-
公开(公告)号：CN120013820A
公开(公告)日：2025-05-16
申请号：CN202510109006.0
申请日：2025-01-23
Applicant: 华南农业大学
IPC: G06T5/77 , G06T5/60 , G06T7/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种面向大豆叶子表型分析的图像修复方法，本发明首先通过边缘生成网络补全大豆叶片缺失的边缘信息；然后将补全后的边缘信息使用结构自编码器提取由粗到细的分层特征图，作为引导特征输入图像修复网络，以辅助修复过程；基于引导特征实现对大豆叶片结构信息的精准修复；最后，根据修复完整的叶子图像，获取大豆植株的叶面积指数、结构纹理、颜色等表型参数。通过上述方式，本发明通过引入梯度结构化的边缘信息和层次化的特征引导，能够提高大豆叶子图片的修复效果，从而更好地为大豆叶子表型数据的精确、完整分析提供支持。
-
公开(公告)号：CN118411527A
公开(公告)日：2024-07-30
申请号：CN202410590504.7
申请日：2024-05-13
Applicant: 华南农业大学
IPC: G06V10/26 , G06V10/774 , G06V10/40 , G06V10/22 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/77 , G06V10/80
Abstract: 本发明涉及图像处理技术领域，公开了一种尿液有形成分实例分割方法，方法构建尿液有形成分图像数据集；将尿液有形成分图像输入训练好的改进的YOLOv8‑seg模型进行实例分割，得到尿液有形成分实例分割结果；其中，改进的YOLOv8‑seg模型包括骨干网络、颈部网络和头部网络；将尿液有形成分图像输入骨干网络进行特征提取，得到第一尿液有形成分图像特征；颈部网络对尿液有形成分图像特征的定位信息与语义信息进行增强处理，得到第二尿液有形成分图像特征；将第二尿液有形成分图像特征输入头部网络进行定位和分类处理，并对定位和分类处理结果进行分割掩码处理，得到尿液有形成分实例分割结果。本发明提高了尿液有形成分实例分割的分割准确性和速度。
-
公开(公告)号：CN113392916B
公开(公告)日：2023-10-17
申请号：CN202110698418.4
申请日：2021-06-23
Applicant: 华南农业大学
IPC: G06V10/764 , G06V10/774 , G06V10/30 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/084 , G01N21/25
Abstract: 本发明公开了一种基于高光谱图像的麻竹笋营养成分检测方法、系统和存储介质，包括下述步骤：读入麻竹笋高光谱图像并对其进行预处理，得到样本集P1；将样本集P1导入CNN卷积神经网络进行显著特征提取并整合成相关的数据集文件；利用数据集文件构建麻竹笋营养成分指标的回归分析模型；将麻竹笋高光谱图像导入模型进行分析预测。本发明运用传统机器学习与深度学习方法搭建回归分析模型，利用高光谱图像提供的大量多维度数据，对麻竹笋的营养成分进行分析预测，确保了预测的准确性和有效性，降低了预测成本，为麻竹笋营养成分的检测提供了简便、快速、无损的技术方法，保障和促进了麻竹笋食品工业的高质量发展。
-
公开(公告)号：CN114998116A
公开(公告)日：2022-09-02
申请号：CN202210462197.5
申请日：2022-04-28
Applicant: 华南农业大学
Abstract: 一种基于对称性引导的物体图像修复方法，涉及图像处理技术领域，首先检测图像中残缺物体的对称轴，借助于对称轴获取物体的对称信息，将已知区域的对称信息填充到未知区域作为待填区域的初始值，解决原待修复区域信息为零的问题，然后在此基础上对图像进行有效修复。本发明有益效果：通过基于生成式对抗网络的物体对称轴检测技术，准确有效地检测到图像中具有残缺区域的对称物体的对称轴，最终能够生成结构合理、语义正确的对称物体图像，即使出现大面积残缺。
-
公开(公告)号：CN114663460A
公开(公告)日：2022-06-24
申请号：CN202210191612.8
申请日：2022-02-28
Applicant: 华南农业大学
Abstract: 本发明公开了基于双流驱动编码器和特征记忆模块的视频分割方法及装置，方法包括下述步骤：构建包含主干流和边缘流的双流驱动编码器，将引导信息和当前帧预处理后输入双流驱动编码器中的主干流，提取图像的深度特征，并将主干流中不同层输出的深度特征输入边缘流，提取图像的边缘特征；构造特征记忆模块，将主干流中最深层输出的特征作为特征记忆模块的输入，用于计算目标在当前帧和已完成分割帧中均稳定存在的特征；构造特征融合模块，将双流驱动编码器和特征记忆提取模块的输出通过该模块聚合，解码为当前帧分割结果。本发明展示了如何基于双流驱动编码器和特征记忆模块进行视频分割，可较好地分割出目标边缘，应对复杂场景下的多种挑战。
