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

Inventor： 谢家兴 ,  谌文 ,  王嘉鑫 ,  高群鹏 ,  陈立业 ,  邹颖欣 ,  卢美怡 ,  曹钺 ,  陈梓灏

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：CN117011844A

公开(公告)日：2023-11-07

申请号：CN202311130015.5

申请日：2023-09-04

Applicant: 华南农业大学

Inventor： 谢家兴 ,  陈诗云 ,  李君 ,  华佳俊 ,  谌文 ,  吕振东 ,  陈绍楠 ,  孙道宗 ,  邹明杰

IPC: G06V20/68 ,  G06V10/77 ,  G06V10/80 ,  G06V10/25 ,  G06V10/54 ,  G06V10/82

Abstract: 本发明公开了一种密集小目标自动计数方法，包括：获取待计数果实的图像；将图像输入至目标检测模型，得到果实位置信息和置信度信息；将果实位置信息和置信度信息输入至目标跟踪模型得到果实目标跟踪结果；基于果实目标跟踪结果确定图像的计数结果。以及一种密集小目标自动计数系统，包括依次顺序连接的：数据获取模块、信息获取模块、目标跟踪模块和结果输出模块。实现了在保障精准高效的基础上实现果实自动化计数，解决了现有技术缺乏准确高效的自动化果实计数的问题。

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

Inventor： 谢家兴 ,  谌文 ,  王嘉鑫 ,  李君 ,  陈绍楠 ,  付仙冰 ,  余振邦 ,  孙道宗 ,  陈立业

IPC: G01N29/44 ,  G01N29/24 ,  G01N29/04

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

Inventor： 谢家兴 ,  王嘉鑫 ,  陈裕锋 ,  陈绍楠 ,  谌文 ,  吕振东 ,  李君 ,  申济源 ,  孙道宗 ,  莫汉东

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。

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

Inventor： 谢家兴 ,  王嘉鑫 ,  李君 ,  华佳俊 ,  陈立业 ,  刘警斌 ,  谌文 ,  甘至鸿 ,  孙道宗 ,  薛秀云

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。