一种适用于虾蟹池塘的水草栽植装置

    公开(公告)号:CN119817262A

    公开(公告)日:2025-04-15

    申请号:CN202510137191.4

    申请日:2025-02-07

    Abstract: 本发明涉及水草栽植技术领域,特别涉及一种适用于虾蟹池塘的水草栽植装置,包括左右对称设置的立板,左右两侧立板后侧之间设置有用于对大量伊乐藻苗进行放置的下藻机构,左右两侧立板前侧之间设置有用于对下藻机构最底部位置的伊乐藻苗进行抓取并插秧的插藻机构,下藻机构包括左右向等距排布在左右两侧立板之间的若干放苗槽架,本发明所采用的下藻机构和插藻机构配合使用,能够根据伊乐藻苗的种植植株间距需求进行适应性调整,适用性较强,同时,通过多点式自动推送下苗的方式有效保证伊乐藻苗的苗株质量,提高伊乐藻苗的存活率,并能够自动化进行夹苗和插苗过程,有效确保伊乐藻苗的种植效率。

    一种基于特征波段选择的多品种梨糖度协同预测方法

    公开(公告)号:CN117056775A

    公开(公告)日:2023-11-14

    申请号:CN202310998525.8

    申请日:2023-08-09

    Abstract: 本发明提供了一种基于特征波段选择的多品种梨糖度协同预测方法,属于光谱分析领域。本发明采集多个品种梨的光谱数据作为训练样本,利用训练样本对1D Grad‑CAM模型进行训练,得到光谱各波段的Grad‑CAM值L,根据Grad‑CAM值L提取相同皮色梨的共有特征波段,构建多品种梨融合的糖度预测模型,减少了数据量和计算量,提升了对多品种预测的通用性、鲁棒性以及预测精度,在很大程度上节约了资源与时间,具有广阔的应用前景。本发明解决了在不同品种梨之间内外部特征变动、光谱反射强度及特征峰变化差异等影响下无法实现针对不同品种梨构建同一糖度预测模型的问题,减少了资源与时间耗费,提高了模型通用性。

    一种基于特征波段选择的多品种梨糖度协同预测方法

    公开(公告)号:CN117056775B

    公开(公告)日:2025-03-04

    申请号:CN202310998525.8

    申请日:2023-08-09

    Abstract: 本发明提供了一种基于特征波段选择的多品种梨糖度协同预测方法,属于光谱分析领域。本发明采集多个品种梨的光谱数据作为训练样本,利用训练样本对1D Grad‑CAM模型进行训练,得到光谱各波段的Grad‑CAM值L,根据Grad‑CAM值L提取相同皮色梨的共有特征波段,构建多品种梨融合的糖度预测模型,减少了数据量和计算量,提升了对多品种预测的通用性、鲁棒性以及预测精度,在很大程度上节约了资源与时间,具有广阔的应用前景。本发明解决了在不同品种梨之间内外部特征变动、光谱反射强度及特征峰变化差异等影响下无法实现针对不同品种梨构建同一糖度预测模型的问题,减少了资源与时间耗费,提高了模型通用性。

    基于作物信息智能检测与反馈的凹蹼足仿生机器人及其使用方法

    公开(公告)号:CN117963036B

    公开(公告)日:2024-11-22

    申请号:CN202410292402.7

    申请日:2024-03-14

    Abstract: 本发明提供一种基于作物信息智能检测与反馈的凹蹼足仿生机器人及其使用方法,凹蹼足仿生机器人包括支撑平台,支撑平台下方安装有智能凹蹼仿生足,支撑平台上还安装有可拆式智能施肥装置、GreenSeeker检测仪、高光谱成像仪、GreenSeeker转换控制装置、智能识别控制装置、北斗导航系统、风向传感器、风速传感器、能源供给装置、能源存储装置、笔记本电脑。本发明能够同时实现作物图像信息、光谱信息、距离信息、气候信息等多重信息的一次性实时采集、处理、决策和反馈,控制相应的反馈装置实现作物对靶的施肥或喷药,简化了传统作业机具的复杂性,提高了作物信息检测效率,推动了智慧农业和智能农机的发展。

