-
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。
-
公开(公告)号：CN114170260B
公开(公告)日：2024-05-31
申请号：CN202111477950.X
申请日：2021-12-06
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于植被指数的实时图像叶片分割系统及其方法，该系统包括：内核控制模块、植被指数计算模块、VDMA模块和阈值分割模块；该方法包括：接收控制指令、视频流和放缩因子参数，根据控制指令结合放缩因子参数计算各个植被指数，将各个植被指数每三个分为一组，分别写入红色R、绿色G和蓝色B三个通道内，生成RGB彩色视频流作为植被指数图像输出；接收植被指数图像并根据控制指令实现植被指数图像的缓存；根据预设判决阈值将植被指数图像进行叶片分割。本发明提供了的该叶片分割系统及其方法，成本低效率高，毋须预先进行模型的训练，实用性强。
-
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：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。
-
公开(公告)号：CN116797952A
公开(公告)日：2023-09-22
申请号：CN202310831002.4
申请日：2023-07-07
Applicant: 华南农业大学
Abstract: 本发明涉及荔枝产量预测技术领域，具体涉及基于无人机多光谱图像和长势信息的荔枝产量预测方法，该方法包括：获取果园待测区域不同生育期的荔枝树冠层的多光谱遥感影像数据拼接成全景多光谱图像数据，采集地面长势信息以及果园待测区域每棵荔枝树的实际产量，根据获取数据进行随机森林模型构建，筛选特征参数并进行归一化处理，输入随机森林模型形成最佳加权估产模型。本发明首先通过利用先进的无人机遥感技术，扩大了荔枝数据采集范围，同时降低工作人员的工作量，提升数据采集效率，通过建立最佳加权估产模型大大提高荔枝产量估测精度，同时相比传统通过相机采集荔枝图像避免了漏检和遮挡的问题，提高采集数据的全面性。
-
Patent Agency Ranking
公开(公告)号：CN119885076A
公开(公告)日：2025-04-25
申请号：CN202411967987.4
申请日：2024-12-30
Applicant: 华南农业大学
IPC: G06F18/25 , G01N33/00 , G01N27/00 , G01D21/02 , G06F18/213 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/0455 , G06N3/0499 , G06F123/02
Abstract: 本发明公开了一种基于时序数据的恶臭气体定性定量检测方法及系统，其中方法包括：获取气体综合响应数据并进行预处理，得到时间序列响应数据；基于时间序列响应数据分别输入至主编码器和序列分解单元，对应得到综合特征数据和综合信息数据；基于综合特征数据输入至第一DCT通道注意力机制层得到增强特征数据；基于增强特征数据输入至主解码器得到初步气体浓度信息；基于综合信息数据输入至数据融合单元得到漂移信息；基于漂移信息输入至补偿输出单元得到气体浓度补偿信息；基于初步气体浓度信息和气体浓度补偿信息进行融合，得到多通道恶臭气体信息预测结果。在连续检测过程中提高了对于多组分恶臭气体识别准确度和恶臭气体浓度预测精度。
-
公开(公告)号：CN116797950A
公开(公告)日：2023-09-22
申请号：CN202310765595.9
申请日：2023-06-27
Applicant: 华南农业大学
IPC: G06V20/17 , G01N21/27 , G01N21/55 , G01N21/01 , G01D21/02 , G06V20/10 , G06N5/01 , G06N20/20 , G06F18/23 , G06F18/27 , G06Q50/02
Abstract: 本发明公开了一种基于无人机多光谱遥感的茶树水分胁迫监测方法，包括：获取多光谱图像，基于多光谱图像得到光谱反射率图像，基于光谱反射率图像得到植被指数；采集数据：茶树叶片冠层温度、气孔导度信息、茶树冠层上方空气温度和茶树各区域土壤体积含水率信息；基于茶树叶片冠层温度和茶树冠层上方空气温度得到冠气温差信息；基于植被指数和茶树叶片冠层温度得到冠层温度反演模型；基于茶树各区域土壤体积含水率信息和冠气温差信息得到冠气温差上下限；基于冠层温度反演模型、冠层温差上下限和冠层上方空气温度建立茶树水分胁迫指数经验模型；利用气孔导度信息对茶树水分胁迫指数经验模型进行优化。实现了对茶树水分胁迫情况进行精准监测。
-
公开(公告)号：CN114170260A
公开(公告)日：2022-03-11
申请号：CN202111477950.X
申请日：2021-12-06
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于植被指数的实时图像叶片分割系统及其方法，该系统包括：内核控制模块、植被指数计算模块、VDMA模块和阈值分割模块；该方法包括：接收控制指令、视频流和放缩因子参数，根据控制指令结合放缩因子参数计算各个植被指数，将各个植被指数每三个分为一组，分别写入红色R、绿色G和蓝色B三个通道内，生成RGB彩色视频流作为植被指数图像输出；接收植被指数图像并根据控制指令实现植被指数图像的缓存；根据预设判决阈值将植被指数图像进行叶片分割。本发明提供了的该叶片分割系统及其方法，成本低效率高，毋须预先进行模型的训练，实用性强。
-
公开(公告)号：CN116879409A
公开(公告)日：2023-10-13
申请号：CN202310859061.2
申请日：2023-07-13
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于气体传感器的水果果实损伤的分析检测方法，包括：通过传感器阵列采集被检测水果果实的传感器响应信号，并对传感器响应信号进行滤波处理；对滤波处理后的传感器响应信号进行特征提取，构建特征矩阵；通过传感器滤波得到被检测水果果实及对应检测环境的特征值构建特征向量；采用特征选择算法对所述初始特征数据进行三阶段的特征选择，最终得到输入特征组合；将所述输入特征组合输入至改进粒子群优化的支持向量机模型，进行多任务的识别预测，运用损伤计算公式得到果实损伤数据。本发明能够提升果实损伤预测检测精度，实现有效的果实损伤定性定量输出，可以满足便携式检测设备的方法需求。
-
公开(公告)号：CN115731464A
公开(公告)日：2023-03-03
申请号：CN202211435885.9
申请日：2022-11-16
Applicant: 华南农业大学
IPC: G06V20/10 , G06V10/40 , G06V10/54 , G06V10/82 , G06V10/764 , G06V20/17 , G06N3/006 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于鲸鱼优化算法和CNN模型的荔枝病虫害识别方法，包括：获取荔枝冠层叶片遥感图像，包括健康叶片和患不同病虫害叶片；对荔枝冠层叶片遥感图像进行特征提取，计算出荔枝冠层叶片遥感图像对应的植被指数和纹理特征；基于鲸鱼优化算法获取最优CNN结构参数；将最优CNN结构参数作为CNN模型参数，并将植被指数和纹理特征输入至最优CNN结构参数的CNN模型中，经训练后判断荔枝叶片是否患病以及患病类型。本发明可以实现高准确率识别荔枝病虫害，为利用多光谱遥感技术进行大规模荔枝果园病虫害病情监测识别提供了数据支持。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.023 seconds)
