黄瓜霜霉病预测模型，获取黄瓜霜霉病预测模型输出的待预测温室黄瓜霜霉病的预测结果；其中，黄瓜霜霉病预测模型，是基于样本数据及对应的样本标签进行训练得到的；样本数据，包括样本温室内的气象数据；样本标签，包括样本温室内黄瓜霜霉病的实际发病情况。本发明提供的温室黄瓜霜霉病预测方法及装置，能更准确的获取待预测温室内黄瓜霜霉病的预测结果，能为提前采取防治措施以更好的防治黄瓜霜霉病提供依据，能更好的防治黄瓜霜霉病。
-
公开(公告)号：CN115100517A
公开(公告)日：2022-09-23
申请号：CN202210646228.2
申请日：2022-06-08
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种田间昆虫识别方法及装置，该方法包括：获取目标图像；将目标图像输入昆虫识别模型，获取昆虫识别模型输出的目标图像的昆虫识别结果；其中，目标图像中包括田间昆虫；昆虫识别模型是以样本图像为样本，以样本图像的昆虫识别结果为样本标签进行训练后得到的；样本图像中包括田间昆虫；昆虫识别模型是基于融合通道信息和位置信息的双注意力机制以及MobileNet网络构建的。本发明提供的田间昆虫识别方法及装置，能通过在轻量级的MobileNet网络中引入双注意力机制，实现在降低模型复杂度、参数量和推理时长的同时，保持较高的田间昆虫识别准确率，实现昆虫识别模型在移动设备中的部署和应用。
-
公开(公告)号：CN115238237A
公开(公告)日：2022-10-25
申请号：CN202210646224.4
申请日：2022-06-08
Applicant: 北京市农林科学院信息技术研究中心
Abstract: 本发明提供一种虫情监测方法、装置及系统，该方法包括：将当前周期的目标图像中害虫的数量输入虫情估计模型，获取虫情估计模型输出的当前周期监测点处害虫发生数量的估计值，作为监测点当前周期的虫情监测结果；目标图像为设置于监测点处的粘虫板的图像；虫情估计模型，是基于样本粘虫板上捕获到的害虫的数量以及样本监测点处害虫发生数量的实际值，通过线性回归方法构建的；样本粘虫板设置于样本区域内的样本监测点处。本发明提供的虫情监测方法、装置及系统，能基于线性回归方法，根据粘虫板捕获到的害虫的数量，更科学、更准确的估计粘虫板所在监测点处害虫发生数量，从而能依据虫情监测结果更科学的做出害虫防控策略，能减少杀虫剂的使用。
-
公开(公告)号：CN114781683A
公开(公告)日：2022-07-22
申请号：CN202210208805.X
申请日：2022-03-04
Applicant: 北京市农林科学院信息技术研究中心
Abstract: 本发明提供一种温室黄瓜霜霉病预测方法及装置，该方法包括：在待预测温室内黄瓜霜霉病菌孢子囊的数量大于第一预设值的情况下，获取待预测温室内的气象数据；将待预测温室内的气象数据输入黄瓜霜霉病预测模型，获取黄瓜霜霉病预测模型输出的待预测温室黄瓜霜霉病的预测结果；其中，黄瓜霜霉病预测模型，是基于样本数据及对应的样本标签进行训练得到的；样本数据，包括样本温室内的气象数据；样本标签，包括样本温室内黄瓜霜霉病的实际发病情况。本发明提供的温室黄瓜霜霉病预测方法及装置，能更准确的获取待预测温室内黄瓜霜霉病的预测结果，能为提前采取防治措施以更好的防治黄瓜霜霉病提供依据，能更好的防治黄瓜霜霉病。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.036 seconds)
