-
公开(公告)号：CN119985476A
公开(公告)日：2025-05-13
申请号：CN202510289697.7
申请日：2025-03-12
Applicant: 华中农业大学
Abstract: 本发明公开了一种作物根系3D显微表型检测系统及检测方法。本发明采用电动三维模组带动高分辨率显微成像系统运动，实现超大范围与多角度的作物根系显微成像。结合景深合成、图像深度估计以及自动对焦技术，能够快速获取如根毛、根表皮细胞形态等多种根系微观表型。设备采用同步暗场补光与其他多种打光相结合的方式，增强根系微观结构特征，以实现作物根系高质量显微成像。结果显示，使用该系统与方法获取的根系显微图像质量较高。与现有技术相比，本发明提供了一种快速、高效、且低成本的作物根系微观表型检测技术。该系统能够在样品固定的情况下对超大范围的区域进行显微成像，可显著提升作物根系显微表型采集效率，并降低成本。
-
公开(公告)号：CN119047505A
公开(公告)日：2024-11-29
申请号：CN202411087153.4
申请日：2024-08-09
Applicant: 华中农业大学
Abstract: 本发明公开了一种融合二进制数字编码的可扫描图像生成方法及系统，所述方法包括：获取目标字符串，基于QR Code编码规则对所述目标字符串进行分析和编码，得到原始数组；分别利用多种掩膜方式对所述原始数组进行掩膜操作，得到多个掩膜矩阵；采用至多一个预设蒙版对任意一个掩膜矩阵进行叠加，得到数据编码矩阵，并基于数据编码矩阵得到原始图像；获取待融合图像并对图像进行预处理；基于预设图像融合方法将所述原始图像与预处理后的待融合图像进行融合，生成可扫描二维码图像。本发明生成的二维码可兼容QR Code编码标准，能够在保证图像具有一定扫描健壮性的前提下，使图像拥有更加出色的视觉效果，拓宽了二维码的适用范围。
-
公开(公告)号：CN119723344A
公开(公告)日：2025-03-28
申请号：CN202411813720.X
申请日：2024-12-11
Applicant: 华中农业大学
IPC: G06V20/10 , G06V10/82 , G06V10/774 , G06V10/60 , G06V10/20 , G06N3/0464
Abstract: 本发明提供了一种新型水稻害虫检测方法及系统，通过构建基于改进YOLOv8n算法的水稻虫害检测模型YOLOv8‑FDI模型，采用FasterNet作为主干网络，并引入Dynamic Head技术和Inner‑IoU损失函数，显著提升了对水稻不同种类害虫特征的识别精度和泛化能力，实现了实时精准检测复杂背景下的水稻害虫的功能，本发明成功构建了一个复杂自然环境条件下含多种水稻虫害图像的数据集IP14‑RICE用于进行模型的对比试验，包含了各种典型的水稻虫害场景，确保了模型在训练和测试阶段能够充分学习和识别多种虫害特征。实验结果表明，YOLOv8‑FDI模型在测试集上取得了优异的性能，与其他常用模型YOLOv3‑tiny、YOLOv5n、YOLOv7‑tiny相比均有显著的提升，为农业害虫的实时监测提供了强有力的技术支撑。
-
公开(公告)号：CN111750777A
公开(公告)日：2020-10-09
申请号：CN202010606626.2
申请日：2020-06-22
Applicant: 华中农业大学
Abstract: 本发明公开了一种自走式作物表型高通量检测装置。该装置同时适用于田间和室内环境的表型检测，适用于作物不同生育期、不同生长高度的检测。该装置由包括高地隙轮式移动底盘、作物信息采集模块、检测暗室、轮侧遮光板、检测区自动配准单元、采集控制系统在内的多个功能模块组成。该装置检测过程跨苗移动，从作物上方进行表型信息采集，检测过程可根据作物高度自动调整采集传感器的位置，同时适用于田间及室内环境，不同生育期、不同生长高度作物表型高通量检测。相比现有技术，具备检测精度高、稳定性好、适用性强的优势，同时兼顾了检测效率。
-
公开(公告)号：CN111693551A
公开(公告)日：2020-09-22
申请号：CN202010713527.4
申请日：2020-07-18
Applicant: 华中农业大学
Abstract: 本发明涉及一种适用于农业科研工作者在水稻栽培和遗传育种研究中能够同时获取水稻植株和水稻根系的三维形态参数无损测量的装置及方法。本发明所述的CT检测装置主要由射线源、平板探测器、载物旋转台、升降模组、滚筒输送线、精密运动控制器及计算机系统7个功能模块组成；本发明采用滚筒输送线将待测样本从种植区域输送移动到检测区域，通过精密运动控制器实现盆栽作物的自动定位旋转以及射线源平板探测器的自动升降，以获取不同角度、高度下的地上植株可见光图像和地下根系的X射线断层图像，然后通过运动恢复算法SFM、锥形束FDK算法得到水稻植株和根系的三维重建数据，再通过融合算法得到水稻整株的三维模型数据，并进行性状分析。
-
Patent Agency Ranking
公开(公告)号：CN118710849B
公开(公告)日：2025-03-28
申请号：CN202410909457.8
