-
公开(公告)号：CN117315481B
公开(公告)日：2025-03-21
申请号：CN202311369853.8
申请日：2023-10-23
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/764 , G06V10/77 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/58 , G06V10/80 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及一种基于光谱‑空间自注意力和Transformer网络的高光谱图像分类方法，包括：输入高光谱图像；使用主成分分析进行降维，得到降维后的高光谱图像；通过CBAM模块进行初步的光谱‑空间特征学习；进行初步特征学习；再经过光谱注意力模块得到光谱特征，最后继续挖掘光谱特征；输入空间注意力模块；输入Transformer模块，对全局特征进行学习；将经过全局特征学习的高光谱图像，最后经过全局池化、展平、批归一化和线性层，得到最终分类结果。本发明通过对高光谱图像作为研究对象，使用二维卷积能够在保持计算效率的同时减少计算量和节约成本；实现轻量级、高效率的特征提取和通道选择，提高了中心特征向量识别的准确性，增强了空间提取能力。
-
公开(公告)号：CN118502095A
公开(公告)日：2024-08-16
申请号：CN202410560334.8
申请日：2024-05-08
Applicant: 安徽大学
Abstract: 本发明公开了八电机联合驱动的孢子显微图像全自动采集装置与方法，涉及智能农机装备和生物科学领域，包括：微处理器、八个驱动器、八个步进电机、载物台、载玻片片仓机构、涂刮凡士林机构、显微图像采集机构、孢子捕捉风道机构、继电器I/O控制模块、显微镜点束光源、吸风风机、真空泵和太阳能供电系统。本发明能够采用八个步进电机联合驱动完成推取载玻片、涂刮凡士林、空中孢子捕捉、显微图像采集和载玻片回收等智能连续作业，执行机构设计更简单、更省电且作业更高效，具有更广阔的应用前景。
-
公开(公告)号：CN117876843B
公开(公告)日：2024-07-05
申请号：CN202410042888.9
申请日：2024-01-11
Applicant: 安徽大学
IPC: G06V10/82 , G06V10/80 , G06V10/764 , G06V10/774 , G06V20/10 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种具有动态降低图像冗余的高效农作物病害识别方法，与现有技术相比解决了复杂环境下病害识别性能差的缺陷。本发明包括以下步骤：图像数据集的获得及预处理；CA2PNet模型的构建；CA2PNet模型的训练；待识别农作物病害图像的获取；农作物病害图像识别结果的获得。本发明首先通过轻量级CA‑AnchorNet得到具有表征农作物病害区域的特征图，然后通过类激活图(CAM)定位到能反映出类别判别性的病害特征区域并映射到更高分辨率的图像中裁剪出区域块，最后将这些具有更小空间冗余的局部语义块输入轻量级PatchNet进行精准的识别。
-
公开(公告)号：CN117893816A
公开(公告)日：2024-04-16
申请号：CN202410071215.6
申请日：2024-01-18
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/44 , G06V10/52 , G06V10/58 , G06V10/77 , G06V10/80 , G06V10/82 , G06V20/10 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及一种分层次残差光谱空间卷积网络的高光谱图像分类方法，包括：获取高光谱图像数据立方体，分割为一组相互重叠的3D斑块P；构建分层次残差光谱空间卷积网络；将3D斑块P输入分层次残差光谱空间卷积网络，得到光谱维的三维光谱空间特征；对光谱维的三维光谱空间特征进行分层次特征注意处理，得到分层次的特征映射；对分层次的特征映射进行光谱空间特征学习，得到空间维的三维光谱空间特征；对空间维的三维光谱空间特征进行分类处理，得到每一类地物的概率分布。本发明在提取各类地物微小特征上发挥着极其重要的作用，有效解决了图像块之间远近距离依赖关系，高效捕捉浅层空谱特征和深层空谱特征，并且降低注意力机制的冗余。
-
公开(公告)号：CN117612006A
公开(公告)日：2024-02-27
申请号：CN202311612743.X
申请日：2023-11-29
Applicant: 安徽大学
IPC: G06V20/10 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06V10/82
Abstract: 本发明涉及一种基于LSTM与U‑Net融合网络的大豆种植区遥感提取方法，与现有技术相比解决了机器学习方法提取精度有限、模型时空泛化能力不高的缺陷。本发明包括以下步骤：Sentinel‑2影像的获取和预处理；构造反射率时间序列影像；数据集的构建；PF‑Unet模型的构建与训练；大豆种植区遥感分布图的获得。本发明通过将卷积神经网络U‑Net和长短期记忆网络LSTM融合，提出了PF‑Unet深度学习网络，可以从多个尺度提取时间序列中的特征，相比于U‑Net、LSTM和TFBS模型，大豆种植区遥感提取精度更高。
-
Patent Agency Ranking
