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：CN119418266A

公开(公告)日：2025-02-11

申请号：CN202411435894.7

申请日：2024-10-15

Applicant: 华南农业大学

Inventor： 谢家兴 ,  陈绍楠 ,  李君 ,  刘警斌 ,  陈雅忠 ,  高群鹏 ,  吴家涛 ,  罗帆 ,  李宗鸿 ,  邓钲奇

IPC: G06V20/52 ,  G06V10/82 ,  G06V10/774 ,  G06V20/70 ,  G06V10/80 ,  G06V10/766 ,  G06V10/25 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明公开了一种基于改进YOLOv6的荔枝病虫害检测方法、检测平台及终端，包括：拍摄采集病虫害图片，并对图片进行标注构建训练所需的真实果园场景下的荔枝病虫害数据集，使用数据增强技术对数据集进行数据增强处理；使用处理后的数据集在pytorch框架上训练改进的YOLOV6模型，通过调参得到训练好的荔枝病虫害检测pt模型；采集荔枝植物图片输入训练好的荔枝病虫害检测pt模型得到荔枝病虫害检测结果；将训练后的pt模型转为通用的onnx模型，并进行模型裁剪，再转化为rknn模型并进行ptq量化，将模型从float32类型量化为int8类型，在嵌入式设备上调用模型推理的API接口，将模型部署在检测平台上。

公开(公告)号：CN113850814A

公开(公告)日：2021-12-28

申请号：CN202111129057.8

申请日：2021-09-26

Applicant: 华南农业大学

Inventor： 谢家兴 ,  陈裕锋 ,  梁高天 ,  彭家骏 ,  李君 ,  王卫星 ,  陈绍楠 ,  何苑滢

IPC: G06T7/10 ,  G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T5/00 ,  G06T7/13 ,  G06T7/90

Abstract: 本发明公开了一种基于CNN模型的荔枝叶片病虫害识别方法，该方法包括：采集待识别的荔枝叶片图片；在ARM核系统中，将所述待识别的荔枝叶片图片进行预处理；将经预处理后的图像信息，输入预先构建的CNN模型；判断出所述荔枝叶片是否患病以及所患病虫害类型。该方法通过在ARM核系统中，将待识别的荔枝叶片图片进行处理，得到特征保存较为完整的图像信息，使得神经网络输入更加简单，所需的计算量变小；输入预先构建的CNN模型对图片进行识别和分类，可准确判断出叶片是否患病以及病虫害类型。