公开(公告)号：CN116097968A

公开(公告)日：2023-05-12

申请号：CN202310297901.0

申请日：2023-03-24

Applicant: 榆林学院

Inventor： 董婷 ,  吴疆 ,  蒋平 ,  张珏 ,  高燕

IPC: A01C23/04 ,  B05B15/40

Abstract: 本发明涉及微喷灌溉领域，具体的说是一种水肥一体化的微喷灌溉施肥系统，包括输水管，输水管的表面上设置有多个连接组件，多个连接组件的下端均设置有支撑组件，多个连接组件的上端均设置有转动组件，多个转动组件的内部均设置有喷洒组件，输水管的一端设置有混药组件，连接组件包括螺纹筒，螺纹筒嵌设在输水管的上端内壁上，通过将多个锥头按照预定间距依次插入土壤中，然后踩压支撑板带动切板和锥头深入土壤，通过切板和支撑板对支撑杆进行支撑，通过支撑杆支撑套环，套环套接在套管上，进而使套管受到支撑，套管对竖管进行支撑，使竖管上端的喷头等组件受到支撑，防止喷头倾倒导致浇灌的范围变小无法浇灌预定空间的植被。

公开(公告)号：CN107169155B

公开(公告)日：2021-05-18

申请号：CN201710221518.1

申请日：2017-04-06

Applicant: 榆林学院

Inventor： 冯治东 ,  蒋平 ,  张培元 ,  白鱼秀 ,  杨斐

IPC: G06F16/901 ,  G06F30/20 ,  G06Q50/02

Abstract: 本发明提供的一种基于图回溯法的矿井排水网络流向解算方法，首先将矿井排水网络转化为图拓扑结构，然后利用基于图结构的迷宫回溯法，探寻图结构中流体的所有路径，解算出排水网络各环节中水流的来源和去向。本发明的流向图结构简单，构建相对方便，本发明的流向解算方法严谨可靠，且其时间复杂度为O(n)‑O(n！)，执行效率较高，可应用于大多流体流向计算场合，如通风、供排水、油汽和车流等。

公开(公告)号：CN107169155A

公开(公告)日：2017-09-15

申请号：CN201710221518.1

申请日：2017-04-06

Applicant: 榆林学院

Inventor： 冯治东 ,  蒋平 ,  张培元 ,  白鱼秀 ,  杨斐

IPC: G06F17/50 ,  G06Q50/02

CPC classification number: G06F17/509 ,  G06F17/5009 ,  G06F2217/34 ,  G06Q50/02

Abstract: 本发明提供的一种基于图回溯法的矿井排水网络流向解算方法，首先将矿井排水网络转化为图拓扑结构，然后利用基于图结构的迷宫回溯法，探寻图结构中流体的所有路径，解算出排水网络各环节中水流的来源和去向。本发明的流向图结构简单，构建相对方便，本发明的流向解算方法严谨可靠，且其时间复杂度为O(n)‑O(n！)，执行效率较高，可应用于大多流体流向计算场合，如通风、供排水、油汽和车流等。

公开(公告)号：CN119360144A

公开(公告)日：2025-01-24

申请号：CN202411930281.0

申请日：2024-12-26

Applicant: 榆林学院

Inventor： 杨斐 ,  郭红波 ,  李朔天 ,  卢磊 ,  陈龙飞 ,  蒋平 ,  柳文杰 ,  郝玉红

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请提供一种基于大模型的图像分类方法及系统，涉及图像分类技术领域，获取待分类的模态图像数据集；分别对每张模态图像进行局部提取，进而得到多个局部模态描述向量，依据获取的模态模糊数据将各个局部模态描述向量分别转换为对应模态图像的模糊特征描述子；构建分类滤波器阵列，对于模态图像数据集中的每张模态图像，根据分类滤波器阵列对模态图像进行卷积，得到模态图像对应的模态特征域，得到每张模态图像对应的模态特征域；将每张模态图像的模糊特征描述子和模态特征域输入到基于深度学习的图像分类模型中进行分类，得到所述模态图像数据集的分类结果，本申请可以高效地提取出图像数据的主要特征信息，以提高图像分类模型的泛化能力。

公开(公告)号：CN110852282B

公开(公告)日：2023-04-07

申请号：CN201911107795.5

申请日：2019-11-13

Applicant: 榆林学院

Inventor： 吴疆 ,  蒋平 ,  董婷 ,  马银霞

IPC: G06V20/10 ,  G06V10/75 ,  G05D1/10

Abstract: 本发明公开了一种基于机器视觉的农田病害监测系统，包括目标图像采集模块和监测终端，其监测终端内设有：病虫害识别模块，基于神经网络模型实现图片中孔洞、斑点、害虫、害虫轨迹的识别；所述神经网络模型采用ssd目标检测算法，用coco数据集训练inception v2深度神经网络；病虫害统计分析模块，用于连通分量外接图形模板和测量标尺进行图片上孔洞、斑点的测量，并根据病虫害识别模块的识别结果实现病虫害的统计分析。本发明采用inception v2深度神经网络实现了农作物叶面和根茎上的孔洞、斑点、害虫的快速识别，从而可以准确的获取到当前农作物的病虫害情况。

公开(公告)号：CN110852282A

公开(公告)日：2020-02-28

申请号：CN201911107795.5

申请日：2019-11-13

Applicant: 榆林学院

Inventor： 吴疆 ,  蒋平 ,  董婷 ,  马银霞

IPC: G06K9/00 ,  G06K9/62 ,  G05D1/10

Abstract: 本发明公开了一种基于机器视觉的农田病害监测系统，包括目标图像采集模块和监测终端，其监测终端内设有：病虫害识别模块，基于神经网络模型实现图片中孔洞、斑点、害虫、害虫轨迹的识别；所述神经网络模型采用ssd目标检测算法，用coco数据集训练inception v2深度神经网络；病虫害统计分析模块，用于连通分量外接图形模板和测量标尺进行图片上孔洞、斑点的测量，并根据病虫害识别模块的识别结果实现病虫害的统计分析。本发明采用inception v2深度神经网络实现了农作物叶面和根茎上的孔洞、斑点、害虫的快速识别，从而可以准确的获取到当前农作物的病虫害情况。