公开(公告)号：CN117611893A
公开(公告)日：2024-02-27
申请号：CN202311577453.6
申请日：2023-11-24
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/774 , G06V20/10
Abstract: 本发明涉及一种基于降冗余特征优选策略的大豆种植区遥感提取方法，与现有技术相比解决了多维遥感特征执行分类时可能出现的信息冗余、数据臃肿和执行效率低的缺陷。本发明包括以下步骤：Sentinel‑1、Sentinel‑2以及Planet影像的获取及预处理；利用决策树规则集剔除非农田地物；进行ReliefF特征重要性评估；进行特征最大相关最小冗余排序；构建ReliefF‑mMRM‑RF分类模型；大豆种植区分布图的生成。本发明利用ReliefF算法对候选特征进行特征重要性评估，能够从众多特征中初步筛选出对大豆分类更有利的特征。
-
公开(公告)号：CN110376221B
公开(公告)日：2024-02-13
申请号：CN201910638697.8
申请日：2019-07-15
Applicant: 安徽大学
Abstract: 本发明提供了一种土壤重金属仪的自动化压样装置及方法，属于土壤环境品质检测领域，包括底座、转动夹取装置、容器、电子称重装置、自动加粉装置、震动装置、压机和总控器；转动夹取装置设置在底座中间，底座上环绕转动夹取装置设置有多个放置槽，其中一个放置槽用于放置容器，其余放置槽内依次安装有电子称重装置、自动加粉装置、震动装置和压机；总控器内部设置有机械臂动作控制模块、数据采集模块、加粉控制模块、震动控制模块和压样控制模块，电子称重装置与总控器的信号输入端连接，自动加粉装置、震动装置和压样控制模块分别与总控器的信号输出端连接。该装置能极大提高土壤标样的制作质量和标准化尺寸，显著降低土壤标样的制作时间。
-
公开(公告)号：CN117436531A
公开(公告)日：2024-01-23
申请号：CN202311763394.1
申请日：2023-12-21
Applicant: 安徽大学
IPC: G06N5/04 , G06N5/02 , G06F16/36 , G06F16/33 , G06Q50/02 , G06F40/211 , G06F40/295
Abstract: 本申请涉及一种基于水稻病虫害知识图谱的问答系统及方法，其中，基于水稻病虫害知识图谱的问答系统包括：病虫害关系问答模块；所述病虫害关系问答模块包括第一接口单元、信息抽取单元和检索单元；所述第一接口单元用于获取用户输入的当前问题，并输出相应所述当前问题的回复；所述信息抽取单元用于抽取所述当前问题中的主实体，以及用于通过依存句法分析抽取所述当前问题中的目标关系；所述检索单元用于在预先构建的知识图谱中检索与所述主实体具有所述目标关系的目标客实体，并根据所述目标客实体生成所述当前问题的回复。通过本申请，解决了相关技术中存在针对水稻病虫害问答系统的回答缺少可解释性的问题。
-
公开(公告)号：CN117315481A
公开(公告)日：2023-12-29
申请号：CN202311369853.8
申请日：2023-10-23
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/764 , G06V10/77 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/58 , G06V10/80 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及一种基于光谱‑空间自注意力和Transformer网络的高光谱图像分类方法，包括：输入高光谱图像；使用主成分分析进行降维，得到降维后的高光谱图像；通过CBAM模块进行初步的光谱‑空间特征学习；进行初步特征学习；再经过光谱注意力模块得到光谱特征，最后继续挖掘光谱特征；输入空间注意力模块；输入Transformer模块，对全局特征进行学习；将经过全局特征学习的高光谱图像，最后经过全局池化、展平、批归一化和线性层，得到最终分类结果。本发明通过对高光谱图像作为研究对象，使用二维卷积能够在保持计算效率的同时减少计算量和节约成本；实现轻量级、高效率的特征提取和通道选择，提高了中心特征向量识别的准确性，增强了空间提取能力。
-
公开(公告)号：CN117274988A
公开(公告)日：2023-12-22
申请号：CN202311319722.9
申请日：2023-10-11
Applicant: 安徽大学
IPC: G06V20/69 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/762 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495
Abstract: 本发明公开了一种基于Yolov5s的小麦条锈病菌孢子显微图像检测方法及系统，该方法包括如下步骤：孢子显微图像的获取；孢子显微图像的预处理；孢子检测网络的构建，该孢子检测网络通过聚类算法重新确定预设锚框，在Backbone模块加入了引入transformer模型的C3TR单元，在Neck模块采用轻量型上采样层；孢子检测网络的训练；通过训练后的孢子检测网络对孢子进行检测计数。本发明能够精准检测孢子显微图像中的孢子，且模型参数量小。
-
-
-
-
-
-
-
-
-
Search Results
343
records
(took 0.037 seconds)
