-
公开(公告)号：CN113313063A
公开(公告)日：2021-08-27
申请号：CN202110684484.6
申请日：2021-06-21
Applicant: 暨南大学
Abstract: 本申请涉及一种麦穗检测方法、电子装置和存储介质，其中，该麦穗检测方法包括：获取待检测的第一小麦图像；分别利用第一注意力机制检测模型和第二注意力机制检测模型对其进行处理，得到第一标签数据和第二标签数据，其中，第一注意力机制检测模型是根据样本小麦图像和对应的标签数据训练得到的，第二注意力机制检测模型是根据第一标签图像和第一标签图像所对应的实测标签数据训练得到的，第一标签图像是根据样本小麦图像和第一标签数据生成的训练数据；基于预设融合算法对第一标签数据和第二标签数据进行融合处理，并确定麦穗检测结果。通过本申请，解决了相关技术中麦穗检测性能差、成本高的问题，实现了麦穗的准确检测。
-
公开(公告)号：CN112949733A
公开(公告)日：2021-06-11
申请号：CN202110271569.1
申请日：2021-03-12
Applicant: 暨南大学
Abstract: 本申请涉及故障因子数据的获取方法、装置、电子装置及存储介质，该获取方法包括获取目标设备的运行参数数据；根据故障信息确定设备故障特征，在设备参数数据中检测设备故障特征对应的第一参数数据；利用预设回归模型对第一参数数据进行处理，得到第一故障因子数据，第一故障因子数据包括多个协同影响设备产生故障的单因素故障因子数据；分别确定每个单因素故障因子数据与第一故障因子数据的相关度，根据相关度在第一故障因子数据中筛选候选故障因子数据；利用特征训练模型对候选故障因子数据进行处理，得到第一特征值，并按第一特征值自大到小选取候选故障因子作为目标故障因子数据，通过本申请，解决了相关技术中难以从参数数据中挖掘出故障因子的问题。
-
公开(公告)号：CN112949733B
公开(公告)日：2022-06-07
申请号：CN202110271569.1
申请日：2021-03-12
Applicant: 暨南大学
Abstract: 本申请涉及故障因子数据的获取方法、装置、电子装置及存储介质，该获取方法包括获取目标设备的运行参数数据；根据故障信息确定设备故障特征，在设备参数数据中检测设备故障特征对应的第一参数数据；利用预设回归模型对第一参数数据进行处理，得到第一故障因子数据，第一故障因子数据包括多个协同影响设备产生故障的单因素故障因子数据；分别确定每个单因素故障因子数据与第一故障因子数据的相关度，根据相关度在第一故障因子数据中筛选候选故障因子数据；利用特征训练模型对候选故障因子数据进行处理，得到第一特征值，并按第一特征值自大到小选取候选故障因子作为目标故障因子数据，通过本申请，解决了相关技术中难以从参数数据中挖掘出故障因子的问题。
-
Patent Agency Ranking
公开(公告)号：CN113065480B
公开(公告)日：2023-07-07
申请号：CN202110382382.9
申请日：2021-04-09
Applicant: 暨南大学
IPC: G06V30/22 , G06V30/16 , G06V30/162 , G06V30/146 , G06V30/164 , G06V30/18 , G06V30/19 , G06V10/764 , G06V10/34
Abstract: 本申请涉及书法作品风格的识别方法、装置、电子装置和存储介质，其中，该书法作品风格的识别方法包括：通过获取待识别的书法作品图像；对书法作品图像进行预处理，并对预处理后的图像进行书法字定位裁剪，得到至少一幅字图像，其中，预处理包括：中值滤波降噪处理、二值化处理、腐蚀膨胀的形态学图像处理；利用胶囊网络模型处理至少一幅字图像，获得每一幅字图像对应的第一分类标签，其中，胶囊网络模型被训练为用于根据字图像得到与该字图像对应的分类标签；根据第一分类标签确定书法作品图像的风格识别结果。通过本申请，解决了相关技术中书法作品风格的识别准确率低、效率不高的问题，实现了书法作品风格的快速准确识别。
-
公开(公告)号：CN113065480A