-
Patent Agency Ranking
公开(公告)号：CN119478507A
公开(公告)日：2025-02-18
申请号：CN202411523084.7
申请日：2024-10-29
Applicant: 华南农业大学 , 桂林智慧产业园有限公司
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/042 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于超图Transformer的多标签图像分类方法，与现有技术相比，具备以下有益效果：(1)构建了一种基于超图Transformer的多标签图像分类模型，该模型在挖掘顶点之间复杂关系时表现出更强的抗噪能力和泛化性，从而提高了分类的准确率；(2)提出一种自适应超图Transformer的网络模型，该模型定义一种图像内容感知的超图关联矩阵，并通过注意力机制构建顶点间的超图关联关系，从而增强模型的鲁棒性。
-
公开(公告)号：CN114998116B
公开(公告)日：2025-01-03
申请号：CN202210462197.5
申请日：2022-04-28
Applicant: 华南农业大学
IPC: G06T5/77 , G06T5/60 , G06N3/0475 , G06N3/0455 , G06N3/08
Abstract: 一种基于对称性引导的物体图像修复方法，涉及图像处理技术领域，首先检测图像中残缺物体的对称轴，借助于对称轴获取物体的对称信息，将已知区域的对称信息填充到未知区域作为待填区域的初始值，解决原待修复区域信息为零的问题，然后在此基础上对图像进行有效修复。本发明有益效果：通过基于生成式对抗网络的物体对称轴检测技术，准确有效地检测到图像中具有残缺区域的对称物体的对称轴，最终能够生成结构合理、语义正确的对称物体图像，即使出现大面积残缺。
-
公开(公告)号：CN119091205A
公开(公告)日：2024-12-06
申请号：CN202411151635.1
申请日：2024-08-21
Applicant: 华南农业大学
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06V10/44 , G06V10/762 , G06V10/774 , G06V20/70 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/048
Abstract: 本发明公开了一种基于对比样本生成学习的多标签图像分类方法，与现有技术相比，具备以下有益效果：(1)本发明利用对比学习约束不同类目标语义特征之间的距离，即通过对比学习约束各类目标语义特征彼此之间保持鉴别性，从而改善了现有多标签图像分类方法容易过拟合的问题，以提高图像标签分类精度；(2)此外，针对于对比学习要求大量对比样本的问题，本发明利用高斯混合模型生成目标语义特征的对比样本，能够解决对比学习中对比样本数量不足、质量低下的问题，从而提高了对比学习的效率、有效性，以最终提高模型分类能力。
-
公开(公告)号：CN105405106A
公开(公告)日：2016-03-16
申请号：CN201510694705.2
申请日：2015-10-22
Applicant: 华南农业大学
CPC classification number: G06T5/009 , G06T3/4076
Abstract: 本发明公开了一种单图像超分辨率重建的方法，该方法包含两个部分：一是利用高斯混合模型计算高分辨率图像中每个最佳相似片；二是根据最佳相似片建立自相似性最大化优化模型实现超分辨率图像重建。通过该发明方法提出了一种优化的超分辨率模型，其挖掘自相似的图像内容以获取高质量的超分辨率输出，同时还提供了一种高斯逼近求解方案，该方法使得图像在保真度、细节恢复等方面有着更优越性能。
-
公开(公告)号：CN119152014A
公开(公告)日：2024-12-17
申请号：CN202411188087.X
申请日：2024-08-28
Applicant: 华南农业大学
IPC: G06T7/62 , G06Q50/02 , G06T17/00 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本申请涉及一种大豆植株叶面积指数检测方法、装置、设备及介质，方法包括：根据大豆叶子区域中的像素点个数以及大豆叶子区域中每个像素点的面积确定大豆植株垂直投影面积；计算确定垂直于地面视角下的体密度图与掩码图像之间的乘积以确定大豆植株所有叶子的像素值，根据大豆植株所有叶子的像素值以及大豆叶子区域中每个像素点的面积确定无遮挡状态下所有叶子的垂直投影面积总和；基于无遮挡状态下所有叶子的垂直投影面积总和以及大豆植株垂直投影面积确定大豆植株的叶面积指数。本申请能够显著降低成本的同时，还能够大大提高叶面积指数的检测精度。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.037 seconds)
