-
公开(公告)号：CN113192026B
公开(公告)日：2023-08-04
申请号：CN202110468741.2
申请日：2021-04-28
Applicant: 北京林业大学
IPC: G06T7/00 , G06T7/90 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06T5/00 , G06T5/40
Abstract: 本发明一种基于可见光图像的核桃成熟度检测与预测方法，属于深度学习和图像处理领域：首先采集不同时期的核桃样本及其彩色图像，并对样本的脂肪含量进行测定，根据不同时期核桃仁中脂肪含量及其外部特征，划分核桃成熟度等级，并建立核桃成熟度检测和预测数据集。然后进行低照度核桃图像筛选并对其进行预处理，之后将图像输入改进的FasterRCNN网络，该网络输出图像中核桃的成熟度，并用建议框标出，同时评估该成熟度下核桃仁中脂肪含量。最后，依据核桃建议框从原图截取核桃区域输入基于LSTM的核桃成熟度预测算法，进行三日后的核桃成熟度与脂肪含量预测。该方法可以准确检测出图像中核桃当前及其三日后的成熟度并评估其脂肪含量。
-
公开(公告)号：CN112989912A
公开(公告)日：2021-06-18
申请号：CN202011467599.1
申请日：2020-12-14
Applicant: 北京林业大学
Abstract: 本发明首先设计了无人机油茶果图像采集飞行高度计算规则，并按该规则采集图像，采用翻转、平移、裁剪和亮度调整等方式扩充图像数据，搭建油茶果图像数据集并划分数据集为训练集和测试集。其次，以训练集图像训练所提出的基于双线性注意力网络的油茶果品种识别模型，并通过测试集寻找最佳油茶果品种识别模型。接下来，对任意输入的无人机航拍油茶果图像，采用双线性EfficientNetB0网络提取油茶果图像特征，通过注意力机制对提取到的特征进行聚焦，确定油茶果品种识别所应重点关注的图像特征及区域；最后，采用双线性池化对双线性EfficientNetB0网络提取油茶果图像特征进行融合，获得融合后的特征向量，并通过Softmax分类器处理融合后的特征向量得到油茶果品种识别结果。
-
公开(公告)号：CN112989912B
公开(公告)日：2023-08-04
申请号：CN202011467599.1
申请日：2020-12-14
Applicant: 北京林业大学
IPC: G06V20/13 , G06V20/40 , G06V10/774 , G06V10/764 , G06V10/80
Abstract: 本发明首先设计了无人机油茶果图像采集飞行高度计算规则，并按该规则采集图像，采用翻转、平移、裁剪和亮度调整等方式扩充图像数据，搭建油茶果图像数据集并划分数据集为训练集和测试集。其次，以训练集图像训练所提出的基于双线性注意力网络的油茶果品种识别模型，并通过测试集寻找最佳油茶果品种识别模型。接下来，对任意输入的无人机航拍油茶果图像，采用双线性EfficientNetB0网络提取油茶果图像特征，通过注意力机制对提取到的特征进行聚焦，确定油茶果品种识别所应重点关注的图像特征及区域；最后，采用双线性池化对双线性EfficientNetB0网络提取油茶果图像特征进行融合，获得融合后的特征向量，并通过Softmax分类器处理融合后的特征向量得到油茶果品种识别结果。
-
公开(公告)号：CN113192026A
公开(公告)日：2021-07-30
申请号：CN202110468741.2
申请日：2021-04-28
Applicant: 北京林业大学
Abstract: 本发明一种基于可见光图像的核桃成熟度检测与预测方法，属于深度学习和图像处理领域：首先采集不同时期的核桃样本及其彩色图像，并对样本的脂肪含量进行测定，根据不同时期核桃仁中脂肪含量及其外部特征，划分核桃成熟度等级，并建立核桃成熟度检测和预测数据集。然后进行低照度核桃图像筛选并对其进行预处理，之后将图像输入改进的FasterRCNN网络，该网络输出图像中核桃的成熟度，并用建议框标出，同时评估该成熟度下核桃仁中脂肪含量。最后，依据核桃建议框从原图截取核桃区域输入基于LSTM的核桃成熟度预测算法，进行三日后的核桃成熟度与脂肪含量预测。该方法可以准确检测出图像中核桃当前及其三日后的成熟度并评估其脂肪含量。
-
-
-
Search Results
4
records
(took 0.024 seconds)