    基于作物信息智能检测与反馈的凹蹼足仿生机器人及其使用方法

    公开(公告)号:CN117963036A

    公开(公告)日:2024-05-03

    申请号:CN202410292402.7

    申请日:2024-03-14

    Abstract: 本发明提供一种基于作物信息智能检测与反馈的凹蹼足仿生机器人及其使用方法,凹蹼足仿生机器人包括支撑平台,支撑平台下方安装有智能凹蹼仿生足,支撑平台上还安装有可拆式智能施肥装置、GreenSeeker检测仪、高光谱成像仪、GreenSeeker转换控制装置、智能识别控制装置、北斗导航系统、风向传感器、风速传感器、能源供给装置、能源存储装置、笔记本电脑。本发明能够同时实现作物图像信息、光谱信息、距离信息、气候信息等多重信息的一次性实时采集、处理、决策和反馈,控制相应的反馈装置实现作物对靶的施肥或喷药,简化了传统作业机具的复杂性,提高了作物信息检测效率,推动了智慧农业和智能农机的发展。

    一种水草推送机构
    6.
    发明公开

    公开(公告)号:CN119980994A

    公开(公告)日:2025-05-13

    申请号:CN202510297237.9

    申请日:2025-03-13

    Abstract: 本发明公开了一种水草推送机构,涉及河道清理技术领域,包括支撑浮座和上下料机构,所述支撑浮座的后侧壁铰接有安装座,所述支撑浮座上设置有上下料机构和防撞辊组,且上下料机构上设置有防缠绕机构、防堵塞机构和挡板组。优点在于:通过支撑浮座和上下料机构相配合,有利于增加单次将水草推送的量,提高推送效率,上下料机构的机构变化便于进行自动下料,节约人力;通过上下料机构和防缠绕机构相配合,水草在支撑浮座上方受到挡网二和挡网三的阻挡进行收集,防缠绕机构清理水草之间的连接和缠绕;通过上下料机构和防堵塞机构相配合,便于在行驶过程中水能够顺利通过网眼,减小收集移动时的行驶阻力,同时便于加快下料的速度。

    一种基于工作流的高光谱数据自动化分析与模型优化方法

    公开(公告)号:CN119131036A

    公开(公告)日:2024-12-13

    申请号:CN202411620353.1

    申请日:2024-11-14

    Abstract: 本发明公开了一种基于工作流的高光谱数据自动化分析与模型优化方法,步骤如下:S1,对获取的目标样本高光谱图像进行处理,提取特征区域的光谱数据并保存,构建所有目标样本的一维高光谱数据集;S2,基于一维卷积神经网络构建DeepSpNet模型;S3,设置DeepSpNet模型的训练参数,并建立超参数组合;S4,将一维高光谱数据集按比例划分为训练集和测试集,采用训练集训练DeepSpNet模型,通过测试集评估DeepSpNet模型的精度、查准率、查全率,并自动筛选最佳超参数组合;S5,保存最佳超参数组合的DeepSpNet模型,用于目标预测。本发明能精确地捕捉样本内部的缺陷特征,有效提升深度检测能力。

    一种基于工作流的高光谱数据自动化分析与模型优化方法

    公开(公告)号:CN119131036B

    公开(公告)日:2025-03-04

    申请号:CN202411620353.1

    申请日:2024-11-14

    Abstract: 本发明公开了一种基于工作流的高光谱数据自动化分析与模型优化方法,步骤如下:S1,对获取的目标样本高光谱图像进行处理,提取特征区域的光谱数据并保存,构建所有目标样本的一维高光谱数据集;S2,基于一维卷积神经网络构建DeepSpNet模型;S3,设置DeepSpNet模型的训练参数,并建立超参数组合;S4,将一维高光谱数据集按比例划分为训练集和测试集,采用训练集训练DeepSpNet模型,通过测试集评估DeepSpNet模型的精度、查准率、查全率,并自动筛选最佳超参数组合;S5,保存最佳超参数组合的DeepSpNet模型,用于目标预测。本发明能精确地捕捉样本内部的缺陷特征,有效提升深度检测能力。

Patent Agency Ranking