-
公开(公告)号：CN113033670B
公开(公告)日：2023-06-23
申请号：CN202110333793.9
申请日：2021-03-29
Applicant: 华南农业大学
IPC: G06V10/764 , G06V10/778 , G06V10/20 , G06V10/46 , G06V20/10
Abstract: 本发明为克服对于地块破碎的水稻种植面积估算精度较低的缺陷，提出一种基于Sentinel‑2A/B数据的水稻种植面积提取方法，包括以下步骤：获取目标区域的Sentinel‑2A/B数据并对其进行拼接、裁剪操作，得到完整的遥感图像后对其进行预处理；建立特征工程，提取遥感图像的光谱特征、指数特征、纹理特征后进行叠加；通过不同的监督分类方法进行目标作物分类；对目标作物分类结果进行精度评估，选择分类精度最高的目标作物分类结果，根据不同遥感图像样本的光谱范围差异提取水稻的阈值，构建面向对象的决策树分类规则集，提取得到水稻区域，进一步通过计算水稻像素点占遥感图像的比重，计算得到水稻种植面积。
-
公开(公告)号：CN113473404B
公开(公告)日：2023-06-09
申请号：CN202110753252.1
申请日：2021-07-02
Applicant: 华南农业大学 , 广州华农大智慧农业科技有限公司
IPC: H04L41/0896 , H04W4/38 , H04L67/12
Abstract: 本发明为解决农业物联网集成网关通信模式单一、通信速率低的问题，提出一种基于宽窄带融合的农业物联网通信方法及设备，其中包括以下步骤：在目标农业环境监测位置设置若干传感器节点；获取传感器节点所采集的传感数据，并存储在本地数据文件中；对待传输的传感数据进行数据融合；根据预设的阈值对传感数据融合结果的数据量进行判断，当传感数据融合结果的数据量大于预设的阈值时，采用宽带网络并调用对应的通信协议将传感数据融合结果传输至服务器；否则，采用窄带网络并调用对应的通信协议将传感数据融合结果传输至服务器。本发明通过对传感数据进行数据融合以及网络带宽自适应分配，实现宽窄带融合通信传输。
-
公开(公告)号：CN113989353A
公开(公告)日：2022-01-28
申请号：CN202111112240.7
申请日：2021-09-18
Applicant: 华南农业大学
Abstract: 本发明涉及动物检测技术领域，公开了一种猪只背膘厚度测定方法，其获取猪只臀部的RGB‑D视频，通过预先训练的Mask R‑CNN模型从RGB‑D视频中的各帧图像中确定关键帧，并获得具有猪只目标的分割图像，Mask R‑CNN模型的特征提取网络采用轻量级网络MobilenetV3，其使用深度可分离卷积和逆残差结构，并引入轻量级attention模块；然后再根据猪只的生理部位和臀部宽度，将具有猪只目标的分割图像切割获得猪只臀部关键区域图像；接着将猪只臀部关键区域图像做四通道输入至训练好的深度学习模型网路中进行膘厚预测，该深度学习模型网络使用resenet50骨干网络结合FPN结构，使本发明的背膘厚度值预测更加准确。另外，本发明还提供一种实现上述方法的系统。
-
公开(公告)号：CN113033670A
公开(公告)日：2021-06-25
申请号：CN202110333793.9
申请日：2021-03-29
Applicant: 华南农业大学
Abstract: 本发明为克服对于地块破碎的水稻种植面积估算精度较低的缺陷，提出一种基于Sentinel‑2A/B数据的水稻种植面积提取方法，包括以下步骤：获取目标区域的Sentinel‑2A/B数据并对其进行拼接、裁剪操作，得到完整的遥感图像后对其进行预处理；建立特征工程，提取遥感图像的光谱特征、指数特征、纹理特征后进行叠加；通过不同的监督分类方法进行目标作物分类；对目标作物分类结果进行精度评估，选择分类精度最高的目标作物分类结果，根据不同遥感图像样本的光谱范围差异提取水稻的阈值，构建面向对象的决策树分类规则集，提取得到水稻区域，进一步通过计算水稻像素点占遥感图像的比重，计算得到水稻种植面积。
-
公开(公告)号：CN112580671A
公开(公告)日：2021-03-30
申请号：CN202011637060.6
申请日：2020-12-31
Applicant: 华南农业大学
Abstract: 本发明提供的一种基于深度学习的稻穗多发育期自动检测方法，包括建立目标检测模型；在线连续采集监测区域图像数据，通过目标检测模型检测出每张图像中不同成熟度的各类稻穗数量；计算第i天中的各类平均稻穗数量；计算图像的各类稻穗密度；判断各类稻穗密度是否明显增加达到预设的阈值，若是，则判断稻穗已经进入相应的发育期；否则，重新计算另一天的各类平均稻穗数量。本发明提供一种基于深度学习的稻穗多发育期自动检测方法，通过建立目标检测模型实现对图像数据进行不同发育期图像自动特征提取，实现稻穗的目标检测，无需分割出稻穗区域，检测率高，实用性强，不受大风天气或复杂场景的影响，最终实现对稻穗多发育期的自动检测。
