-
公开(公告)号：CN118823773A
公开(公告)日：2024-10-22
申请号：CN202411055089.1
申请日：2024-08-02
Abstract: 本发明涉及一种遮挡场景下的小麦赤霉病孢子目标检测方法，与现有技术相比解决了难以在遮挡场景下进行小麦赤霉病孢子检测的缺陷。本发明包括以下步骤：小麦赤霉病孢子图像的获取及预处理；构建遮挡场景孢子目标检测模型；遮挡场景孢子目标检测模型的训练；孢子遮挡图像的获取和预处理；孢子目标检测结果的获得。本发明有效实现了遮挡场景下的小麦赤霉病孢子检测，提高了在孢子小目标检测及遮挡场景检测下的实时性、检测率、鲁棒性和召回率。
-
公开(公告)号：CN120032283A
公开(公告)日：2025-05-23
申请号：CN202510174832.3
申请日：2025-02-18
Applicant: 西北农林科技大学 , 内蒙古草业技术创新中心有限公司
IPC: G06V20/17 , G06V20/10 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/096 , G06N3/0985
Abstract: 本发明涉及基于Yolov10自定义元学习策略的稀疏草原种植穴精准检测方法，与现有技术相比解决了对稀疏草原种植穴检测的忽视以及目标检测方法在复杂背景下检测小目标准确率低的缺陷。本发明包括以下步骤：无人机影像数据的获取和预处理；稀疏草原种植穴识别模型的构建；稀疏草原种植穴识别模型的结构优化；稀疏草原种植穴识别模型的训练；待识别无人机影像的获取；稀疏草原种植穴待识别结果的获得。本发明基于YOLOV10的自定义元学习策略，结合知识蒸馏技术，通过软标签和特征一致性损失来提升学生模型的性能，能有效提高小目标种植穴检测的准确率和泛化能力。
-
公开(公告)号：CN118570804A
公开(公告)日：2024-08-30
申请号：CN202411055047.8
申请日：2024-08-02
Applicant: 西北农林科技大学
IPC: G06V20/69 , G06N3/0464 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 本发明涉及基于YOLO‑CG‑HS轻量化模型的小麦气传病害孢子显微图像检测方法，与现有技术相比解决了难以针对孢子显微图像进行准确且轻量化实时检测的缺陷。本发明包括以下步骤：小麦气传病害孢子显微图像数据集的获取和预处理；轻量化病菌孢子检测模型的构建；轻量化病菌孢子检测模型的训练；待检测孢子图像的获取；孢子显微图像检测结果的获得。本发明可以准确地检测不同种类的病原菌孢子，很好地平衡参数量、效率和准确率，实现不同密度、多场景下不同真菌孢子的分类检测。
-
公开(公告)号：CN116630971A
公开(公告)日：2023-08-22
申请号：CN202310904702.1
申请日：2023-07-24
IPC: G06V20/69 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/77 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明涉及基于CRF_ResUnet++网络的小麦赤霉病孢子分割方法，与现有技术相比解决了难以针对样本为赤霉病孢子的小目标密集且存在粘连进行精准分割的缺陷。本发明包括以下步骤：小麦赤霉病孢子识别图像的获取；CRF_ResUnet++网络的构建；CRF_ResUnet++网络的训练；待分割小麦赤霉病孢子图像的获取；小麦赤霉病孢子分割结果的获得。本发明利用具有编码器解码器结构的Unet++对孢子图像进行初始分割，再在Unet++中引入残差块ResNet，以强化特征的传播能力，提取更多孢子细节信息，最后使用全连接条件随机场模型进行后处理，得到更精确的边缘和完整孢子区域。
-
公开(公告)号：CN116385432B
公开(公告)日：2023-08-15
申请号：CN202310637503.9
申请日：2023-06-01
Abstract: 本发明涉及一种轻量化解耦小麦赤霉病孢子检测方法，与现有技术相比解决了从未关注的亚洲镰孢和禾谷镰孢因类内与类间差异小、无法有效对小麦赤霉病两种主要致病孢子做出检测区分的缺陷。本发明包括以下步骤：小麦赤霉病致病孢子显微图像获取及预处理；轻量化解耦小麦赤霉病孢子检测模型的构建；轻量化解耦小麦赤霉病孢子检测模型的训练；获取待检测的小麦赤霉病致病孢子显微图像并进行预处理；小麦赤霉病孢子检测结果的获得。本发明考虑了现有农田检测设备有存储空间和功耗的限制，能精准快速对小麦赤霉病主要致病孢子显微图像进行检测。
