-
公开(公告)号：CN106295802A
公开(公告)日：2017-01-04
申请号：CN201610624626.9
申请日：2016-08-01
Applicant: 安徽农业大学
CPC classification number: G06N3/084 , G06Q10/0639
Abstract: 本发明涉及一种基于粒子群算法优化BP神经网络的茶叶存储时间分类方法，旨在通过改进的BP神经网络解决茶叶储存时间分类问题，属于茶叶储存时间分类领域。其原理利用电子鼻传感器模拟人感官品评的功能和特征，采集不同时间不同传感器的特征值，构建样本集。利用粒子群算法优化BP神经网络，获得BP神经网络的权值和阈值，进而构建毛峰茶叶储存时间的PSO-BP分类模型和方法，本发明的有益效果在于将粒子群算法优化BP神经网络算法应用于茶叶数据中，提高预测茶叶储存时间分类的效率和准确度，为消费者提供茶叶储存时间分类的有效方法。
-
公开(公告)号：CN106295801A
公开(公告)日：2017-01-04
申请号：CN201610624613.1
申请日：2016-08-01
Applicant: 安徽农业大学
IPC: G06N3/08
CPC classification number: G06N3/086
Abstract: 本发明涉及一种基于果蝇算法优化广义回归神经网络算法的茶叶储存时间分类方法，旨在通过改进的广义回归神经网络解决茶叶储存时间分类问题，属于茶叶储存时间分类领域。其原理利用电子鼻传感器模拟人感官品评的功能和特征，采集不同时间不同传感器的特征值，构建样本集。利用果蝇算法优化广义回归神经网络，获得广义神经网络的平滑因子，进而构建毛峰茶叶储存时间的FOA-GRNN分类模型和方法。本发明的有益效果在于将果蝇算法优化广义回归神经网络算法应用于毛峰茶叶数据中，提高预测毛峰茶叶储存时间分类的效率和准确度，为消费者提供茶叶储存时间分类的有效方法。
-
公开(公告)号：CN117438971B
公开(公告)日：2024-04-12
申请号：CN202311435553.5
申请日：2023-10-30
Applicant: 安徽农业大学
Abstract: 本发明公开了一种电子通信用电缆外护层剥离装置，属于电缆外护层剥离技术领域，包括：第一套环和第二套环，用于套在电缆的外部；切割部件，用于沿着电缆外护层轴线方向切割以及绕着电缆进行圆周切割；支撑部件，用于对电缆进行支撑以及对其位置的限制；两个传动机构用于带动切割部件和支撑部件同步移动；本方案通过切割部件绕着电缆进行圆周切割，之后调整切割部件的切割方向沿着电缆轴线的方向移动切割，操作简单，方便了工作人员在复杂环境或者高空进行施工操作，解决了外护层抽出不便的问题，省时省力，提高了施工的效率；也极大减少了在剥离时会造成内部线芯的损伤；极大避免对工作人员造成伤害的情况，也避免了使用其他多种工具。
-
公开(公告)号：CN116740592B
公开(公告)日：2024-02-02
申请号：CN202310719548.0
申请日：2023-06-16
Applicant: 安徽农业大学
IPC: G06V20/17 , G06V20/10 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/082 , G06V10/80
Abstract: 本发明公开了一种基于无人机图像的小麦估产方法与装置，包括：1、利用无人机采集麦穗灌浆及成熟期的RGB俯视图像，并对麦穗图像进行预处理及数据标注，构建数据集；2、利用Transformer捕获全局麦穗特征，卷积神经网络提取局部麦穗特征，克罗内克卷积聚合多尺度麦穗特征，构建了WECTrans模型；3、模型训练完成后加载最优权重得到小麦麦穗密度估计WECTrans模型；4、利用WECTrans模型预测无人机图像中麦穗数量、图像所对应实际田间面积预测公顷穗数，再结合小麦穗粒数、千粒重对小麦产量进行预估。本发明能实现对田间复杂背景下相互遮挡的麦穗快速准确地自动计数，从而能为后(56)对比文件Mingli Hu 等.Study on evolutionmechanism of fateful stampede accidentbased on graphical evaluation and reviewtechnique《.2010 IEEE InternationalConference on Systems, Man andCybernetics》.2010,第2976-2978页.Jing Li deng.CGTF: Convolution-GuidedTransformer for Infrared and VisibleImage Fusion《.IEEE Transactions onInstrumentation and Measurement》.2022,第71卷第1-14页.
