-
公开(公告)号：CN118799507B
公开(公告)日：2024-12-20
申请号：CN202411287593.4
申请日：2024-09-14
Applicant: 吉林农业大学
IPC: G06T17/00 , G06N3/0475 , G06N3/094 , G06N3/045 , G06N3/0464 , G06T7/136
Abstract: 一种土壤团聚体三维孔隙结构的渐进式生成方法。属于信息化图像处理技术领域，具体涉及土壤团聚体结构特征分析技术领域。其解决了现有的生成对抗网络无法保留原始土壤团聚体孔隙特征分布规律的问题。针对现有生成模型无法保留原始土壤团聚体孔隙特征分布规律的问题，对生成对抗网络框架进行适应性改进，能够自动、快速生成大量较为清晰、视觉效果逼真、具有多样性的土壤团聚体孔隙三维结构；将原始生成对抗网络的一次性生成过程，改为渐进式生成过程，能够捕捉孔隙结构在特定分辨率下的整体分布特性，而非仅仅关注单个子样本的具体细节特征，从而实现更好的生成效果。
-
公开(公告)号：CN118711692B
公开(公告)日：2024-10-29
申请号：CN202411218138.9
申请日：2024-09-02
Applicant: 吉林农业大学
IPC: G16C20/20 , G16C20/70 , G06F18/214 , G06F30/27 , G06F18/22
Abstract: 一种观赏植物形态特征反演土壤重金属含量模型生成方法，涉及信息技术领域，具体涉及重金属污染土壤植物修复技术领域。针对现有技术对于重金属领域研究大多局限于单一品种，对于不同品种和植物生长初期的研究还很匮乏的技术问题。本发明提出如下方案：S1：获取观赏植物的形态数据和观赏植物种植区域土壤中重金属含量的数据；S2：确定形态特征参数；S3：用XGBoost算法选择选出匹配的形态特征参数；S4：构建样本数据集与反演土壤重金属含量模型；S5：使用样本数据集对反演土壤重金属含量模型进行训练；S6：参数优化，得到基于观赏植物形态特征的反演土壤重金属含量模型。本发明在重金属污染领域具有良好的应用前景。
-
公开(公告)号：CN119339173B
公开(公告)日：2025-02-25
申请号：CN202411897369.7
申请日：2024-12-23
Applicant: 吉林农业大学
IPC: G06V10/764 , G06V10/40 , G06V10/77 , G06V10/82 , G06V20/68 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 一种粳稻籽粒的品种分类鉴别方法与装置，属于深度学习神经网络，尤其涉及粳稻籽粒的品种分类鉴别；解决了现有的图像分类处理模型的参数复杂度高、分类准确率低、无法避免过拟合、收敛速度慢，在性能方面无法满足粳稻籽粒分类的需求，导致的当前依然采用人工方法、化学方法和光谱技术等传统分类方法对粳稻籽粒进行评估或分类，费用昂贵、耗时、效率低下，且精度不足的问题；所述方法包括：用于将数据预处理后的待分类的粳稻籽粒的RGB图像输入训练完成的J‑Rice‑ResNeXt模型中，获得粳稻籽粒的分类鉴别结果的步骤；所述的一种粳稻籽粒的品种分类鉴别方法与装置，适用于粳稻籽粒的品种分类鉴别。
-
公开(公告)号：CN118711692A
公开(公告)日：2024-09-27
申请号：CN202411218138.9
申请日：2024-09-02
Applicant: 吉林农业大学
IPC: G16C20/20 , G16C20/70 , G06F18/214 , G06F30/27 , G06F18/22
Abstract: 一种观赏植物形态特征反演土壤重金属含量模型生成方法，涉及信息技术领域，具体涉及重金属污染土壤植物修复技术领域。针对现有技术对于重金属领域研究大多局限于单一品种，对于不同品种和植物生长初期的研究还很匮乏的技术问题。本发明提出如下方案：S1：获取观赏植物的形态数据和观赏植物种植区域土壤中重金属含量的数据；S2：确定形态特征参数；S3：用XGBoost算法选择选出匹配的形态特征参数；S4：构建样本数据集与反演土壤重金属含量模型；S5：使用样本数据集对反演土壤重金属含量模型进行训练；S6：参数优化，得到基于观赏植物形态特征的反演土壤重金属含量模型。本发明在重金属污染领域具有良好的应用前景。
-
公开(公告)号：CN119992348A
公开(公告)日：2025-05-13
申请号：CN202510472077.7
申请日：2025-04-16
Applicant: 吉林农业大学
IPC: G06V20/10 , G06V10/762 , G06V10/24 , G01S17/88 , G01S7/497
Abstract: 本发明提出了一种基于3D LiDAR的大豆成熟期作物行检测方法，属于激光雷达检测领域。解决了现有图像方法受光照影响大，而激光雷达在大豆作物行的检测上研究较少，尤其是在不同种植密度、漏苗和缺失行判定方面存在不足的问题。方法包括：采集大豆点云数据，并进行点云倾斜校正；根据校正后的点云进行分段聚类；利用主茎法提取单株大豆冠层点云；通过动态网格划分方法对冠层点云进行空间划分，根据点云密度动态计算网格尺寸，建立二维网格索引；根据划分的冠层点云网格进行缺苗点云补全及伪作物行判定；采用最小二乘法对补全后的冠层点云进行线性拟合，生成作物行中心线作为作物区域识别结果。主要用于大豆检测领域。