申请日：2024-07-08
Applicant: 华中农业大学
Abstract: 本发明公开了一种高通量水培作物3D时序成像系统及应用方法。该成像系统集成悬架导轨、悬架、成像装置、水培装置和换液装置；应用方法包括成像方法、作物3D重建、表型提取和作物生长可视化预测。本发明提出的换液装置可实现根系构型不变，便于分析根系生长变化；成像装置可以自动、高效采集作物多视角图像，实现高通量、包括地上和地下部分整株作物的三维分析；同时，本发明设计的水培装置便于多视角成像以实现三维表型分析。在方法上，本发明设计了一种作物3D重建、表型提取及可视化生长预测的技术流程，实现了作物三维表型分析及未来形态预测的直观展示。该发明灵活可扩展，能够满足不同应用场景的需求。
-
公开(公告)号：CN118982624B
公开(公告)日：2025-01-24
申请号：CN202411472932.6
申请日：2024-10-22
Applicant: 华中农业大学 , 华电金沙江上游水电开发有限公司叶巴滩分公司
IPC: G06T17/00 , G06V10/26 , G06V10/30 , G06V10/762 , G06V10/54
Abstract: 本发明公开一种基于单目多视图的一种鮡科鱼类3D表型获取方法及系统，方法包括：获取鮡科鱼类视频数据；根据获取的鮡科鱼类视频数据，结合多目立体视觉算法，进行鮡科鱼类三维模型的重建和去噪；将去噪后的鮡科鱼类三维点云数据输入训练后的分割模型，输出鮡科鱼类不同部位的表型性状；分割模型的训练，包括：构建鮡科鱼类的训练集与测试集；基于PointNet++算法构建分割模型，包括点集特征学习和点的特征传播；利用训练集对构建的分割模型进行训练，并利用测试集对训练后的分割模型进行测试，输出训练好的分割模型。本发明通过三维重建获得鮡科鱼类的三维模型，通过过滤算法除去背景噪声，最后通过基于深度学习算法的分割模型获得鮡科鱼类的表型性状。
-
公开(公告)号：CN111758424B
公开(公告)日：2022-03-08
申请号：CN202010606347.6
申请日：2020-06-22
Applicant: 华中农业大学
Abstract: 针对现有的棉花打顶装置在田间环境打顶作业时打顶效率和打顶精度难以兼顾的问题，提出了一种田间棉花自动打顶装置。该装置主要包括自主移动平台、棉花高度粗定位装置、棉花顶部三维识别及精定位装置、棉花去顶装置、供电系统和控制系统。以自主移动平台为载体，实现本装置在不同棉花地块的自主、高效行走。通过棉花高度粗定位装置进行田间环境棉花株高初步定位，通过棉花顶部三维识别及精定位装置进行打定目标二次定位，再通过棉花去顶装置上安装的彩色摄像头进行打顶目标的三次精确定位，实现田间棉花顶部的自动识别和精准去除。大大提高田间环境的棉花打顶效率和打顶精准度。
-
公开(公告)号：CN113409265A
公开(公告)日：2021-09-17
申请号：CN202110669883.5
申请日：2021-06-11
Applicant: 华中农业大学 , 丰码科技(南京)有限公司
Abstract: 本发明公开了一种全生育期番茄3D表型动态获取和分析方法及系统。该方法包括：基于环境监测获得环境差异分布图并确定目标单株；基于图像采集获得全生育期的多视角图像序列；基于三维重建获得局部场景点云；通过点云预处理和手动分割获得完整点云和裂片点云；通过基于邻接关系的点搜索进行器官分割，实现各节间和各叶片的提取；在器官分割的基础上进行表型参数的自动化提取计算；针对同一单株不同时期的点云，利用真实的拓扑结构实现表型参数配准；基于环境差异和表型配准结果进行数据分析。本发明将环境差异与全生育期番茄3D表型相结合，在算法方面无需设置阈值或者人工标注，可适应不同时期的番茄表型参数提取与配准。
-
公开(公告)号：CN118982624A
公开(公告)日：2024-11-19
申请号：CN202411472932.6
申请日：2024-10-22
Applicant: 华中农业大学 , 华电金沙江上游水电开发有限公司叶巴滩分公司
IPC: G06T17/00 , G06V10/26 , G06V10/30 , G06V10/762 , G06V10/54
Abstract: 本发明公开一种基于单目多视图的一种鮡科鱼类3D表型获取方法及系统，方法包括：获取鮡科鱼类视频数据；根据获取的鮡科鱼类视频数据，结合多目立体视觉算法，进行鮡科鱼类三维模型的重建和去噪；将去噪后的鮡科鱼类三维点云数据输入训练后的分割模型，输出鮡科鱼类不同部位的表型性状；分割模型的训练，包括：构建鮡科鱼类的训练集与测试集；基于PointNet++算法构建分割模型，包括点集特征学习和点的特征传播；利用训练集对构建的分割模型进行训练，并利用测试集对训练后的分割模型进行测试，输出训练好的分割模型。本发明通过三维重建获得鮡科鱼类的三维模型，通过过滤算法除去背景噪声，最后通过基于深度学习算法的分割模型获得鮡科鱼类的表型性状。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.028 seconds)
