公开(公告)号：CN119251813A

公开(公告)日：2025-01-03

申请号：CN202411275428.7

申请日：2024-09-12

Applicant: 新疆大学

Inventor： 赵晖 ,  朱爽 ,  贾振红 ,  王佳佳

IPC: G06V20/60 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082

Abstract: 本发明涉及一种基于多层上下文特征筛选的棉花叶部病害识别方法及系统，属于计算机视觉领域。基于ConvNeXt的棉花叶部病害识别方法，构建了棉花叶部病害数据集，建立了可以识别棉花轮纹斑病、褐斑病、角斑病、黄萎病、枯萎病、炭疽病、白粉病并返回预警信息及防治措施的系统。本发明提出的方法以ConvNeXt网络为骨干网络，增加了特征增强模块，提高了棉花叶片不同区域特征之间的对比度，并在此基础上，引入了多层上下文信息引导的特征筛选的特征筛选注意力机制，实现了更有效的特征筛选，实验表明，本发明提出的网络模型相比原ConvNeXt网络的识别准确率提升了4.1%。

公开(公告)号：CN119169514A

公开(公告)日：2024-12-20

申请号：CN202310741871.8

申请日：2023-06-20

Applicant: 新疆大学

Inventor： 王佳佳 ,  全思宇

IPC: G06V20/50 ,  G06V10/40 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明公开了一种基于改进MobileNetV3的植物叶片病害检测方法，涉及植物病害检测技术领域，包括以下步骤：1)获取并标记用于模型训练的植物叶片病害图像，并按4：1划分为训练集和测试集；2)构建植物病害检测模型；3)利用植物种类数据对模型进行预训练，降低学习和训练的成本，加快收敛模型速度；4)利用植物病害样本集训练模型；5)利用训练完成的植物叶片病害检测模型识别植物叶片图像，得到检测结果；6)将模型部署在移动平台上，得到便携式植物病害检测设备。本发明改进了MobileNetV3网络模型，在不显著影响模型参数量和训练时间的前提下进一步提升了模型的精度，较少的参数量及较高的精度使得模型能够在移动设备上实现快速准确的植物病害检测。

公开(公告)号：CN118365936A

公开(公告)日：2024-07-19

申请号：CN202410474205.7

申请日：2024-04-19

Applicant: 新疆大学

Inventor： 贾振红 ,  曲晓倩 ,  王佳佳 ,  周刚 ,  赵辉

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/40 ,  G06V10/80 ,  G06Q50/02

Abstract: 本发明公开了一种基于图像预处理的YOLOv8害虫检测方法及装置，包括：对自建的害虫数据集进行标注和划分；构建改进的图像预处理网络，将害虫图像进行预处理；构建改进的YOLOv8害虫检测网络，在YOLOv8颈部引入结合图像多尺度的全局语义信息SSFF模块和捕获小目标局部精细细节的TFE模块；将预处理后的害虫图像输入到改进的YOLOv8害虫检测网络中，用于增强小目标害虫的特征提取，之后使用合成的数据集进行评估模型，在自建的害虫数据集上进行测试。装置包括：处理器和存储器。本发明先对图像进行预处理，恢复害虫特征，减少光照变化所带来的影响；之后再将处理后的害虫图像输入到改进的检测网络里，提高微小害虫检测精度。

公开(公告)号：CN107064489B

公开(公告)日：2018-12-11

申请号：CN201611229026.9

申请日：2016-12-27

Applicant: 新疆大学

Inventor： 李彦宇 ,  贾振红 ,  李鹏 ,  王佳佳 ,  吕小毅

IPC: G01N33/533 ,  G01N21/64

Abstract: 本发明公开了一种基于多孔硅/量子点的荧光生物传感器基底材料的制备方法，包括以下步骤：电化学腐蚀法制备多层多孔硅样品；制备待测抗原；通过偶联剂将水溶性CdSe/ZnS量子点羧基活化，与表面有氨基功能团的生物分子偶联；将待测抗原渗透到多层多孔硅样品；将量子点偶联的抗体渗透到待测抗原修饰的多层多孔硅样品，得到所述基于多孔硅/量子点的荧光生物传感器基底材料；对样品进行表面形貌表征、反射谱测量及荧光检测。本发明的有益效果为：本发明提供的制备方法，以量子点为荧光标记物，多孔硅为荧光放大器的生物传感器检测低浓度的待测抗原，其检测灵敏度显著提高，也可调整为其他生物的特异性检测，扩大了适用范围。

公开(公告)号：CN104458660B

公开(公告)日：2017-07-18

申请号：CN201410646324.2

申请日：2014-11-15

Applicant: 新疆大学

Inventor： 贾振红 ,  吕小毅 ,  莫家庆 ,  李鹏 ,  王佳佳

IPC: G01N21/59

Abstract: 本发明提供一种基于透射式多孔硅光子晶体微腔角度检测装置的生物分子检测方法，主要的实验仪器为1310nm激光器和光功率检测计（多孔硅对1310nm光波透明）；激光器以一定的角度入射到以多孔硅光子晶体微腔传感器上，用光探测器接收透射光功率，固定激光器和光探测器，旋转多孔硅基底，找到微腔结构对应的最大透射光强功率的角度，然后添加生物改变多孔硅层折射率，再检测透射光的最大光强功率对应的角度，通过前后角度的改变，来检测添加生物浓度。

