-
公开(公告)号：CN118473511A
公开(公告)日：2024-08-09
申请号：CN202410939851.6
申请日：2024-07-15
Applicant: 长春理工大学 , 长春理工大学重庆研究院
IPC: H04B7/185 , G06N3/126 , G06F18/23213 , H04B7/0426
Abstract: 本发明公开一种无人机辅助的智能农机数据传输性能优化方法，包括：根据传输距离、波束增益、传输频率等参数推导参与波束成形的最佳无人机组网数，为实际场景下的部署提供理论基础和支撑、建立公式化的多目标函数来同时降低最大旁瓣电平、移动能耗和提高传输速率、构建多目标遗传天牛群混合算法，所述多目标遗传天牛群混合算法，将NSGA‑II算法的非支配排序、拥挤距离测算和BSO算法的协同搜索机制融合，结合佳点集和K‑Means聚类来初始化种群，且算法在搜索过程中实施劣解更新策略，引导种群加速向Pareto前沿移动，本发明增强了无人机中继网络的传输性能，提升了用户与智能农机的实时交互性，促进农机迈向新的智能化。
-
Patent Agency Ranking
公开(公告)号：CN119625241A
公开(公告)日：2025-03-14
申请号：CN202411730598.X
申请日：2024-11-29
Applicant: 长春理工大学
IPC: G06V10/143 , G06V10/145 , G06V10/20 , G06V10/26 , G06V20/70 , G06V10/54 , G06V10/82 , G06N3/0475 , G06N3/08 , G01N21/88 , G01N21/01
Abstract: 本发明涉及一种用于机器视觉的光源波段自动推荐方法及系统，其中方法包括步骤：调整高角度环形光源的色调，彩色工业相机采集每次调整后的目标物图像；标注目标物图像；分割缺陷图像；求取缺陷图像的纹理特征向量的样本平均值；彩色工业相机采集白光下的目标物图像，通过对抗网络中的生成器生成RGB图像并求取其纹理特征向量的平均值；通过对抗网络的鉴别器，判断两个平均值是否达到一个相互对抗、纳什均衡的状态，若是则判定生成器生成的虚拟光源是最优光源，输出该虚拟光源的RGB数值作为对应缺陷类别下的推荐光源波段。本发明实现了对光源的自动选择，能够更好的提高在缺陷检测中最大化图像信息的获取，大大提高了缺陷检测的准确程度。
-
公开(公告)号：CN116700122B
公开(公告)日：2023-10-13
申请号：CN202310955605.5
申请日：2023-08-01
Applicant: 长春理工大学
IPC: G05B19/042 , A01B49/06 , A01C15/00 , A01C15/16 , A01C21/00
Abstract: 本发明属于农业施肥技术领域，尤其为一种自适应肥料补偿的深松施肥控制系统，包括数据采集模块、数据处理模块和深松施肥控制模块，所述数据采集模块包括无人机、高光谱相机、主控单元1、5G模块和北斗定位模块1，所述高光谱相机搭载在无人机上。本发明通过无人机载高光谱的方式提高了土壤数据采集的效率，另外扩展了土壤养分预测后的一系列工作，实现了根据土壤养分指导施肥的功能，同时使用双倾角传感器对耕地深度进行精准监测，使用霍尔传感器对工作面积进行计算，均给出了有效计算公式，从数据采集、传输到处理、控制均制定了完整的方案，使深松施肥一体机自动实现“因地制宜”。
-
公开(公告)号：CN116700122A
公开(公告)日：2023-09-05
申请号：CN202310955605.5
申请日：2023-08-01
Applicant: 长春理工大学
IPC: G05B19/042 , A01B49/06 , A01C15/00 , A01C15/16 , A01C21/00
Abstract: 本发明属于农业施肥技术领域，尤其为一种自适应肥料补偿的深松施肥控制系统，包括数据采集模块、数据处理模块和深松施肥控制模块，所述数据采集模块包括无人机、高光谱相机、主控单元1、5G模块和北斗定位模块1，所述高光谱相机搭载在无人机上。本发明通过无人机载高光谱的方式提高了土壤数据采集的效率，另外扩展了土壤养分预测后的一系列工作，实现了根据土壤养分指导施肥的功能，同时使用双倾角传感器对耕地深度进行精准监测，使用霍尔传感器对工作面积进行计算，均给出了有效计算公式，从数据采集、传输到处理、控制均制定了完整的方案，使深松施肥一体机自动实现“因地制宜”。
-
公开(公告)号：CN119992337A
公开(公告)日：2025-05-13
申请号：CN202510132380.2
申请日：2025-02-06
Applicant: 长春理工大学
IPC: G06V20/10 , G06V10/764 , G06V10/77 , G06V10/82 , G06V10/74 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于多光谱图像提升农业病虫害识别或分类模型性能的方法，涉及农业病虫害模型性能提升技术领域。本发明的基于多光谱图像提升农业病虫害识别或分类模型性能的方法，通过在农业病虫害识别或分类模型中添加光谱映射模块、采用基于深度学习模型的光谱关键性定量分析方法和利用通道注意力机制改善模型对于各光谱波段特征的利用率，使得模型在病害等级分类中展现出良好的性能，还为农业领域的智能化病害监测与管理提供了一种有效的技术支持，推动了多光谱图像处理的实际应用，为未来的病害检测技术发展奠定了重要基础。
-
公开(公告)号：CN119961417A
公开(公告)日：2025-05-09
申请号：CN202510132594.X
申请日：2025-02-06
Applicant: 长春理工大学
IPC: G06F16/3329 , G06F18/213 , G06F18/214 , G06F18/24 , G06F18/22 , G06N3/0455 , G06N3/092
Abstract: 本发明涉及一种基于统一空间映射的农业多模态问答模型及构建方法，本发明的构建方法通过自动化构建数据集，采用统一空间映射的多模态语义对齐方法，该方法通过独立映射图像和文本嵌入至同一特征表示空间，综合考虑图像间、文本间及图像与文本之间的关联关系，从而提升多模态数据的对齐效果。本发明将表达相同语义的图像或文本特征用集合表示，使集合内部表达同一语义的多模态特征向量能够在新的对齐空间中集中分布，同时降低表达不同语义集合之间的相似性，从而提高对齐的精度和内容输出的质量。此外，该方法在有效的多模态特征表示基础上，增强了对不同语义信息的理解和处理，从而提高了农业多模态问答模型的准确性和全面性。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
