-
公开(公告)号：CN113539353B
公开(公告)日：2023-04-07
申请号：CN202110780614.6
申请日：2021-07-09
Applicant: 江南大学 , 绿视芯科技(无锡)有限公司
IPC: G16B5/00 , G16B40/00 , G06F18/214 , G06N20/10
Abstract: 本发明涉及一种确定暗适应下叶绿素荧光特征参数的方法，包括获取暗适应下的叶绿素荧光特征参数与未暗适应下的叶绿素荧光信号并在两者之间建立机器学习模型映射关系；将叶绿素荧光特征参数和叶绿素荧光信号组合划分为训练数据集和测试数据集并进行归一化处理；利用训练数据集从未暗适应的叶绿素荧光信号中确定暗适应下叶绿素荧光特征参数的机器学习模型；利用归一化处理后的测试数据集对确定的模型进行测试，评估从未暗适应的叶绿素荧光信号中确定暗适应下的叶绿素荧光特征参数的模型性能。本发明从未经暗适应的叶绿素荧光信号中确定暗适应下的叶绿素荧光特征参数Fv/Fm，Fj，Fi，Fo的方法，弥补了现有技术中确定Fv/Fm，Fj，Fi，Fo需要暗适应的缺陷。
-
公开(公告)号：CN113539353A
公开(公告)日：2021-10-22
申请号：CN202110780614.6
申请日：2021-07-09
Applicant: 江南大学 , 绿视芯科技(无锡)有限公司
Abstract: 本发明涉及一种确定暗适应下叶绿素荧光特征参数的方法，包括获取暗适应下的叶绿素荧光特征参数与未暗适应下的叶绿素荧光信号并在两者之间建立机器学习模型映射关系；将叶绿素荧光特征参数和叶绿素荧光信号组合划分为训练数据集和测试数据集并进行归一化处理；利用训练数据集从未暗适应的叶绿素荧光信号中确定暗适应下叶绿素荧光特征参数的机器学习模型；利用归一化处理后的测试数据集对确定的模型进行测试，评估从未暗适应的叶绿素荧光信号中确定暗适应下的叶绿素荧光特征参数的模型性能。本发明从未经暗适应的叶绿素荧光信号中确定暗适应下的叶绿素荧光特征参数Fv/Fm，Fj，Fi，Fo的方法，弥补了现有技术中确定Fv/Fm，Fj，Fi，Fo需要暗适应的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN112033915A
公开(公告)日：2020-12-04
申请号：CN202010911799.5
申请日：2020-09-02
Applicant: 江南大学
Abstract: 本发明公开了一种基于便携式光谱仪的白酒掺假检测系统，包括光谱检测模块、客户端和服务器，客户端与光谱检测模块交互连接，客户端与服务器交互连接，客户端向光谱检测模块发送检测指令，光谱检测模块采集白酒的光谱数据并将光谱数据传输到客户端，客户端将光谱数据传输到服务器；服务器上部署有分析模型，分析模型对光谱数据进行分析，服务器获取分析结果并将分析结果传回客户端。本发明通过光谱检测模块和客户端的配合，使得用户可以随时随地进行测量；通过客户端和服务器的配合，实时分析并将结果反馈给用户，集扫描检测、数据分析、结果显示于一体，携带方便且可实时检测，简化了白酒质量检测的流程。
-
公开(公告)号：CN108871235A
公开(公告)日：2018-11-23
申请号：CN201810394498.2
申请日：2018-04-27
Applicant: 江南大学 , 江苏中农物联网科技有限公司
Abstract: 本发明涉及植株叶片的信息获取方法和植株叶片信息采集系统。包括对单片叶面积的计算，以及单片叶倾角的提取。本发明采用二维定位图像采集以及图像处理的方式，在农田间采集植株叶子的图像信息。通过树莓派摄像头采集两个位置的图像信息，得到叶片的水平和垂直二维图像信息。通过相机距离叶片的远近，确定图像缩放系数。水平图像经过opencv函数库进行灰度转换、二值化、边缘检测等图像处理方法得到叶子的叶倾角；通过叶倾角和垂直图像投影信息，计算每一片的叶面积。本方法测量速度快，可以实现对植株单片叶子倾角和面积进行精确的测量，叶倾角和叶面积的误差都在4％左右。
-
公开(公告)号：CN113658206A
公开(公告)日：2021-11-16
申请号：CN202110929936.2
申请日：2021-08-13
Applicant: 江南大学 , 绿视芯科技(无锡)有限公司
IPC: G06T7/136 , G06T7/13 , G06T7/12 , G06T7/11 , G06K9/32 , G06K9/46 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种植物叶片分割方法，涉及图像处理领域。该方法包括：构建样本数据集，将样本数据集中的样本图像输入卷积神经网络中，该卷积神经网络包括Backbone网络、RPN网络和若干个级联的叶片分割模块，每个叶片分割模块包括ROIAlign网络和Head网络，每个Head网络包括分类分支、分割分支和检测分支，利用样本数据集基于卷积神经网络训练得到植物叶片分割模型，将待分割图像输入植物叶片分割模型，得到对待分割图像的叶片分割结果，其中待分割图像可采用多尺度分割策略。本发明提出的方法可以对存在遮挡的叶片、边缘不清晰的叶片以及小尺度叶片进行有效分割，促进深度学习在植物叶片分割领域的应用。
-
公开(公告)号：CN113658206B
公开(公告)日：2024-04-09
申请号：CN202110929936.2
申请日：2021-08-13
Applicant: 江南大学 , 绿视芯科技(无锡)有限公司
IPC: G06T7/136 , G06T7/13 , G06T7/12 , G06T7/11 , G06V10/25 , G06V10/44 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种植物叶片分割方法，涉及图像处理领域。该方法包括：构建样本数据集，将样本数据集中的样本图像输入卷积神经网络中，该卷积神经网络包括Backbone网络、RPN网络和若干个级联的叶片分割模块，每个叶片分割模块包括ROIAlign网络和Head网络，每个Head网络包括分类分支、分割分支和检测分支，利用样本数据集基于卷积神经网络训练得到植物叶片分割模型，将待分割图像输入植物叶片分割模型，得到对待分割图像的叶片分割结果，其中待分割图像可采用多尺度分割策略。本发明提出的方法可以对存在遮挡的叶片、边缘不清晰的叶片以及小尺度叶片进行有效分割，促进深度学习在植物叶片分割领域的应用。
-
公开(公告)号：CN112039967A
公开(公告)日：2020-12-04
申请号：CN202010864549.0
申请日：2020-08-25
Applicant: 江南大学 , 绿视芯科技(无锡)有限公司
IPC: H04L29/08
Abstract: 本发明公开了一种用于植物生长反馈控制的开放式物联网平台，其包括客户端、云服务器、生长箱，生长箱内设有数据采集模块、环境控制模块和处理器，数据采集模块和环境控制模块均与处理器连接，处理器与云服务器连接，云服务器与客户端连接，用户在客户端发出请求时，云服务器将API接口程序发送至客户端，API处理程序用于处理API接口程序的请求。本发明中用户可以通过云服务器提供的API接口程序，利用自己擅长的编程语言来调用API接口程序中的函数，实现环境变量和生理变量的读取以及控制，简化了实现植物生长反馈控制实验的预先仪器设计与平台搭建。通过使得用户与仪器开发相独立，使用户不需要了解仪器开发而只专注于植物生长控制算法。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
