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。

    基于大规模视觉模型和扩散模型的荔枝病虫害检测方法

    公开(公告)号:CN119888176A

    公开(公告)日:2025-04-25

    申请号:CN202411943195.3

    申请日:2024-12-27

    Abstract: 本发明公开了基于大规模视觉模型和扩散模型的荔枝病虫害检测方法。本发明中,InternImage模型利用3x3DCNv3算子实现了自适应空间聚合和动态感受野,有效捕捉了全局图像信息并加强了特征提取,尤其是在复杂的果园环境中。与其他骨干网络(如ResNet50、ConvNeXt和SwinTransformer)相比,Internation提高了检测精度。此外,DyHead模块集成了规模、空间和任务意识的注意机制,增强了模型检测各种大小物体以及区分位置接近或重叠目标的能力。此外,与NMS相比,CP‑Cluster是一种完全可并行的新型聚类框架。在后处理阶段采用CP‑Cluster,通过生成正信息来增强真实的正方框,同时合成负信息来惩罚多余的方框,从而增强了检测结果。

    一种基于计算机视觉的母猪分娩时间预测方法

    公开(公告)号:CN117392750A

    公开(公告)日:2024-01-12

    申请号:CN202311326889.8

    申请日:2023-10-13

    Abstract: 本发明公开了一种基于计算机视觉的母猪分娩时间预测方法,具体步骤包括:视频采集与数据准备步骤;网络模型训练步骤:使用所述训练集对网络模型训练,得到训练好的母猪产前行为识别模型;网络模型测试步骤;分娩关键特征提取与时间序列分析步骤;构建双时分娩预测模型步骤:通过网格搜索与交叉验证方法确定所述分娩关键特征的最佳阈值,构建双时分娩预测模型;预测步骤:基于所述双时分娩预测模型,输入目标母猪的日常行为视频数据,实现所述目标母猪的分娩时间预测。该方案能够适用于集约化的生猪养殖场景,克服限位栏遮挡、光线受阻严重等复杂环境条件所造成的干扰,缓解人力负担,提高母猪分娩时间的预测效率,实现较高准确度的预测。

Patent Agency Ranking