公开(公告)日：2021-07-02
申请号：CN202110382382.9
申请日：2021-04-09
Applicant: 暨南大学
IPC: G06K9/00 , G06K9/32 , G06K9/34 , G06K9/62 , G06N3/08 , G06T3/40 , G06T5/00 , G06T5/20 , G06T5/30
Abstract: 本申请涉及书法作品风格的识别方法、装置、电子装置和存储介质，其中，该书法作品风格的识别方法包括：通过获取待识别的书法作品图像；对书法作品图像进行预处理，并对预处理后的图像进行书法字定位裁剪，得到至少一幅字图像，其中，预处理包括：中值滤波降噪处理、二值化处理、腐蚀膨胀的形态学图像处理；利用胶囊网络模型处理至少一幅字图像，获得每一幅字图像对应的第一分类标签，其中，胶囊网络模型被训练为用于根据字图像得到与该字图像对应的分类标签；根据第一分类标签确定书法作品图像的风格识别结果。通过本申请，解决了相关技术中书法作品风格的识别准确率低、效率不高的问题，实现了书法作品风格的快速准确识别。
-
公开(公告)号：CN112883873A
公开(公告)日：2021-06-01
申请号：CN202110197703.8
申请日：2021-02-22
Applicant: 暨南大学
Abstract: 本申请涉及一种叶部病害的识别方法、装置、电子装置和存储介质，其中，该叶部病害的识别方法包括：通过获取待识别的植物叶片图像；对所述植物叶片图像进行预处理，得到多幅第一叶片图像；利用注意力机制模型处理多幅所述第一叶片图像，获得多幅所述第一叶片图像对应的第一分类标签，其中，所述注意力机制模型被训练为用于根据叶片图像得到与该叶片图像对应的分类标签，所述分类标签包括该叶片图像对应各种叶部病害类别的病害概率；根据所述第一分类标签确定所述植物叶片图像的识别结果。通过本申请，解决了相关技术中叶部病害识别费时费力、时效性低的问题，实现了叶部病害的实时检测识别。
-
公开(公告)号：CN112883873B
公开(公告)日：2023-08-01
申请号：CN202110197703.8
申请日：2021-02-22
Applicant: 暨南大学
IPC: G06V20/10 , G06V10/20 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本申请涉及一种叶部病害的识别方法、装置、电子装置和存储介质，其中，该叶部病害的识别方法包括：通过获取待识别的植物叶片图像；对所述植物叶片图像进行预处理，得到多幅第一叶片图像；利用注意力机制模型处理多幅所述第一叶片图像，获得多幅所述第一叶片图像对应的第一分类标签，其中，所述注意力机制模型被训练为用于根据叶片图像得到与该叶片图像对应的分类标签，所述分类标签包括该叶片图像对应各种叶部病害类别的病害概率；根据所述第一分类标签确定所述植物叶片图像的识别结果。通过本申请，解决了相关技术中叶部病害识别费时费力、时效性低的问题，实现了叶部病害的实时检测识别。
-
公开(公告)号：CN110097727A
公开(公告)日：2019-08-06
申请号：CN201910358732.0
申请日：2019-04-30
Applicant: 暨南大学
Abstract: 本发明为基于模糊贝叶斯网络的森林火灾预警方法及系统，属于消防安全领域，方法如下：无人机搭载多个传感器沿设定路线对森林进行巡检，实时感测行驶区域的数据并发送到地面站；地面站结合当地晴天数和易燃植物数进行易燃等级分级处理，根据温度、湿度、烟尘、气体信息进行火灾预警初判断；地面站接收各传感器数据后，采用模糊贝叶斯网络处理传感器数据，计算获得火灾发生概率；火灾概率较高时，地面站将火灾预警信号、是否有火灾、火灾实时情况以及位置信息发送给森林管理中心；火灾概率较低时，无人机沿设定路线等高飞行。本发明通过模糊贝叶斯网络算法对传感器数据进行处理，能够精确计算火灾概率，便于相关人员第一时间准确获知火灾情况。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