-
Patent Agency Ranking
公开(公告)号：CN116542909A
公开(公告)日：2023-08-04
申请号：CN202310377129.3
申请日：2023-04-11
Abstract: 本发明涉及一种基于轮廓角距比的小麦赤霉病粘连孢子计数方法，与现有技术相比解决了难以针对镰刀状小麦赤霉病孢子进行计数的缺陷。本发明包括以下步骤：小麦赤霉病粘连孢子图像的获取；小麦赤霉病粘连孢子图像的预处理；孢子杂质去除处理；凹点寻找处理；轮廓角距比筛选；小麦赤霉病粘连孢子的计数。本发明利用均值漂移、Sobel算子边缘检测、形状特征因子筛选对孢子图像进行处理，提升显微镜下拍摄的赤霉病孢子图像质量，再根据形状特征因子筛选出赤霉病粘连孢子，最后基于镰刀形赤霉病孢子的轮廓角距比对粘连孢子进行分割，从而快速精确地完成对小麦赤霉病孢子的计数。
-
公开(公告)号：CN118844417B
公开(公告)日：2025-02-11
申请号：CN202411364624.1
申请日：2024-09-29
Applicant: 内蒙古草业技术创新中心有限公司 , 西北农林科技大学
Abstract: 本发明涉及激光除草机器人领域，具体是涉及一种激光除草机器人，包括移动小车，所述移动小车的末端设置有储能装置，且所述储能装置的底端设置有能够水平旋转的悬臂，所述悬臂的一端设置有第二伸缩组件，所述第二伸缩组件的输出端固定有固定架，所述固定架靠近顶部的两侧对称设置有两组第三法兰，且固定架两侧的底部对称设置有两组第四法兰，且第四法兰的内侧活动安装有除草杆，且除草杆的底端设置有用于将杂草从土壤内部取出的除草爪，本申请实现了激光除草机器人能够对杂草的根部进行灼烧，解决了激光机器人无法对埋藏于土壤内部杂草的根茎进行处，导致除草不够彻底的问题。
-
公开(公告)号：CN117557995A
公开(公告)日：2024-02-13
申请号：CN202311562904.9
申请日：2023-11-22
IPC: G06V20/69 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明涉及基于YOLOv8和CBAM注意力机制的小麦赤霉病孢子检测方法，与现有技术相比解决了由于背景复杂和目标微小而导致的检测准确率低的缺陷。本发明包括以下步骤：数据采集和预处理；构建小麦赤霉病孢子检测模型；小麦赤霉病孢子检测模型的训练；待检测小麦赤霉病孢子图像的获取；小麦赤霉病孢子检测结果的获得。本发明能够有效提高小麦赤霉病孢子检测的准确率和泛化能力。
-
公开(公告)号：CN116630971B
公开(公告)日：2023-09-29
申请号：CN202310904702.1
申请日：2023-07-24
IPC: G06V20/69 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/77 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明涉及基于CRF_ResUnet++网络的小麦赤霉病孢子分割方法，与现有技术相比解决了难以针对样本为赤霉病孢子的小目标密集且存在粘连进行精准分割的缺陷。本发明包括以下步骤：小麦赤霉病孢子识别图像的获取；CRF_ResUnet++网络的构建；CRF_ResUnet++网络的训练；待分割小麦赤霉病孢子图像的获取；小麦赤霉病孢子分割结果的获得。本发明利用具有编码器解码器结构的Unet++对孢子图像进行初始分割，再在Unet++中引入残差块ResNet，以强化特征的传播能力，提取更多孢子细节信息，最后使用全连接条件随机场模型进行后处理，得到更精确的边缘和完整孢子区域。
-
公开(公告)号：CN116385432A
公开(公告)日：2023-07-04
申请号：CN202310637503.9
申请日：2023-06-01
Abstract: 本发明涉及一种轻量化解耦小麦赤霉病孢子检测方法，与现有技术相比解决了从未关注的亚洲镰孢和禾谷镰孢因类内与类间差异小、无法有效对小麦赤霉病两种主要致病孢子做出检测区分的缺陷。本发明包括以下步骤：小麦赤霉病致病孢子显微图像获取及预处理；轻量化解耦小麦赤霉病孢子检测模型的构建；轻量化解耦小麦赤霉病孢子检测模型的训练；获取待检测的小麦赤霉病致病孢子显微图像并进行预处理；小麦赤霉病孢子检测结果的获得。本发明考虑了现有农田检测设备有存储空间和功耗的限制，能精准快速对小麦赤霉病主要致病孢子显微图像进行检测。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.037 seconds)
