-
公开(公告)号:CN118447496A
公开(公告)日:2024-08-06
申请号:CN202410595977.6
申请日:2024-05-14
Applicant: 华南农业大学
IPC: G06V20/68 , G06V20/17 , G06V10/82 , G06V10/25 , G06V10/764 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于改进YOLOv8的芦荟估产系统,包括数据采集模块、数据预处理模块、目标检测模块、性能估算模块、输入模块、跟踪模块、计数模块、输出模块和数据库;数据采集模块用于使用无人机拍摄视频获取芦荟植株数据;数据预处理模块,对无人机拍摄的芦荟数据视频进行预处理,得到图片数据集,并对芦荟植株进行标注,最后对数据集进行划分。本发明利用了现有技术中YOLOv8的深度网络学习架构进行芦荟植株检测过程中的深度学习,通过在主干添加EMA注意力机制模块提升模型特征提取能力,在颈部采用bifpn结构和改进卷积模块从而使模型更加轻量化,具有很强的学习效果,准确度和效率均高于普遍的人工计数。
-
公开(公告)号:CN117333769A
公开(公告)日:2024-01-02
申请号:CN202311270035.2
申请日:2023-09-28
Applicant: 广东省农业科学院作物研究所 , 华南农业大学
Abstract: 本发明涉及一种基于深度学习的甘薯病毒病识别方法及系统。该方法包括:获取多张染病甘薯的RGB叶片图像;对所述RGB叶片图像进行数据预处理,生成预处理后的数据集;构建深度学习分割模型;将所述预处理后的数据集输入所述深度学习分割模型,得到优化后的甘薯病毒病识别模型;获取待识别的染病甘薯的RGB叶片图像;将所述待识别的染病甘薯的RGB叶片图像输入至所述优化后的甘薯病毒病识别模型,得到二值化的识别结果图;根据所述二值化的识别结果图,得出甘薯病毒病的识别结果。本发明能够高效地在自然环境中识别甘薯病毒病,克服了传统检测方式中的困难、耗时和昂贵的问题。
-
公开(公告)号:CN109005921B
公开(公告)日:2022-05-13
申请号:CN201810687012.4
申请日:2018-06-28
Applicant: 华南农业大学
IPC: A01D46/30
Abstract: 本发明公开了一种荔枝采摘机驱动控制系统,包括控制芯片、电机驱动模块、电机堵转保护模块、传感器检测模块和电机,传感器检测模块安装于电机上,控制芯片的输入端与传感器检测模块的输出端连接而检测电机的工作电流和动刀片的位置;控制芯片的输出端与电机驱动模块连接而控制电机的工作状态;电机堵转保护模块与电机驱动模块连接而在电机工作电流过大时断开电机的工作电流。本发明还公开了一种控制方法。在工作时,电机驱动动刀片运动。控制芯片通过传感器检测模块检测电机的工作电流值和动刀片的位置,然后控制芯片输出控制到电机驱动模块,以控制电机的工作状态,从而控制动刀片切割果枝或复位,实现自动化、高效率和低成本控制采摘机的目的。
-
公开(公告)号:CN109005921A
公开(公告)日:2018-12-18
申请号:CN201810687012.4
申请日:2018-06-28
Applicant: 华南农业大学
IPC: A01D46/30
CPC classification number: A01D46/30
Abstract: 本发明公开了一种荔枝采摘机驱动控制系统,包括控制芯片、电机驱动模块、电机堵转保护模块、传感器检测模块和电机,传感器检测模块安装于电机上,控制芯片的输入端与传感器检测模块的输出端连接而检测电机的工作电流和动刀片的位置;控制芯片的输出端与电机驱动模块连接而控制电机的工作状态;电机堵转保护模块与电机驱动模块连接而在电机工作电流过大时断开电机的工作电流。本发明还公开了一种控制方法。在工作时,电机驱动动刀片运动。控制芯片通过传感器检测模块检测电机的工作电流值和动刀片的位置,然后控制芯片输出控制到电机驱动模块,以控制电机的工作状态,从而控制动刀片切割果枝或复位,实现自动化、高效率和低成本控制采摘机的目的。
-
公开(公告)号:CN117392104A
公开(公告)日:2024-01-12
申请号:CN202311447276.X
申请日:2023-11-02
Applicant: 华南农业大学
IPC: G06T7/00 , G06T7/194 , G06V20/10 , G06V20/68 , G06V10/764 , G06V10/82 , G06V10/77 , G06V10/44 , G06V10/56 , G06V10/58 , G06V10/26 , G06V10/25 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的计算机视觉水稻质量测定方法。本发明中,基于卷积神经网络FasterR-CNN实现了盆栽水稻穗数的自动检测,基于SegNet网络框架训练模型对盆栽水稻稻穗进行分割。利用RGB和HIS等颜色空间对整株水稻图片和分割后稻穗图片进行阈值分割,经过图像处理,提取了51个整株水稻特征和33个穗部特征。根据提取的85个特征数据,建立多个盆栽水稻稻穗鲜质量和干质量预测模型,使用五倍交叉验证对模型进行评估,从而使得整个方法的准确性得到了提高,同时也降低了水稻质量检测分析的时间,提高了测试效率,减轻了相关工作人员的劳动负担。
-
公开(公告)号:CN116824369A
公开(公告)日:2023-09-29
申请号:CN202310721957.4
申请日:2023-06-19
Applicant: 华南农业大学
IPC: G06V20/10 , G06V10/764 , G06F17/18 , G06V10/82
Abstract: 本发明公开了基于边缘计算与yolov7‑tiny的荔枝病害实时检测系统及其方法,包括图像识别模块、yolov7‑tiny模块,注意力CBAM模块,mAP模块,边缘部署模块,所述图像识别模块用于接收拍摄装置传输的影响数据,并将该数据进行转发,所述mAP模块用于对检测结果综合衡量,其计算方式为mAP=所有类别的平均精度求和除以所有类别,所述注意力CBAM模块用于yolov7‑tiny模块,在神经网络中使模型把握重点,所述特征缩放模块用于特征缩放模块用于对图像特征进行缩放;本发明荔枝病害检测方法是一套集计算机远程通信,计算机硬件技术,多媒体技术于一身的高技术荔枝病害情况收集检测信息传输装置,能够实时判断荔枝发病情况,检测步骤简单化,检测效率大大提高。
-
公开(公告)号:CN221863646U
公开(公告)日:2024-10-22
申请号:CN202323521242.9
申请日:2023-12-22
Applicant: 华南农业大学
IPC: A01D46/247 , A01D46/253 , A01D46/22
Abstract: 本实用新型公开了用于荔枝种植的采摘装置,包括中空的支撑杆,所述支撑杆从上到下依次设有采摘机构、手动机构以及电动机构;所述手动机构包括握把以及两端分别与采摘机构和握把外端面相连接的拉绳。设计了手动采摘和自动采摘两种方式,在采摘时,可采用电动方式进行采摘,在采摘时,微型电动推杆回缩拉动第二拉绳向内移动,在移动的过程中,拉动握把以及拉绳,在拉绳拉动的过程中,带动连接杆向下移动,在移动的过程中,带动导向臂向下移动,受铰接的影响,会带动剪切刀片向内合起,完成自动采摘操作,不需要手动操作,不容易造成手部酸痛,操作更加舒适,同时在不能外接电源时,也可采用手动以及电动交替的方式,也能减少需要耗费的人力。
-
-
-
-
-
-