-
公开(公告)号：CN117576467B
公开(公告)日：2024-04-26
申请号：CN202311560242.1
申请日：2023-11-22
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/20 , G06V10/82 , G06V10/44 , G06V10/56 , G06V10/77 , G06N3/0464 , G06N3/047 , G06N3/0455 , G06V10/80 , G06N3/08 , G06N3/045
Abstract: 本发明涉及一种融合频率域和空间域信息的农作物病害图像识别方法，与现有技术相比解决了难以在复杂环境下实现农作物病害检测的缺陷。本发明包括以下步骤：农作物病害图像的获取及预处理；双分支病害图像识别模型的构建；双分支病害图像识别模型的训练；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。本发明结合图像频率域信息与空间域信息提出了双分支的深度神经网络用于农作物病害识别，频率分支接受频域信息作为输入用于提取丰富的农作物病害频率分量特征，可变形注意力Transformer分支擅长于表征全局特征并且有选择的关注农作物病害局部区域特征，融合方法MSAF更好的融合农作物病害频率特征和空间特征。
-
公开(公告)号：CN109656977B
公开(公告)日：2024-02-09
申请号：CN201811544518.6
申请日：2018-12-17
Applicant: 安徽大学
IPC: G06F16/2458 , G06F16/215 , G01F23/00 , G01N1/14 , G01N21/31 , G01N21/64 , G01N27/26 , G01P5/00 , G06Q50/02
Abstract: 本发明公开了一种农业面源污染监测大数据管理系统，涉及环境监测工程技术领域，包括依次通信连接的采样分析站、监测站、子监控中心和总监控中心，采样分析站抽取监测点的水样后确定污染物浓度，同时检测监测点的水位和流速，监测站根据采样分析站发送的数据确定各个监测点的实时污染物总量，由子监控中心对监测站发送的实时污染物总量数据过滤处理后，发送到总监控中心。本发明的管理系统能够对全国范围内各个监测点的情况进行实时监测，并且经过层层传递后最终汇总到总监控中心，给省市范围的面源污染治理提供准确及时的数据参考，同时
-
公开(公告)号：CN117523412A
公开(公告)日：2024-02-06
申请号：CN202311543030.2
申请日：2023-11-20
Applicant: 安徽大学
IPC: G06V20/13 , G06V20/10 , G06V10/764
Abstract: 本发明涉及一种基于改进GWCCI指数的大豆遥感制图方法，包括：获得研究区Sentinel‑2影像，筛选出高晴空覆盖率的合成影像；得到仅包含耕地信息的合成影像；筛选出其中适合提取大豆的两种指数参与构建改进版GWCCI指数，确定改进版GWCCI指数的数学形式，并将其命名为GWCCI2指数；构建不同作物类型的GWCCI2时序图，确定大豆提取的最佳时相t；确定大豆提取的最佳阈值δ；根据最佳阈值δ判断每个像素是否属于大豆种植区。本发明提出了新的GWCCI2指数，该指数同时反映了作物的叶绿素含量及冠层水分含量，增强了大豆在结荚期内与其他作物间的差异，其对于大豆的敏感度要高于原始GWCCI指数，更加适用于种植区分散、大豆与其他作物交错混杂种植普遍情况下的大豆种植区提取。
-
公开(公告)号：CN117495841A
公开(公告)日：2024-02-02
申请号：CN202311633609.8
申请日：2023-12-01
Applicant: 安徽大学
IPC: G06T7/00 , G06N3/0464 , G06T7/13
Abstract: 本发明涉及光场图像质量评价领域，本发明公开了一种基于光场解耦的无参考光场图像质量评价方法及系统，包括:利用特殊设计的图像块选择策略，对原始光场图像进行信息筛选和重构，获得质量较高的训练样本；对所述的训练样本利用光场解耦机制，将高纬度的光场图像数据转化为面向神经网络的低纬度输入数据；设计多流卷积神经网络对输入数据进行特征提取，学习光场图像中的空间质量信息、角度质量信息以及空间角度一致性信息；基于融合后的特征信息获得质量预测值；本发明利用解耦思想结合多流卷积神经网络提取光场图像的质量相关特征，对光场图像的质量评价更贴近人眼主观评价，相比其他评价方法，在多个公开数据集上准确度更高。
-
公开(公告)号：CN117372903A
公开(公告)日：2024-01-09
申请号：CN202311313801.9
申请日：2023-10-10
IPC: G06V20/17 , G06V10/54 , G06V10/766 , G06V10/764
Abstract: 本发明提出了一种利用无人机方向性纹理获取水稻AGB的方法。包括以下步骤：选择合适的无人机系统获取水稻冠层的多光谱图像，进行图像预处理，基于研究区域的正射影像，利用灰度共生矩阵的方法提取方向性纹理特征，方向设置为45°，斜交于水稻种植行的方向；窗口大小设置为当时期水稻植株冠幅的1/3大小；利用随机森林回归模型，构建水稻生长季关键时期的AGB估算模型，弥补光谱特征的不足，以提升AGB监测精度的效果。本发明构建的考虑最适方向性的水稻AGB反演方法具有操作简单、运行高效，自动化程度高的优点，可灵活应用于不同类型的无人机系统实现稻麦关键表型参数的高效获取。