-
Patent Agency Ranking
公开(公告)号：CN118799507A
公开(公告)日：2024-10-18
申请号：CN202411287593.4
申请日：2024-09-14
Applicant: 吉林农业大学
IPC: G06T17/00 , G06N3/0475 , G06N3/094 , G06N3/045 , G06N3/0464 , G06T7/136
Abstract: 一种土壤团聚体三维孔隙结构的渐进式生成方法。属于信息化图像处理技术领域，具体涉及土壤团聚体结构特征分析技术领域。其解决了现有的生成对抗网络无法保留原始土壤团聚体孔隙特征分布规律的问题。针对现有生成模型无法保留原始土壤团聚体孔隙特征分布规律的问题，对生成对抗网络框架进行适应性改进，能够自动、快速生成大量较为清晰、视觉效果逼真、具有多样性的土壤团聚体孔隙三维结构；将原始生成对抗网络的一次性生成过程，改为渐进式生成过程，能够捕捉孔隙结构在特定分辨率下的整体分布特性，而非仅仅关注单个子样本的具体细节特征，从而实现更好的生成效果。
-
公开(公告)号：CN119107319B
公开(公告)日：2025-02-28
申请号：CN202411586598.7
申请日：2024-11-08
Applicant: 吉林农业大学
IPC: G06T7/00 , G06T7/11 , G06V10/766
Abstract: 一种基于图像的叶片光合速率预测方法，涉及植物光合作用评估技术领域。为解决现有技术中存在的，现有的光合速率测量技术存在：成本高且难以大规模应用，以及缺乏对叶片图像全面特征的有效分析，导致预测精度不高的技术问题，本发明提供的技术方案为：一种基于图像的叶片光合速率预测模型构建方法，方法包括：对采集的训练图像进行预处理，包括划分多个区间的步骤；对预设测量区域内的，所述分区中，像素个数进行统计的步骤；基于最小二乘法，得到所述像素个数与光合速率之间的量化关系的步骤；根据所述量化关系，构建光合速率预测模型的步骤。可以应用于分析叶片光合速率的工作中。
-
公开(公告)号：CN119107319A
公开(公告)日：2024-12-10
申请号：CN202411586598.7
申请日：2024-11-08
Applicant: 吉林农业大学
IPC: G06T7/00 , G06T7/11 , G06V10/766
Abstract: 一种基于图像的叶片光合速率预测方法，涉及植物光合作用评估技术领域。为解决现有技术中存在的，现有的光合速率测量技术存在：成本高且难以大规模应用，以及缺乏对叶片图像全面特征的有效分析，导致预测精度不高的技术问题，本发明提供的技术方案为：一种基于图像的叶片光合速率预测模型构建方法，方法包括：对采集的训练图像进行预处理，包括划分多个区间的步骤；对预设测量区域内的，所述分区中，像素个数进行统计的步骤；基于最小二乘法，得到所述像素个数与光合速率之间的量化关系的步骤；根据所述量化关系，构建光合速率预测模型的步骤。可以应用于分析叶片光合速率的工作中。
-
公开(公告)号：CN118886343A
公开(公告)日：2024-11-01
申请号：CN202411388646.1
申请日：2024-10-08
Applicant: 吉林农业大学 , 吉林省众拓智农科技有限公司
IPC: G06F30/27 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 土壤团聚体三维孔隙结构动态演化过程的生成方法和设备，属于农业信息化技术领域，解决土壤团聚体三维孔隙结构动态演化过程的生成方法具有破坏性、无法实时观察土壤孔隙结构的动态变化和效率低问题。本发明的方法包括：获取土壤团聚体三维孔隙子结构数据集；基于孔隙子结构训练土壤团聚体三维孔隙生成对抗网络模型；使用差分策略获取起点孔隙特征和终点孔隙特征对应的输入噪声向量；使用球面线性插值获取中间噪声向量；将噪声向量输入到生成模型中，获取孔隙三维结构的动态演化过程。本发明适用于实时、准确地重建和预测土壤孔隙结构的变化过程。
-
公开(公告)号：CN119339173A
公开(公告)日：2025-01-21
申请号：CN202411897369.7
申请日：2024-12-23
Applicant: 吉林农业大学
IPC: G06V10/764 , G06V10/40 , G06V10/77 , G06V10/82 , G06V20/68 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 一种粳稻籽粒的品种分类鉴别方法与装置，属于深度学习神经网络，尤其涉及粳稻籽粒的品种分类鉴别；解决了现有的图像分类处理模型的参数复杂度高、分类准确率低、无法避免过拟合、收敛速度慢，在性能方面无法满足粳稻籽粒分类的需求，导致的当前依然采用人工方法、化学方法和光谱技术等传统分类方法对粳稻籽粒进行评估或分类，费用昂贵、耗时、效率低下，且精度不足的问题；所述方法包括：用于将数据预处理后的待分类的粳稻籽粒的RGB图像输入训练完成的J‑Rice‑ResNeXt模型中，获得粳稻籽粒的分类鉴别结果的步骤；所述的一种粳稻籽粒的品种分类鉴别方法与装置，适用于粳稻籽粒的品种分类鉴别。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.02 seconds)
