-
公开(公告)号：CN117456286B
公开(公告)日：2024-04-16
申请号：CN202311773583.7
申请日：2023-12-22
Applicant: 吉林农业大学
IPC: G06V10/764 , G06N3/0464 , G06N3/048 , G06V10/774 , G06V10/82 , G06V20/68
Abstract: 本发明属于智能化人参分级技术领域，本发明公开了一种人参分级方法、装置及设备，包括：搭建用于进行人参分级的分级网络模型；获取对分级网络模型进行训练的训练样本集；利用训练样本集对分级网络模型进行训练，并基于损失函数对训练完成的分级网络模型进行优化，得到最终的分级网络模型；将待分级人参外观图像输入最终的分级网络模型中，输出人参分级结果；其中，分级网络模型以密集连接网络为骨干网络，并利用坐标注意力机制进行改进。本发明结合大数据和人工智能算法进行数据分析和挖掘，进一步优化人参品级分类算法，提高分类的准确性和效果。这些探索和改进将有助于进一步提高人参品级分类的科学性和准确性，推动该领域的发展与应用。
-
公开(公告)号：CN116403056A
公开(公告)日：2023-07-07
申请号：CN202310665276.0
申请日：2023-06-07
Applicant: 吉林农业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/68 , G06N3/0464 , G06N3/048
Abstract: 一种人参分级系统及方法，属于分类识别技术领域，具体涉及人参分类识别技术领域。其解决了人参分类效率和准确率低的问题。所述系统包括：输入模块，依次包括二维卷积层和批量归一化层；主干模块，依次包含4层改进的ConvNeXt网络，分别命名为第一改进ConvNeXt网络、第二改进ConvNeXt网络、第三改进ConvNeXt网络和第四改进ConvNeXt网络；输出模块，依次包括平均池化层、批量归一化层和全连接层。本发明所述系统及方法可以应用在人参分级分类领域。
-
公开(公告)号：CN116051913A
公开(公告)日：2023-05-02
申请号：CN202310339474.8
申请日：2023-04-03
Applicant: 吉林农业大学
IPC: G06V10/764 , G06V10/77 , G06V10/82 , G06V10/774 , G06N3/0464
Abstract: 鹿茸饮片分类识别模型、方法及系统。属于图像识别技术领域，具体涉及中药饮片分类识别技术领域。其解决了针对鹿茸饮片进行分类识别时参数量大和特征提取针对性弱的问题。所述模型包括预处理单元、改进骨干网络单元和池化单元；所述改进骨干网络单元：对所述预处理层输出的图像进行参数减少和特征增强处理，包括多尺度骨干网络和改进卷积网络。所述方法使用所述鹿茸饮片分类识别模型进行，构建鹿茸饮片分类识别的训练集和验证集，将训练集输入所述鹿茸饮片分类识别模型进行深度学习，验证集用于验证准确率。本发明所述模型及方法可以应用在鹿茸饮片分类识别领域以及鹿茸饮片自动化分类领域。
-
公开(公告)号：CN115223657B
公开(公告)日：2022-12-06
申请号：CN202211140336.9
申请日：2022-09-20
Applicant: 吉林农业大学
Abstract: 一种药用植物转录调控图谱预测方法，属于生物信息学技术领域。为了解决当前药用植物遗传背景不清晰的问题，本发明搜集人参等药用植物基因组从头测序数据和转录调控网络，采用序列比对法从类比角度将近源物种的denovo全基因组水平转录调控网络迁移到未完全注释的药用植物基因组中；运用图卷积网络、注意力机制等方法构建深度网络学习架构并对共表达转录调控网络模块进行预测；采用社区发现算法，对差异共表达网络模块进行识别，进而揭示待预测药用植物中的主要成分及其生物合成途径。利用该方法搭建的药用植物转录调控网络可视化数据库平台可查询药用植物转录因子、转录因子调控网络、生物通路。
-
公开(公告)号：CN111414896A
公开(公告)日：2020-07-14
申请号：CN202010280895.4
申请日：2020-04-10
Applicant: 吉林农业大学
Abstract: 本发明公开了一种基于卷积神经网络农作物病害图像识别方法，包括如下步骤：S1、基于无人机定时定点的进行农作物图像的采集；S2、读取农作物图像内载的POS数据，并基于Faster R-CNN模型实现农作物图像中病害区域的检测定位，生成病害区图像集；S3、基于DSSD_Xception_coco模型实现病害区图像中孔洞、斑点、害虫轨迹等的检测识别；S4、基于孔洞、斑点、害虫轨迹等的检测识别结果及其对应的病害区图像的POS数据输出病害识别结果，并完成各区域的病害情况统计。本发明实现了农作物病害的自动检测、识别和统计分析，进而提供对应的防治方案，为提高农作物病害预警奠定基础。
-
Patent Agency Ranking
