-
公开(公告)号:CN118115846B
公开(公告)日:2025-03-25
申请号:CN202410189131.2
申请日:2024-02-20
Applicant: 扬州大学
IPC: G06V10/80 , G06V10/82 , G06V10/52 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06V20/10
Abstract: 本发明公开了一种基于局部‑全局特征融合的田间麦穗计数方法。该方法首先收集麦穗RGB图像数据,统一大小,并使用点标注对麦穗数据集预处理建立标签,构建训练数据集;然后将训练数据集输入到模型中训练,学习小麦图像的麦穗特征并进行计数。计数模型使用CSPDarknet53提取图像的局部特征,并在特征提取过程中添加具有自注意力机制的Pyramid Pooling Transformer提取全局上下文信息,通过融合局部特征和全局上下文信息,提高麦穗计数的准确率,能够有效的适用于实际的田间麦穗计数。
-
公开(公告)号:CN115512361A
公开(公告)日:2022-12-23
申请号:CN202211142055.7
申请日:2022-09-20
Applicant: 扬州大学 , 无锡芯享信息科技有限公司
Abstract: 本发明公开了一种基于工业场景的超分辨光学字符检测识别系统及方法,涉及图像文字识别领域和超分辨率领域。适用于存在图片复杂度较高、文本区域相对不明显、识别检测精度较低等问题。结合了超分辨率技术和文本检测算法进行系统模型建立,使基于超分辨率的场景文本识别的识别性能得到相应的提升。包括如下步骤:获取截图识别或拍照识别的文本图像;对文本图像进行等份裁剪;对裁剪后图片分别送入超分辨率模块,使用超分网络对图像进行超分处理,提高图像分辨率;对超分后场景图像输入训练好的文本识别检测模型;对文本识别结果进行拼接。本发明可适用于工业场景的小文字识别,通过超分辨率算法,能够有效的提高了文本识别的精度。
-
公开(公告)号:CN114841961B
公开(公告)日:2024-04-05
申请号:CN202210482581.1
申请日:2022-05-05
Applicant: 扬州大学
IPC: G06T7/00 , G06T7/73 , G06T3/4053 , G06T3/4046 , G06T5/60 , G06T5/70 , G06T5/73 , G06T5/90 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了基于图像增强和改进YOLOv5的小麦赤霉病检测方法,属于图像超分辨率领域和病害检测领域。包括收集小麦赤霉病害图像;对收集的小麦赤霉病害图像通过数据增强对图像数量进行扩充;对病害图像进行YOLOv5格式的标注并标记病害类别,形成小麦赤霉病数据集;利用超分辨网络对图像进行预处理,提高分辨率;将原有主干网络替换为Swin‑Transformer网络,构建改进的YOLOv5的小麦赤霉病害检测模型;利用按比例划分的数据集对构建的小麦赤霉病检测模型进行训练和模型误差分析。本发明利用超分辨率和改进后的YOLOv5网络模型增强了小麦赤霉病检测模型对特征的提取,从而提高了小麦赤霉病检测的准确率,能够有效的适用于实际的大田环境检测。
-
公开(公告)号:CN114820651A
公开(公告)日:2022-07-29
申请号:CN202210363172.X
申请日:2022-04-07
Applicant: 扬州大学
Abstract: 本发明公开了一种基于多尺度的鞍区病变医学图像分割方法,属于图像识别与医学领域。本技术方案的主要要点包括:将患者的MRI图像从DICOM文件转换成PNG图像,并且用IKT‑SNAP标注图像的鞍区病变区域。将处理后的图像输入到检测模中进行训练,训练完毕可以直接对DICOM文件进行预测,输出为模型预测的患者脑部鞍区病变区域。检测模型通过将多路径视觉转换成U型结构,修改上采样部分,构建阶段的特征层次结构,用于生成不同比例的特征图,使用包含因子化自我注意的Transformer编码器作为模型中的Transformer主干,并且用不同大小的补丁生成相同序列长度的各种大小的视觉标记,通过该方法进行下采样,最终实现基于多尺度的对脑部鞍区病变区域的分割方法。
-
公开(公告)号:CN117975004B
公开(公告)日:2024-11-22
申请号:CN202410104596.3
申请日:2024-01-25
Applicant: 扬州大学
Abstract: 本发明提供了一种基于编码器‑解码器架构结合带状池化模块和ASPP模块的田埂分割方法,属于图像分割与农业领域。本技术方案的主要特点包括:采集农田田埂影像,并利用标注工具制作田埂数据集;将田埂数据集传入分割模型中训练;训练完毕可以直接对农田影像进行田埂分割,输出为模型预测的田埂及背景信息。所述模型整体上采用编码器‑解码器架构,通过编码器下采样逐层提取特征,将编码器最深层特征图传入空洞卷积ASPP模块中,捕获不同感受野信息,在解码器中使用带状池化模块加强特征提取,并逐层上采样恢复分割结果至原分辨率大小,最终实现基于编码器‑解码器架构的对农田田埂的分割方法。
-
公开(公告)号:CN116740406A
