-
公开(公告)号：CN115655468A
公开(公告)日：2023-01-31
申请号：CN202211307152.7
申请日：2022-10-25
Applicant: 华南农业大学
Abstract: 本发明属于无人机灌溉技术领域，具体为一种基于无人机光谱遥感的多传感器灌溉响应系统和方法，无人机获取茶树园光谱图像以及红外热图像信息，同时，通过气象台获得茶树的一系列生长环境信息对所述的光谱图像及红外热成像图像信息进行预处理和数据提取后，结合气象台的茶树生长信息建立茶树水分胁迫指数，根据茶树需水量公式及茶树水分胁迫程度确定各区域灌溉量，通过网关下发灌溉决策信息到各个微控制器节点，打开电磁阀，实现灌溉，水分入渗量和土壤水分湿度状态决定是否继续灌溉，达到土壤水分湿度饱和后，停止灌溉；本发明便于精确地获得土壤含水率信息，便于计算决策不同土壤灌溉所需的用水量，便于提高水分利用率，降低水资源的浪费。
-
公开(公告)号：CN116758234A
公开(公告)日：2023-09-15
申请号：CN202310764592.3
申请日：2023-06-27
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于多点云数据融合的山地地形建模方法，涉及三维建模技术领域，具体步骤为：对山体取初始深度图像，对初始点和水平面标定，多传感器采集数据进行数据融合，获取到空间位置信息的数据样点，通过无迹卡尔曼滤波算法进行数据融合，训练GAN算法对离散点云进行识别剔除，根据采集的初始图像对关键点云进行配准，结合GAN算法，对剔除后的点云造成的数据缺失进行生成填补，将样本数据进行插值后网格化，通过Savitzky‑Golay滤波对模型进行平滑处理，从而建立山地的三维立体模型。
-
公开(公告)号：CN114663785A
公开(公告)日：2022-06-24
申请号：CN202210272036.X
申请日：2022-03-18
Applicant: 华南农业大学
IPC: G06V20/17 , G06V20/68 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T3/40 , G01N21/25
Abstract: 本发明公开了一种基于无人机高光谱的荔枝病害检测方法及系统，通过无人机搭载机载高光谱相机获取并处理得到局部高光谱数据和可见光数据；将局部高光谱数据经过处理拼接成一幅高光谱立体全景图；选取特定大小的区域，将该区域中的光谱数据输入预先构建的病害数据模型，判断出该区域植株健康状况以及患病类型。该方法运用2D和3D卷积神经网络构建了深度影像拼接模型和病害数据模型，残差结构的设计使网络运算更加简单，所需计算量变小，为利用高光谱遥感技术进行大规模果园病害发散动向、病情监测和预警提供了数据支持。
-
公开(公告)号：CN114611655A
公开(公告)日：2022-06-10
申请号：CN202210272874.7
申请日：2022-03-18
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于改进蚁群算法的果园物联网节点故障检测方法及系统，其中，方法包括：S1、基于改进的蚁群算法计算果园物联网各节点间路径的信息素浓度矩阵，并在每次蚂蚁迁徙时，对信息素浓度矩阵进行更新；S2、基于SoftMax算法根据各节点间路径的信息素浓度计算对应路径的故障概率，若故障概率大于预设阈值，则判断该路径存在故障。本发明通过改进的蚁群算法，结合无线传输理论损耗，实现果园物联网节点无线传输故障的动态感知，降低节点维护成本。
-
公开(公告)号：CN117852766A
公开(公告)日：2024-04-09
申请号：CN202410042828.7
申请日：2024-01-11
Applicant: 华南农业大学
IPC: G06Q10/063 , G06Q10/04 , G06Q50/02 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于改进时间序列的果园土壤电导率预测方法，包括以下步骤：S1，获取基于原始时间序列的果园农情数据；S2，基于改进时间序列对原始时间序列的果园农情数据进行处理，获得改进时间序列数据；S3，将改进时间序列数据输入Transformer‑BiLSTM模型中进行果园土壤电导率预测，获得最佳预测结果。本发明通过使用改进时间序列的数据集，降低了数据集的冗余度；同时利用Transformer‑BiLSTM模型来处理时序数据，既具有处理长距离数据依赖性以及捕获全局序列信息的优势，又具有处理双向长短时记忆数据以及捕获局部上下文信息和时序特征的优势，保证了时序数据处理的效率，提高了果园土壤电导率预测结果的准确度。
-