公开(公告)号：CN119693720A
公开(公告)日：2025-03-25
申请号：CN202510193523.0
申请日：2025-02-21
Applicant: 吉林农业大学
IPC: G06V10/764 , G06V10/26 , G06V10/34 , G06V10/56
Abstract: 本申请涉及图像处理技术领域，具体涉及一种人参图像分类检索方法，该方法包括：分别对各等级下的多支人参采集人参图像；获取各人参图像中的表皮像素点和非表皮像素点；基于各人参图像内所有表皮像素点的灰度值，获取各人参图像的表皮颜色表征值；获取伽马变换算法处理各人参图像时的灰度缩放系数；将各人参图像分别分割为各超像素块，获取各超像素块受到拉伸时的影响权重；获取各超像素块的伽马调控比例；获取伽马变换算法处理各超像素块时的伽马因子；利用伽马变换算法对各人参图像进行图像增强，基于图像增强后的人参图像，对待分类人参图像进行分类。本申请旨在提高对人参进行分类的准确性。
-
公开(公告)号：CN117018918A
公开(公告)日：2023-11-10
申请号：CN202311025784.9
申请日：2023-08-15
Applicant: 吉林农业大学
IPC: B01F27/90 , B01F27/2122 , B01F27/2123 , B01F27/116 , B01F35/22 , B01F35/32 , B01F35/33 , B01F35/71 , B01F35/88 , B01F101/04
Abstract: 本发明涉及药液调配领域，具体的说是一种农作物病害防治用药液调配装置，包括外桶体，所述外桶体的内部分隔为调配腔、储液腔和配液腔，所述储液腔和配液腔之间通过连通管进行连通，且所述连通管的内部设置有单向阀，所述配液腔远离连通管一侧的内壁上固定连通有曝液管。控制伺服电机带动活塞板进行往复运动的次数即可控制泵送的农药的剂量，从而达到精准调配的效果；并且泵送至中空转动轴内的农药将会沿着搅拌管上的曝液通孔均匀喷出至盛放有水的调配腔内，同时搅拌管在传动轮和传动带的带动下能够在调配腔的内部进行转动搅拌，分为多次少量的添加农药再结合其均匀喷淋出的同时进行搅拌，可以有效的提高农药与水的混合效率和效果。
-
公开(公告)号：CN113395661B
公开(公告)日：2023-02-10
申请号：CN202110737987.5
申请日：2021-06-30
Applicant: 吉林农业大学
Abstract: 本发明公开了一种基于深度神经网络的室内定位系统，系统箱体的正下方贯穿连接有定位力臂，且系统箱体的中部焊接固定有信号箱体，所述信号箱体的外侧贯穿连接有旋转轴，包括:托举箱体，其正下方连接有LED灯，且LED灯的左右两侧设置有电子标签，所述托举箱体的正上方焊接固定有竖向力臂，且竖向力臂的外侧嵌套连接有导向滑杆，所述竖向力臂的外侧螺纹连接有滚珠丝杠；且信号发射器的一侧电线连接有信号数据线，所述合金支架的上表面开设有矩形滑槽。该基于深度神经网络的室内定位系统；采用竖向力臂及滚珠丝杠，利用滚珠丝杠对竖向力臂进行垂直上升或下降处理，根据建筑物的高度及地面导航的需求，对竖向力臂的高度进行调节。
-
公开(公告)号：CN111414894A
公开(公告)日：2020-07-14
申请号：CN202010279954.6
申请日：2020-04-10
Applicant: 吉林农业大学
Abstract: 本发明公开了一种基于遥感图像的农作物病害识别方法，包括如下步骤：S1、基于YOLT模型实现遥感图像中农作物目标的检测；S2、基于检测结果在遥感图像中挖掘出该农作物目标对应的农作物图像区域，生成农作物图像；S3、基于热力图的病害图像去遮挡算法去除农作物图像内的农作物遮挡信息；S4、基于显著图的病害图像分割方法，利用显著图检测策略,获取农作物图像的显著图,将显著图作为掩码图像,对农作物图像进行复杂背景分割；S5、基于DSSD__Inception_V2_coco模型实现农作物图像中孔洞、斑点、害虫轨迹等的检测识别。本发明可以实现农作物病害的快速识别和统计分析。
-
公开(公告)号：CN110929933A
公开(公告)日：2020-03-27
申请号：CN201911155647.0
申请日：2019-11-22
Applicant: 吉林农业大学
IPC: G06Q10/04 , G06Q50/02 , G06F16/22 , G06F16/36 , G06F40/279
Abstract: 本发明提供了一种基于知识图谱的水稻病害预测与诊断方法，它是通过水稻病害知识抽取、水稻病害知识表示、水稻病害知识融合、水稻病害知识存储、水稻病害知识预测与诊断等步骤实现的。该方法消除了水稻领域大量繁多的数据以及诸多不可控因素的影响，进而保证预测与防治的准确性、多样性；同时，避免专家判断的人为主观因素的抉择，使得预测和防治更加有效、精确。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.114 seconds)