-
Patent Agency Ranking
公开(公告)号：CN117218429A
公开(公告)日：2023-12-12
申请号：CN202311178205.4
申请日：2023-09-13
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/774 , G06V10/42 , G06V10/80 , G06V10/77
Abstract: 本发明涉及一种基于双分支网络的光谱‑空间注意力机制的高光谱图像分类方法，包括：输入高光谱图像数据立方体；使用主成分分析将高光谱图像的光谱维数降维，对于要分类的像素，将其封装成相邻区域块作为光谱子网络的输入；在每个特定像素周围创建一个相邻区域来收集空间信息，并作为空间子网络的输入；得到一维光谱特征；得到一维空间特征；通过融合层对一维光谱特征和一维空间特征进行融合和平衡，使用softmax回归层来预测每一类地物的概率分布。本发明通过对高光谱图像作为研究对象，在有限样本的前提下提高高光谱图像的有效特征表示，既保证了分类精度，又减少了网络模型的参数个数和计算量；充分利用了光谱信息和空间信息，以取得更好的分类结果。
-
公开(公告)号：CN117173571A
公开(公告)日：2023-12-05
申请号：CN202311147718.9
申请日：2023-09-07
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06V10/774 , G06V10/42 , G06V10/80
Abstract: 本发明涉及一种基于YOLOv8的大田麦穗检测方法，包括：获取麦穗数据集；对YOLOv8网络模型进行改进，得到改进后的YOLOv8网络模型；将训练集输入改进后的YOLOv8网络模型中进行训练，得到训练后的YOLOv8网络模型；对训练后的YOLOv8网络模型进行评价；将待检测的麦穗图片输入训练后的YOLOv8网络模型，训练后的YOLOv8网络模型输出最终检测结果。本发明通过在YOLOv8网络模型中引入AFPN，首先通过结合两个不同分辨率的低级特征来启动融合过程，然后将高级特征纳入融合过程，最终融合主干的顶级特征，可以避免非相邻层次之间存在较大的语义差距；引入深度可分离卷积模块，则可以降低模型参数量、模型大小，加快检测速度。
-
公开(公告)号：CN117173224A
公开(公告)日：2023-12-05
申请号：CN202311147759.8
申请日：2023-09-07
Applicant: 安徽大学
Abstract: 本发明涉及一种基于Delauny算法和Kruskal最大生成树算法的大田影像拼接方法，包括：获取无人机大田影像以及与无人机大田影像对应的位姿信息；对每张无人机大田影像进行重投影，得到初始投影矩阵；通过Delauny算法构成三角剖分网络；通过三角剖分网络中的节点，每两个节点对应的影像通过SIFT算子做特征点匹配；生成拼接顺序；获得全景图；计算全景图的全局配准误差，对全景图的全局配准误差进行优化。针对大田无人机影像特征点匹配不易、容易出现误匹配的情况，本发明采用互相关系数可以检验特征点误匹配；本发明采用Delauny算法构建三角剖分网络，可极大降低局部配准的次数；本发明可以参与的无人机影像数量大。
-
公开(公告)号：CN117036958A
公开(公告)日：2023-11-10
申请号：CN202311157101.5
申请日：2023-09-08
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/20 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种小麦幼苗期分蘖数的检测方法，包括：获取小麦幼苗根茎部图像并进行预处理；构建小麦幼苗分蘖数检测识别模型；将卷积注意力模块加入小麦幼苗分蘖数检测识别模型中；将训练集输入改进的小麦幼苗分蘖数检测识别模型进行训练，得到训练后的小麦幼苗分蘖数检测识别模型；将待识别的小麦幼苗根茎部图像输入训练后的小麦幼苗分蘖数检测识别模型中，得到小麦幼苗分蘖数图像检测识别分类结果。本发明的训练结果较好，对小麦幼苗分蘖数检测识别模型性能的提高更加显著，对小麦幼苗的分蘖数检测精确度明显提高，可以有效解决小麦幼苗图像中存在的遮挡重叠问题，实现分蘖期小麦幼苗分蘖部位的准确检测和分蘖数的准确识别。
-
公开(公告)号：CN116563313B
公开(公告)日：2023-09-19
申请号：CN202310843999.5
申请日：2023-07-11
Applicant: 安徽大学
IPC: G06T7/11 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及基于门控融合注意力的遥感影像大豆种植区域分割方法，与现有技术相比解决了难以准确针对大豆种植区域进行分割的缺陷。本发明包括以下步骤：遥感影像的获取与预处理；构建大豆种植区域分割模型；大豆种植区域分割模型的训练；待分割遥感影像的获取；遥感影像大豆种植区域分割结果的获得。本发明在检测大豆种植区时，可以提升融合特征的判别性，提高语义分割效果，有利于大豆种植区提取任务。
-
-
-
-
-
-
-
-
-
Search Results
343
records
(took 0.034 seconds)
