-
公开(公告)号：CN115661544B
公开(公告)日：2024-04-05
申请号：CN202211389124.4
申请日：2022-11-08
Applicant: 吉林农业大学
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于N‑MobileNetXt的菠菜幼苗水分胁迫等级分类系统及方法，属于图像识别和深度学习技术领域，包括图像采集模块、图像预处理模块、图像特征提取模块及显示模块；图像采集模块加载一张菠菜幼苗图片或视频中的一帧作为输入；将采集的图像输入到图像处理模块进行图像预处理，处理好的待检测图像继续输入到图像特征提取模块中，图像特征提取模块将图像预处理模块发送的菠菜叶片图像进行特征提取并分级，并通过显示模块输出等级结果。本发明应用卷积神经网络，根据菠菜叶片图像识别菠菜幼苗的水分胁迫等级并分类，从而实现快速有效的菠菜幼苗水分胁迫检测以监测作物状态，为作物灌溉提供科学指导。
-
公开(公告)号：CN118154855B
公开(公告)日：2024-07-02
申请号：CN202410566271.7
申请日：2024-05-09
Applicant: 吉林农业大学
Abstract: 本发明公开一种绿色果实伪装目标检测方法，包括以下步骤：图像数据的处理及标注；采用MobileVit作为骨干网络，准确提取低层和高层特征中编码对象的结构信息和更清晰的语义信息；利用多个边缘引导特征模块集成来自‑多级骨干特征，通过全局平均池化模块引导特征学习并增强边界表示；设计的纹理‑边界感知模块使用三个不同大小的滤波器来提取不同尺度和级别上的信息，并且将所有信息连接起来以确保捕获所有有效特征。最后，引入上下文聚合模块通过一系列螺旋卷积挖掘和聚合多尺度上下文语义，以生成具有更强和更有效表示的特征。本发明提出的方法可有效应对复杂农田背景下绿色果实的检测，进一步辅助植保机器人进行精准采摘并实现果实早期产量预测。
-
公开(公告)号：CN117292248B
公开(公告)日：2024-04-26
申请号：CN202311420938.4
申请日：2023-10-30
Applicant: 吉林农业大学
IPC: G06V20/00 , G06V10/82 , G06N3/0464 , G06N3/08 , G06Q50/02
Abstract: 本发明公开了基于深度学习的农田喷药系统及其杂草检测方法，属于深度学习和智能喷药技术领域，本发明基于W‑YOLOv5和HSV色彩空间过滤的杂草检测方法并开发了智能精准喷药系统，将杂草检测算法在服务器训练、调试后嵌入至开发板中，利用摄像头采集农田作物和杂草图像，通过开发板运算处理后得到杂草位置并输出杂草严重等级，开发板根据杂草严重等级通过GPIO向四路继电器发送不同电平信号，进而控制电磁阀的开闭，通过四个电磁阀的不同开闭组合，实现精准变量喷药，同时还能完成系统流量的监测。本发明可精准检测农田中的各类杂草，并智能决策喷药量，无需人为主观判断，减少了农药的浪费和对农田的污染，对提高农产品安全和生态环境可持续发展具有重要意义。
-
公开(公告)号：CN117292248A
公开(公告)日：2023-12-26
申请号：CN202311420938.4
申请日：2023-10-30
Applicant: 吉林农业大学
IPC: G06V20/00 , G06V10/82 , G06N3/0464 , G06N3/08 , G06Q50/02
Abstract: 本发明公开了基于深度学习的农田喷药系统及其杂草检测方法，属于深度学习和智能喷药技术领域，本发明基于W‑YOLOv5和HSV色彩空间过滤的杂草检测方法并开发了智能精准喷药系统，将杂草检测算法在服务器训练、调试后嵌入至开发板中，利用摄像头采集农田作物和杂草图像，通过开发板运算处理后得到杂草位置并输出杂草严重等级，开发板根据杂草严重等级通过GPIO向四路继电器发送不同电平信号，进而控制电磁阀的开闭，通过四个电磁阀的不同开闭组合，实现精准变量喷药，同时还能完成系统流量的监测。本发明可精准检测农田中的各类杂草，并智能决策喷药量，无需人为主观判断，减少了农药的浪费和对农田的污染，对提高农产品安全和生态环境可持续发展具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN119723110A
公开(公告)日：2025-03-28
申请号：CN202411857765.7
申请日：2024-12-17
Applicant: 吉林农业大学
IPC: G06V10/44 , G06V10/774 , G06V10/26 , G06V10/82 , G06N3/0464 , G06V10/25 , G06V20/10
