公开(公告)号：CN114692770B

公开(公告)日：2025-04-04

申请号：CN202210365637.5

申请日：2022-04-08

Applicant: 重庆邮电大学

Inventor： 李腊全 ,  赖宗萱 ,  沙霖 ,  张桂铭 ,  胡景怡 ,  余海燕 ,  邵亚斌

IPC: G06V10/764 ,  G06V10/762 ,  G06N20/20

Abstract: 本发明属于计算机视觉应用技术领域，具体涉及一种基于随机森林模型和模糊聚类的柑橘品质分类方法及系统；该方法包括：获取待识别的柑橘图像，将获取的柑橘图像输入到训练好的随机森林模型中，得到初始的模糊样本；采用改进的半监督模糊算法SSFCM对初始模糊样本中的数据进行聚类，得到品质分类结果；根据品质分类结果对柑橘打上品质标签；本发明采用机器学习的方法对柑橘的品质进行分类，提高了分类的效率和精确度。

公开(公告)号：CN114758132A

公开(公告)日：2022-07-15

申请号：CN202210464269.X

申请日：2022-04-29

Applicant: 重庆邮电大学

Inventor： 胡景怡 ,  李腊全 ,  张桂铭 ,  夏泽昊 ,  沙霖 ,  赖宗萱 ,  余海燕 ,  邵亚斌

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/764 ,  G06V10/75 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于计算机视觉应用技术领域，具体涉及一种基于卷积神经网络的果树病虫害识别方法及系统，该方法包括：获取果树图像，将果树图像输入到训练好的果树病虫害识别模型中，得到果树病虫害识别结果；根据病虫害结果对果树进行治疗；所述果树病虫害识别模型包括分割模型和卷积神经网络；其中分割模型用于对果树图像中的果叶和果实进行分割，得到果实图像和果叶图像；卷积神经网络用于对果树的病虫害进行识别；本发明采用深度学习方法对柑橘进行病虫害识别，该系统能为柑橘种植人员提供柑橘的病虫害信息，有助于种植人员及时采取措施对病虫害进行治疗，有效提高柑橘的产量和品质。

公开(公告)号：CN114692770A

公开(公告)日：2022-07-01

申请号：CN202210365637.5

申请日：2022-04-08

Applicant: 重庆邮电大学

Inventor： 李腊全 ,  赖宗萱 ,  沙霖 ,  张桂铭 ,  胡景怡 ,  余海燕 ,  邵亚斌

IPC: G06K9/62 ,  G06V10/764 ,  G06V10/762

Abstract: 本发明属于计算机视觉应用技术领域，具体涉及一种基于随机森林模型和模糊聚类的柑橘品质分类方法及系统；该方法包括：获取待识别的柑橘图像，将获取的柑橘图像输入到训练好的随机森林模型中，得到初始的模糊样本；采用改进的半监督模糊算法SSFCM对初始模糊样本中的数据进行聚类，得到品质分类结果；根据品质分类结果对柑橘打上品质标签；本发明采用机器学习的方法对柑橘的品质进行分类，提高了分类的效率和精确度。

公开(公告)号：CN114758132B

公开(公告)日：2024-06-07

申请号：CN202210464269.X

申请日：2022-04-29

Applicant: 重庆邮电大学

Inventor： 胡景怡 ,  李腊全 ,  张桂铭 ,  夏泽昊 ,  沙霖 ,  赖宗萱 ,  余海燕 ,  邵亚斌

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/764 ,  G06V10/75 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明属于计算机视觉应用技术领域，具体涉及一种基于卷积神经网络的果树病虫害识别方法及系统，该方法包括：获取果树图像，将果树图像输入到训练好的果树病虫害识别模型中，得到果树病虫害识别结果；根据病虫害结果对果树进行治疗；所述果树病虫害识别模型包括分割模型和卷积神经网络；其中分割模型用于对果树图像中的果叶和果实进行分割，得到果实图像和果叶图像；卷积神经网络用于对果树的病虫害进行识别；本发明采用深度学习方法对柑橘进行病虫害识别，该系统能为柑橘种植人员提供柑橘的病虫害信息，有助于种植人员及时采取措施对病虫害进行治疗，有效提高柑橘的产量和品质。

公开(公告)号：CN117372732A

公开(公告)日：2024-01-09

申请号：CN202310969954.2

申请日：2023-08-03

Applicant: 重庆邮电大学

Inventor： 夏泽昊 ,  李腊全 ,  张桂铭 ,  胡景怡 ,  卢柄材

IPC: G06V10/762 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/126 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于计算机视觉领域，具体涉及一种基于深度学习的图像目标检测方法，包括：获取待检测图像，对待检测图像进行预处理；将预处理后的图像输入到的训练后的目标检测模型中，得到目标检测结果；所述目标检测模型为改进的Yolov5网络结构；改进的Yolov5网络包括：通过Kmeans++聚类算法和遗传算法对Yolov5网络中的锚框进行更新，对Yolov5网络预测层进行优化；本发明采用K‑means++算法和遗传算法对Yolov5网络中的锚框进行优化更新，使得Yolov5网络能够面对更加细小的目标进行检测。