-
Patent Agency Ranking
公开(公告)号：CN116977960A
公开(公告)日：2023-10-31
申请号：CN202310809922.6
申请日：2023-07-04
Applicant: 华南农业大学
IPC: G06V20/56 , G06V10/762 , G06V10/764 , G06V10/30 , G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于实例分割的水稻秧苗行检测方法，包括以下步骤：首先获取水稻秧苗田间图像；接着使用深度卷积神经网络模型对水稻秧苗行进行语义分割和图像嵌入；随后使用图像嵌入的结果将语义分割后的目标区域的像素进行聚类，得到实例分割图；最后对实例分割图中的每条水稻秧苗行的像素进行线性回归，得到区分开的水稻秧苗行线。本发明的水稻秧苗行检测方法基于一整条水稻秧苗行，从摄像头视野的全局出发，避免缺苗部分造成的影响，同时也减少了局部噪声如杂草、离群水稻等对水稻秧苗行拟合的影响，使得最终得到的水稻秧苗行的检测精度更高，算法的鲁棒性更强。
-
公开(公告)号：CN117274793A
公开(公告)日：2023-12-22
申请号：CN202311044553.2
申请日：2023-08-18
Applicant: 华南农业大学
IPC: G06V20/10 , G06V20/70 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06N3/096 , G06N3/084 , G06N3/0985
Abstract: 本申请涉及一种稻田杂草检测方法、装置、设备及介质，所述方法包括：基于卷积神经网络提取图像特征，并采用Transformer编码器学习全局和上下文相关的特征表示，通过半监督学习的方式使用带标签数据和生成的伪标签数据进行训练，提高模型的性能。同时，Transformer模型能够捕捉图像中的长程依赖关系，从而更好地分割出水稻和杂草。通过引入半监督学习分割算法与并行CNN‑Transformer架构,对稻田杂草进行图像分类和语义分割，可利用少量标记数据解决未标记数据的全局学习能力与类级特征。本申请能够解决人工标注工作量大、Transformer算法在小样本杂草数据集上表现不佳,计算量大的问题，具有鲁棒性强、准确率高、效率高的优点。
-
公开(公告)号：CN116391511A
公开(公告)日：2023-07-07
申请号：CN202310350057.3
申请日：2023-04-04
Applicant: 华南农业大学
IPC: A01D46/30
Abstract: 本发明公开了一种夹剪一体式荔枝采摘末端执行器，其包括气动部件、动力传动部件、动力控制系统、剪切部件、夹持部件；所述气动部件包括气泵和气缸；动力传动部件包括上下传动板和传动螺栓；剪切部件包括多组上下刀片；夹持部件包括硅胶移动板和硅胶条；动力控制系统用于控制气动部件的运动；气动部件与动力传动部件相连接；动力传动部件与剪切部件、夹持部件相连接。本发明可以进行模糊采摘、柔性采摘，减少对荔枝果实的损伤，并且可以同时进行多串荔枝的采摘，采摘效率高。
-
-
-
Search Results
5
records
(took 0.021 seconds)
