一种基于Stable Diffusion和Grounding的荔枝病虫害图像生成方法

    公开(公告)号:CN119991849A

    公开(公告)日:2025-05-13

    申请号:CN202510082020.6

    申请日:2025-01-20

    Abstract: 本发明公开了一种基于Stable Diffusion和Grounding的荔枝病虫害图像生成方法。本发明中,利用Open‑Vocabulary SAM分割病虫害目标,并使用CLIP提取图像特征,能够生成包含病虫害细节特征的高质量图像,提高图像的真实性和可信度,能够生成大量高质量的荔枝病虫害图像,有效扩充荔枝病虫害数据集规模,解决传统方法数据获取困难、数据匮乏的问题,为荔枝病虫害检测模型的训练和评估提供数据支持。生成的高质量荔枝病虫害图像可以帮助农业技术人员快速准确地识别病虫害种类和数量,并进行有效的防治措施,提高农业生产效率。通过提高荔枝病虫害检测和防治效率,该方法能够有效减少荔枝病虫害带来的损失,保障荔枝产量和果实品质,促进荔枝产业的健康发展。

    一种基于多视图三维重建的猪只体尺测量方法

    公开(公告)号:CN119949809A

    公开(公告)日:2025-05-09

    申请号:CN202510025825.7

    申请日:2025-01-08

    Inventor: 薛月菊 周晖 项俐

    Abstract: 本发明公开了一种基于多视图三维重建的猪只体尺测量方法。为了克服传统方法中标准几何约束带来的灵活性限制,本发明采用DUSt3R方法对猪只进行三维重建,不仅有效简化了三维重建流程,也提升了三维重建的准确性和效率。但猪只自遮挡导致重构的点云存在噪声和缺失,本发明通过将猪只形状模型与点云数据进行拟合,构建完整的猪只三维网格。从重建的三维网格中提取身体测量值,进一步提高了测量的精确性和可靠性。这使得该方法能够灵活应对猪场中复杂多变的环境以及猪只的各种运动模式,为猪只体尺测量提供了更加灵活、全面和准确的技术支持。

    一种基于深度学习的猪只单视图三维重建方法

    公开(公告)号:CN119540494A

    公开(公告)日:2025-02-28

    申请号:CN202411599200.3

    申请日:2024-11-11

    Inventor: 薛月菊 周晖 项俐

    Abstract: 本发明公开了一种基于深度学习的猪只单视图三维重建方法,称为Magfulap。为解决单视图三维重建视点学习不稳定和缺乏真实三维数据难以训练的问题,本发明采用隐式‑显式结合的三维表示方法,结合经过超分辨率优化的高维数据特征,能够仅通过单张图像重建高密度的猪只三维网格,降低数据采集成本和设备要求。本发明通过拉普拉斯平滑法优化三维网格表面,提高重建质量。本发明中,模型能够学习到猪只的通用形状和姿态特征,并预测出具体猪只的三维姿态、形状和纹理信息,更准确全面地反映猪只的行为特征。这使得该方法能够适应猪场中复杂多变的环境和猪只行为,为猪只行为分析提供了更加全面和准确的数据基础。

Patent Agency Ranking