公开(公告)号：CN119418141B

公开(公告)日：2025-05-09

申请号：CN202510024531.2

申请日：2025-01-08

Applicant: 吉林农业大学

Inventor： 陈红兵 ,  冯一哲 ,  王坤 ,  廖明瑞 ,  翟浩廷 ,  李臣爽 ,  温长吉 ,  张宇博

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明属于图像数据处理技术领域，尤其为一种基于Mamba的遥感图像作物分类方法。该方法包括输入层、预处理模块、ENVI嵌入模块、3D卷积层、EMA通道注意力模块、Mamba Block模块、Uper Net解码器和输出层，Mamba Block通过独特的结构设计实现了高效的特征提取和信息融合，NDVI嵌入模块通过独特的算法设计将NDVI信息融入图像，提高了模型的分类精度和计算效率。本发明不仅提高了作物分类的精度，还优化了模型的计算效率，适合大规模遥感图像处理任务，具有重要的应用价值。

公开(公告)号：CN118736233B

公开(公告)日：2024-11-19

申请号：CN202410943324.2

申请日：2024-07-15

Applicant: 吉林农业大学

Inventor： 温长吉 ,  张龙 ,  任俊峰 ,  徐亚静 ,  陈红兵 ,  苏恒强 ,  王光耀 ,  刘天宇 ,  洪润东 ,  李臣爽 ,  崔越 ,  王慧慧

IPC: G06V10/26 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明涉及一种大规模三维点云场景的统一分割框架的构建方法，属于计算机图像识别及人工智能技术领域。包括：提取点云的超点信息；通过混合特征编码组件提取点云的局部特征；通过三元距离注意力池对局部邻域进行聚合，得到点云的逐点特征表示；通过超点池化层将超点信息与逐点特征分组为超点特征，作为解码器的键和值，同时将一组可学习的语义和实例查询通过随机初始化作为输入，三者通过超点交叉注意机制捕获点云信息；采用分解匹配策略以端到端的方式训练来预测点云中每个点的语义标签，最终完成对整个场景中点云的语义、实例和全景分割。优点在于：能够同时处理语义、实例和全景分割任务，避免了传统方法中针对不同任务需要不同框架的局限性。

公开(公告)号：CN119704134A

公开(公告)日：2025-03-28

申请号：CN202411834191.1

申请日：2024-12-13

Applicant: 吉林农业大学

Inventor： 崔越 ,  温长吉 ,  陈红兵 ,  苏恒强 ,  王光耀 ,  洪润东 ,  李臣爽 ,  冯一哲 ,  刘潮

IPC: B25J5/00 ,  B25J19/00 ,  B25J19/02 ,  B23K26/38 ,  A01G7/06 ,  B62D55/065 ,  H04N23/695

Abstract: 本发明公开了基于RGB‑D相机的农业多用途机器人，包括固定底座，所述固定底座的顶部靠近四个拐角处均固定连接有支撑杆，四个所述支撑杆的顶端之间固定连接有桌面板，所述桌面板的顶部靠近中心处固定设置有机械臂控制机构，本发明通过RGB‑D摄像相机对目标棉花顶端进行识别和定位，通过给激光雕刻模块发送命令，在棉花顶端正前方焦点位置处，发射激光从而精确处理棉花顶端，RGB‑D摄像相机与六轴控制机械臂相互协同工作，实现棉田内执行机构的有效避障，从而使执行机构末端的激光雕刻模块移动至待打顶位置，激光停止发射后，RGB‑D摄像相机再次进行棉花顶端识别，当视野内没有多余顶端存在时，执行机构进行复位与校准操作。

公开(公告)号：CN119418141A

公开(公告)日：2025-02-11

申请号：CN202510024531.2

申请日：2025-01-08

Applicant: 吉林农业大学

Inventor： 陈红兵 ,  冯一哲 ,  王坤 ,  廖明瑞 ,  翟浩廷 ,  李臣爽 ,  温长吉 ,  张宇博

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明属于图像数据处理技术领域，尤其为一种基于Mamba的遥感图像作物分类方法。该方法包括输入层、预处理模块、ENVI嵌入模块、3D卷积层、EMA通道注意力模块、Mamba Block模块、Uper Net解码器和输出层，Mamba Block通过独特的结构设计实现了高效的特征提取和信息融合，NDVI嵌入模块通过独特的算法设计将NDVI信息融入图像，提高了模型的分类精度和计算效率。本发明不仅提高了作物分类的精度，还优化了模型的计算效率，适合大规模遥感图像处理任务，具有重要的应用价值。

公开(公告)号：CN118736233A

公开(公告)日：2024-10-01

申请号：CN202410943324.2

申请日：2024-07-15

Applicant: 吉林农业大学

Inventor： 温长吉 ,  张龙 ,  任俊峰 ,  徐亚静 ,  陈红兵 ,  苏恒强 ,  王光耀 ,  刘天宇 ,  洪润东 ,  李臣爽 ,  崔越 ,  王慧慧

IPC: G06V10/26 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明涉及一种大规模三维点云场景的统一分割框架的构建方法，属于计算机图像识别及人工智能技术领域。包括：提取点云的超点信息；通过混合特征编码组件提取点云的局部特征；通过三元距离注意力池对局部邻域进行聚合，得到点云的逐点特征表示；通过超点池化层将超点信息与逐点特征分组为超点特征，作为解码器的键和值，同时将一组可学习的语义和实例查询通过随机初始化作为输入，三者通过超点交叉注意机制捕获点云信息；采用分解匹配策略以端到端的方式训练来预测点云中每个点的语义标签，最终完成对整个场景中点云的语义、实例和全景分割。优点在于：能够同时处理语义、实例和全景分割任务，避免了传统方法中针对不同任务需要不同框架的局限性。