公开(公告)号：CN105866096A

公开(公告)日：2016-08-17

申请号：CN201610198716.6

申请日：2016-04-01

Applicant: 新疆大学

Inventor： 王佳佳 ,  贾振红 ,  吕小毅

IPC: G01N21/65

CPC classification number: G01N21/658

Abstract: 本发明公开一种高灵敏表面增强拉曼散射多孔硅光子晶体生物传感器件的制备方法，该方法包括以下步骤：S1、采用电化学腐蚀法，将N型单晶硅的表面制做成大孔层?介孔层交替堆叠的多孔硅布拉格反射镜；S2、将所述多孔硅布拉格反射镜做为基底材料，制备附着在孔道中的银纳米颗粒，得到多孔硅光子晶体生物传感器件。本发明利用光子晶体的特殊光子传输特性，以及光学长程池效果，使得光与物质作用长度增加，有效提高器件检测信号强度和灵敏度，拉曼信号强度约为单层多孔硅的5倍，检测极限比单层多孔硅提高两个数量级。

公开(公告)号：CN119418267A

公开(公告)日：2025-02-11

申请号：CN202411437004.6

申请日：2024-10-15

Applicant: 新疆大学

Inventor： 贾振红 ,  郭澳 ,  葛宝泉 ,  曲晓倩 ,  王佳佳 ,  周刚 ,  赵晖

IPC: G06V20/52 ,  G06V10/82 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种用于多场景下杂草检测方法及装置，方法包括：采集并标记不同场景下的杂草数据，并构建数据集，继而进行数据集评估；将重参数化大卷积核特征提取‑融合模块、空间金字塔池化网络、DySample上采样器与通用高效层聚合网络相结合，建立起重参数化特征提取检测网络；基于重参数化特征提取检测网络对多场景下杂草进行检测。装置包括：处理器和存储器。本发明既能提高杂草检测的性能，又能降低模型大小，对于智慧农业中杂草检测边缘设备的实地部署检测效果显著。

公开(公告)号：CN118230156A

公开(公告)日：2024-06-21

申请号：CN202410291768.2

申请日：2024-03-14

Applicant: 新疆大学

Inventor： 贾振红 ,  郭澳 ,  王佳佳 ,  周刚 ,  赵辉

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/26 ,  G06V10/42 ,  G06V10/44 ,  G06V10/82 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明公开了一种轻量化杂草检测方法及装置，方法包括：采集杂草图片，使用Labelimg标记并构建数据集；设计新的通道注意力机制，使其获取杂草全局信息的能力得到增强；将轻量级小型语义分割模块融入到C2f特征提取层，其内部轻量的CG块在学习杂草边缘和周围上下文联合特征时，引入全局上下文特征；颈部网络优化，将具有双向交叉连接和快速归一化融合的特征金字塔网络改进到YOLOv8的Neck层，使其获取不同尺度提取特征并作加权融合；将SERMAttention、CG块和BiFPN模块与YOLOv8相结合，提出适用于农田杂草检测的轻量级LW‑YOLOv8模型，并在公共数据集上进行评估，基于轻量级LW‑YOLOv8模型实现对轻量化杂草的检测。装置包括：处理器和存储器。

公开(公告)号：CN118041663A

公开(公告)日：2024-05-14

申请号：CN202410265033.2

申请日：2024-03-08

Applicant: 新疆大学

Inventor： 贾振红 ,  张宇 ,  黄晓辉 ,  王佳佳 ,  周刚 ,  石飞 ,  吕长武

IPC: H04L9/40 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/045

Abstract: 本发明为基于流信息图及时空特征融合增强的Tor加密流量分类方法。基于流信息图及时空特征融合增强的Tor加密流量分类方法，包括以下步骤：(1)数据预处理：对原始流量数据进行预处理；(2)将预处理后的数据生成流关系图FIG；(3)基于深度神经网络的特征自动提取，得到网络流的空间和时序特征；(4)将所述的空间和时序特征在节点之间传播、更新后，用平均池化法对流节点的特征进行聚合，再进行分类，最终输出标签。本发明所述的基于流信息图及时空特征融合增强的Tor加密流量分类方法，减轻了概念漂移的问题，同时提高了整体的有效性、鲁棒性以及准确率。

公开(公告)号：CN117195073A

公开(公告)日：2023-12-08

申请号：CN202311169091.7

申请日：2023-09-12

Applicant: 新疆大学

Inventor： 王佳佳 ,  董志林

IPC: G06F18/241 ,  G06F18/2135 ,  G06F18/213 ,  G06F18/10 ,  G06N3/049 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G01N21/3563 ,  G01N21/359

Abstract: 本发明提出了一种基于TCN‑LSTM模型的近红外光谱葡萄品种鉴别方法。其中，该方法包括：建立葡萄鉴别模型和对待测葡萄品种进行鉴别。在建立葡萄鉴别模型阶段，准备多种葡萄样本，使用近红外光谱采集设备获取样本的近红外光谱，并对光谱数据进行预处理及数据集划分；接着，利用所提出的深度学习网络TCN‑LSTM建立葡萄品种鉴别模型，然后基于所建立的葡萄鉴别模型对葡萄品种进行鉴别；通过使用该方法，我们可以通过近红外光谱技术对多种葡萄品种进行鉴别，而无需破坏葡萄样本的性状，也不需要添加任何化学剂；这一方法不仅为快速、非破坏性的葡萄品种鉴别提供了新思路，也为其他农产品品种鉴别提供了可行的解决方案。