-
Patent Agency Ranking
公开(公告)号：CN107238374B
公开(公告)日：2019-05-07
申请号：CN201710307447.7
申请日：2017-05-04
Applicant: 华南农业大学
Abstract: 本发明公开了一种不规则平面零件的分类和识别定位方法，是采用双目立体视觉系统，通过对相机标定后获取的左右图像进行立体匹配以获得视差图，并根据三角测量原理将视差图转换为三维点云数据。本发明的计算效率高，方法稳定和精度高。
-
公开(公告)号：CN113724210B
公开(公告)日：2024-08-06
申请号：CN202110932657.1
申请日：2021-08-13
Applicant: 广州华农大智慧农业科技有限公司 , 华南农业大学
Abstract: 本发明提供了一种作物长势识别方法和系统，涉及作物监测技术领域。所述方法包括步骤：获取作物的深度图像、多光谱图像、RGB图像；计算作物株高，分析作物营养状况，识别作物病虫害情况；进行株高评分、营养状况评分和病虫害评分；对评分进行数据融合，计算得到作物的长势评分，若评分低于预设阈值，发出预警信息。本发明通过采集作物的深度图像、多光谱图像、RGB图像，计算得到作物的株高、营养状况、病虫害情况，从而多方面反应作物长势，并进行数据融合，得到综合的作物长势评分，监测的维度多样化，直观反应作物生长情况，避免了观测人员实地采样观测容易受到主观因素影响。
-
公开(公告)号：CN113473404A
公开(公告)日：2021-10-01
申请号：CN202110753252.1
申请日：2021-07-02
Applicant: 华南农业大学 , 广州华农大智慧农业科技有限公司
Abstract: 本发明为解决农业物联网集成网关通信模式单一、通信速率低的问题，提出一种基于宽窄带融合的农业物联网通信方法及设备，其中包括以下步骤：在目标农业环境监测位置设置若干传感器节点；获取传感器节点所采集的传感数据，并存储在本地数据文件中；对待传输的传感数据进行数据融合；根据预设的阈值对传感数据融合结果的数据量进行判断，当传感数据融合结果的数据量大于预设的阈值时，采用宽带网络并调用对应的通信协议将传感数据融合结果传输至服务器；否则，采用窄带网络并调用对应的通信协议将传感数据融合结果传输至服务器。本发明通过对传感数据进行数据融合以及网络带宽自适应分配，实现宽窄带融合通信传输。
-
公开(公告)号：CN118628743A
公开(公告)日：2024-09-10
申请号：CN202410795257.4
申请日：2024-06-19
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06V20/10 , G06N3/044 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于生成对抗网络的田间水稻图像自动分割方法，属于图像处理领域，包括以下步骤：对在不同光照条件下采集的田间水稻原始图像Img进行分块，并对图像块进行编号和风格分类；采用改进的CycleGan循环生成对抗网络，在不同色调下对曝光风格的图像块进行处理，将曝光风格的图像块转换为温光风格的图像块；对转换后的图像块进行分割处理，得到图像块二值图；根据图像块二值图的编号，按照顺序进行逆向拼接合成处理，得到田间水稻原始图像Img的分割结果。本发明减少了人工标注成本，更好地保持了水稻叶面细节信息和清晰度，解决了原始图像中曝光区域水稻难以分割的问题。
-
公开(公告)号：CN113724210A
公开(公告)日：2021-11-30
申请号：CN202110932657.1
申请日：2021-08-13
Applicant: 广州华农大智慧农业科技有限公司 , 华南农业大学
Abstract: 本发明提供了一种作物长势识别方法和系统，涉及作物监测技术领域。所述方法包括步骤：获取作物的深度图像、多光谱图像、RGB图像；计算作物株高，分析作物营养状况，识别作物病虫害情况；进行株高评分、营养状况评分和病虫害评分；对评分进行数据融合，计算得到作物的长势评分，若评分低于预设阈值，发出预警信息。本发明通过采集作物的深度图像、多光谱图像、RGB图像，计算得到作物的株高、营养状况、病虫害情况，从而多方面反应作物长势，并进行数据融合，得到综合的作物长势评分，监测的维度多样化，直观反应作物生长情况，避免了观测人员实地采样观测容易受到主观因素影响。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