公开(公告)日:2023-09-12
申请号:CN202310326221.7
申请日:2023-03-29
Applicant: 扬州大学
IPC: G06V10/764 , G06V10/77 , G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于3D Octave卷积结合ViT的高光谱图像分类方法,属于图像分类领域,包括3D Octave卷积模块、空间注意力模块和ViT模块,首先对高光谱图像(HSI)进行光谱降维,预处理后的HSI经过Octave卷积模块、空间注意力模块和ViT模块可以实现对HSI中的每个像素分类;Octave模块通过在不同频率分量间建立频间交换和频内更新机制减少特征图空间信息冗余;空间注意力模块能够自适应的选择空间区域,强调空间中的重要像素从而建立起不同地物的空间相关性;ViT模块提取特征图的全局信息,进一步优化光谱特征和空间特征,最后对每个类别进行预测分类。本发明可以减少光谱‑空间信息冗余和计算成本,更有效的提取空谱特征,提高HSI分类精度。
-
公开(公告)号:CN114841961A
公开(公告)日:2022-08-02
申请号:CN202210482581.1
申请日:2022-05-05
Applicant: 扬州大学
IPC: G06T7/00 , G06T7/73 , G06T3/40 , G06T5/00 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于图像增强和改进YOLOv5的小麦赤霉病检测方法,属于图像超分辨率领域和病害检测领域。包括收集小麦赤霉病害图像;对收集的小麦赤霉病害图像通过数据增强对图像数量进行扩充;对病害图像进行YOLOv5格式的标注并标记病害类别,形成小麦赤霉病数据集;利用超分辨网络对图像进行预处理,提高分辨率;将原有主干网络替换为Swin‑Transformer网络,构建改进的YOLOv5的小麦赤霉病害检测模型;利用按比例划分的数据集对构建的小麦赤霉病检测模型进行训练和模型误差分析。本发明利用超分辨率和改进后的YOLOv5网络模型增强了小麦赤霉病检测模型对特征的提取,从而提高了小麦赤霉病检测的准确率,能够有效的适用于实际的大田环境检测。
-
公开(公告)号:CN118010648A
公开(公告)日:2024-05-10
申请号:CN202410271406.7
申请日:2024-03-11
Applicant: 扬州大学
Abstract: 本发明公开了一种用于无人机精准施肥的稻麦氮素营养多光谱诊断方法,包括:步骤1,获取多光谱无人机遥感影像并采集稻麦农学参数,建立氮营养光谱诊断模型;步骤2,基于干物质量的临界氮浓度稀释模型计算得到稻麦的地上部临界氮浓度,进一步得到临界吸氮量;基于氮营养光谱诊断模型计算稻麦地上部实际吸氮量;基于临界吸氮量、实际吸氮量得到稻麦相应时期的推荐追氮量。本发明通过多光谱无人机对稻麦生长进行影像获取,建立氮营养参数动态诊断模型,根据临界氮浓度稀释模型实现氮素营养快速诊断并生成施肥处方图,根据计算出的推荐施氮量指导农用无人机精准施肥,在保证稻麦稳产的前提下,减少化肥和人力的投入,具有良好的应用前景。
-
公开(公告)号:CN112379878A
公开(公告)日:2021-02-19
申请号:CN202011131833.3
申请日:2020-10-21
Applicant: 扬州大学
IPC: G06F8/38 , G06F8/33 , G06F16/958
Abstract: 本发明公开了一种基于多标签学习的UI元素的Web代码生成方法,包括:获取UI元素图片及其代码的数据集;对每一个UI元素图片进行预处理,获得处理后的图片;对预处理后的图片进行特征提取,获得特征向量v;基于向量v,训练一个HTML标签分类器、HTML属性的分类器,n'个对应离散CSS属性值的分类器和m'个连续CSS属性值回归器,之后利用各分类器、回归器预测新的UI元素图片,对预测后的结果进行代码组装,获得该图片对应的代码。本发明方法能够获得UI元素图片到Web代码的生成模型M,对M输入待处理的UI元素图片,便能生成相应的Web代码,普适性和通用性更强,可以取代实际开发中的部分环节,使实际使用成本更低、应用领域更广。
-
公开(公告)号:CN118010648B
公开(公告)日:2024-12-13
申请号:CN202410271406.7
申请日:2024-03-11
Applicant: 扬州大学
Abstract: 本发明公开了一种用于无人机精准施肥的稻麦氮素营养多光谱诊断方法,包括:步骤1,获取多光谱无人机遥感影像并采集稻麦农学参数,建立氮营养光谱诊断模型;步骤2,基于干物质量的临界氮浓度稀释模型计算得到稻麦的地上部临界氮浓度,进一步得到临界吸氮量;基于氮营养光谱诊断模型计算稻麦地上部实际吸氮量;基于临界吸氮量、实际吸氮量得到稻麦相应时期的推荐追氮量。本发明通过多光谱无人机对稻麦生长进行影像获取,建立氮营养参数动态诊断模型,根据临界氮浓度稀释模型实现氮素营养快速诊断并生成施肥处方图,根据计算出的推荐施氮量指导农用无人机精准施肥,在保证稻麦稳产的前提下,减少化肥和人力的投入,具有良好的应用前景。
-
-
-
-
-
-
-
-
-