Abstract: 本发明公开一种基于苗带分割的田间航线提取方法及系统，涉及图像识别技术领域，包括：建立玉米田多样化数据集，采用边缘贴合策略标注方法进行数据标注；使用Local‑SegNeXt网络对苗带进行分割，Local‑SegNeXt网络采用多尺度卷积注意力作为编码器，并构建Local模块以精细化局部语义特征提取，增强对苗带图像特征的感知力；自适应提取感兴趣区域，根据作物行实例分割结果确定苗带区域，并采用自适应算法剔除冗余标签，仅保留导航所需的作物行作为感兴趣区域；采用改进的抽样一致性拟合航线方法提取导航线，利用梯度方向对RANSAC算法中随机抽取的样本进行约束，找到一组高质量的内点，进而确当前车道中心线。本发明找到ROI区域中高质量的中心点拟合导航线，提供可靠的航线信息。
-
公开(公告)号：CN119313766A
公开(公告)日：2025-01-14
申请号：CN202411481589.1
申请日：2024-10-23
Applicant: 吉林农业大学
IPC: G06T11/00 , G06V10/762 , G06V10/764 , G06F17/16 , G06T5/70 , G06V10/75
Abstract: 本发明公开一种基于FSD‑GIRA的鬼成像目标重建方法，涉及数字图像处理技术领域，本发明技术方案使用模糊聚类算法对光路探测器光场强度测量矩阵的特征值进行分类，通过奇异值分解将其重构，实现鬼成像系统测量数据的降维处理，提出WE‑FOMP‑CG算法，通过结合广义正交匹配追踪、共轭梯度方法和多阈值小波降噪方法，优化了稀疏信号的恢复；在每次迭代中选择最相关的传感矩阵列，用PCG解线性方程组，并对结果进行小波预处理和多阈值去噪，更新恢复估计。提高了计算效率和收敛速度，并在高噪声环境下提供了更精确的恢复结果。还提出了WBDH算法，该算法利用双重去噪机制，包括小波变换和BM3D方法，以保证恢复出的图像细节和结构得以保留，从而进一步提高鬼成像目标重建质量。
-
公开(公告)号：CN119313766B
公开(公告)日：2025-05-16
申请号：CN202411481589.1
申请日：2024-10-23
Applicant: 吉林农业大学
IPC: G06T11/00 , G06V10/762 , G06V10/764 , G06F17/16 , G06T5/70 , G06V10/75
Abstract: 本发明公开一种基于FSD‑GIRA的鬼成像目标重建方法，涉及数字图像处理技术领域，本发明技术方案使用模糊聚类算法对光路探测器光场强度测量矩阵的特征值进行分类，通过奇异值分解将其重构，实现鬼成像系统测量数据的降维处理，提出WE‑FOMP‑CG算法，通过结合广义正交匹配追踪、共轭梯度方法和多阈值小波降噪方法，优化了稀疏信号的恢复；在每次迭代中选择最相关的传感矩阵列，用PCG解线性方程组，并对结果进行小波预处理和多阈值去噪，更新恢复估计。提高了计算效率和收敛速度，并在高噪声环境下提供了更精确的恢复结果。还提出了WBDH算法，该算法利用双重去噪机制，包括小波变换和BM3D方法，以保证恢复出的图像细节和结构得以保留，从而进一步提高鬼成像目标重建质量。
-
公开(公告)号：CN115661544A
公开(公告)日：2023-01-31
申请号：CN202211389124.4
申请日：2022-11-08
Applicant: 吉林农业大学
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于N‑MobileNetXt的菠菜幼苗水分胁迫等级分类系统及方法，属于图像识别和深度学习技术领域，包括图像采集模块、图像预处理模块、图像特征提取模块及显示模块；图像采集模块加载一张菠菜幼苗图片或视频中的一帧作为输入；将采集的图像输入到图像处理模块进行图像预处理，处理好的待检测图像继续输入到图像特征提取模块中，图像特征提取模块将图像预处理模块发送的菠菜叶片图像进行特征提取并分级，并通过显示模块输出等级结果。本发明应用卷积神经网络，根据菠菜叶片图像识别菠菜幼苗的水分胁迫等级并分类，从而实现快速有效的菠菜幼苗水分胁迫检测以监测作物状态，为作物灌溉提供科学指导。
-
公开(公告)号：CN118154855A
公开(公告)日：2024-06-07
申请号：CN202410566271.7
申请日：2024-05-09
Applicant: 吉林农业大学
Abstract: 本发明公开一种绿色果实伪装目标检测方法，包括以下步骤：图像数据的处理及标注；采用MobileVit作为骨干网络，准确提取低层和高层特征中编码对象的结构信息和更清晰的语义信息；利用多个边缘引导特征模块集成来自‑多级骨干特征，通过全局平均池化模块引导特征学习并增强边界表示；设计的纹理‑边界感知模块使用三个不同大小的滤波器来提取不同尺度和级别上的信息，并且将所有信息连接起来以确保捕获所有有效特征。最后，引入上下文聚合模块通过一系列螺旋卷积挖掘和聚合多尺度上下文语义，以生成具有更强和更有效表示的特征。本发明提出的方法可有效应对复杂农田背景下绿色果实的检测，进一步辅助植保机器人进行精准采摘并实现果实早期产量预测。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.025 seconds)