Patent Agency Ranking
公开(公告)号：CN114495093A
公开(公告)日：2022-05-13
申请号：CN202210134409.7
申请日：2022-02-14
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于边缘计算的手持式病虫害识别与防治方法及系统，涉及农业害虫检测防治技术领域，其方法包括：对ShuffleNet卷积神经网络进行优化；利用迁移学习方法训练优化后的ShuffleNet卷积神经网络，并将训练好的ShuffleNet卷积神经网络部署到边缘计算设备，构建病虫害识别模型；获取待识别病虫害图片，将待识别病虫害图片输入病虫害识别模型进行识别，确定病虫害类别；根据病虫害类别制定防治方法，并通过无线网络进行病虫害的防治。该系统基于所述方法实现病虫害的识别与防治，通过本发明能够利用手持设备精确高效的完成农作物病虫害的识别与防治。
-
公开(公告)号：CN114663785B
公开(公告)日：2024-06-07
申请号：CN202210272036.X
申请日：2022-03-18
Applicant: 华南农业大学
IPC: G06V20/17 , G06V20/68 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06T3/4038 , G01N21/25 , G06N3/048
Abstract: 本发明公开了一种基于无人机高光谱的荔枝病害检测方法及系统，通过无人机搭载机载高光谱相机获取并处理得到局部高光谱数据和可见光数据；将局部高光谱数据经过处理拼接成一幅高光谱立体全景图；选取特定大小的区域，将该区域中的光谱数据输入预先构建的病害数据模型，判断出该区域植株健康状况以及患病类型。该方法运用2D和3D卷积神经网络构建了深度影像拼接模型和病害数据模型，残差结构的设计使网络运算更加简单，所需计算量变小，为利用高光谱遥感技术进行大规模果园病害发散动向、病情监测和预警提供了数据支持。
-
公开(公告)号：CN114611655B
公开(公告)日：2024-05-28
申请号：CN202210272874.7
申请日：2022-03-18
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于改进蚁群算法的果园物联网节点故障检测方法及系统，其中，方法包括：S1、基于改进的蚁群算法计算果园物联网各节点间路径的信息素浓度矩阵，并在每次蚂蚁迁徙时，对信息素浓度矩阵进行更新；S2、基于SoftMax算法根据各节点间路径的信息素浓度计算对应路径的故障概率，若故障概率大于预设阈值，则判断该路径存在故障。本发明通过改进的蚁群算法，结合无线传输理论损耗，实现果园物联网节点无线传输故障的动态感知，降低节点维护成本。
-
公开(公告)号：CN117011844A
公开(公告)日：2023-11-07
申请号：CN202311130015.5
申请日：2023-09-04
Applicant: 华南农业大学
Abstract: 本发明公开了一种密集小目标自动计数方法，包括：获取待计数果实的图像；将图像输入至目标检测模型，得到果实位置信息和置信度信息；将果实位置信息和置信度信息输入至目标跟踪模型得到果实目标跟踪结果；基于果实目标跟踪结果确定图像的计数结果。以及一种密集小目标自动计数系统，包括依次顺序连接的：数据获取模块、信息获取模块、目标跟踪模块和结果输出模块。实现了在保障精准高效的基础上实现果实自动化计数，解决了现有技术缺乏准确高效的自动化果实计数的问题。
-
公开(公告)号：CN116958071A
公开(公告)日：2023-10-27
申请号：CN202310829911.4
申请日：2023-07-07
Applicant: 华南农业大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/80 , G06V20/68
Abstract: 本发明公开了一种基于多模态融合的荔枝品质无损检测方法及系统，方法包括：获取多组不同角度的荔枝RGB图像和荔枝深度图像，构建荔枝数据集；建立改进型CenterNet网络模型，采用多模态数据融合策略；基于荔枝数据集对改进型CenterNet网络模型进行分布式训练，并优化训练过程；将拍摄的图像流输入训练好的改进型CenterNet模型中，实现荔枝品质无损检测。解决了传统果实品质检测方法效率低下、实时性不强、精度不够的问题，且本发明更加聚集图像局部关键区域，快速捕获图像中的关键信息，为荔枝品质在线无损检测技术与装备的研究提供理论支撑。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.022 seconds)