-
公开(公告)号：CN115049945B
公开(公告)日：2023-10-20
申请号：CN202210658126.2
申请日：2022-06-10
Applicant: 安徽农业大学
IPC: G06V20/17 , G06V10/26 , G06V10/774 , G06V10/80 , G06T17/00
Abstract: 本发明公开了一种基于无人机图像的小麦倒伏面积提取方法和装置，该方法包括：1获取田间的小麦RGB图像数据，并进行拼接、裁剪和标注，得到研究区域图和标签数据；2利用小麦研究区域的RGB图像得到小麦数字表面模型图像，融合小麦RGB图像和数字表面模型图像，得到小麦RGB‑数字表面模型图像；3基于深度学习构建小麦倒伏分割模型，包括空间路径、上下文路径和特征融合模块，其中，上下文路径包括ResNet18网络和金字塔切分注意力；4通过小麦RGB‑数字表面模型图像数据训练小麦倒伏分割模型，并对小麦图像进行倒伏区域的分割，从而利用分割结果估算倒伏区域面积，解决现有小麦倒伏面积提取方法的误差和准确率较低的问题。
-
Patent Agency Ranking
公开(公告)号：CN116740704A
公开(公告)日：2023-09-12
申请号：CN202310731728.0
申请日：2023-06-16
Applicant: 安徽农业大学
IPC: G06V20/68 , G06V20/52 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06V10/774 , G06V10/44
Abstract: 本发明公开了一种基于深度学习的小麦叶片表型参数变化率监测方法和装置，涉及图像处理的技术领域，并包括：1获取小麦幼苗盆栽RGB图像信息，并对小麦幼苗盆栽RGB图像信息进行预处理，得到研究数据图像和标签数据；2构建并训练基于小麦叶片检测网络；3利用已训练好的小麦叶片检测模型，获得小麦叶片的检测框以及各个检测框的顶点坐标；4利用获得的检测框的顶点坐标进行小麦表型参数的提取，并对小麦叶片进行生长率监测。本发明能够准确提取小麦叶片表型参数，同时进行小麦长势，从而能解决现有小麦幼苗叶片表型参数变化率动态监测方法效率低的问题。
-
公开(公告)号：CN116740703A
公开(公告)日：2023-09-12
申请号：CN202310719552.7
申请日：2023-06-16
Applicant: 安徽农业大学
IPC: G06V20/68 , G06V10/82 , G06V10/774 , G06V10/80 , G06V10/776 , G06N3/0455 , G06N3/048 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本发明公开了一种基于点云信息的小麦表型参数变化率估测方法和装置，该方法包括：1、获取两个不同时期的盆栽小麦的图像信息，得到多视角序列盆栽小麦RGB图像和深度图像数据，构建数据集；2、构建WheatMVS模型，包括金字塔特征融合模块、块匹配模块和深度图融合模块；3、模型训练完成后加载最优权重，利用WheatMVS模型重建盆栽小麦并进行点云预处理，得到盆栽小麦的比例尺信息、校正后的三维点云模型；4、利用表型提取方法对盆栽小麦表型参数进行提取，并利用参数变化率方法对盆栽小麦点云模型进行表型参数变化率估测。本发明能准确重建出盆栽小麦点云模型，同时能实现盆栽小麦的表型参数变化率准确估测。
-
公开(公告)号：CN115062656B
公开(公告)日：2023-08-11
申请号：CN202210658122.4
申请日：2022-06-10
Applicant: 安徽农业大学
IPC: G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于电子鼻信号空间域的茶多酚含量预测方法和装置，该方法包括：1、获取茶叶样本的电子鼻信号并测量茶多酚含量；2、提取茶叶样本电子鼻信号平稳状态时的响应值作为茶叶样本电子鼻信号特征；3、基于茶叶样本的茶多酚含量，利用最大信息系数对茶叶样本电子鼻信号特征进行优选，得到对应的茶叶样本优选电子鼻信号；4、通过编码转换方法将茶叶样本优选电子鼻信号转化为空间域图像；5、基于卷积神经网格CNN对空间域图像进行训练测试，得到茶多酚含量的预测结果。本发明能将电子鼻信号的一维时间序列转化为二维图像，并能挖掘电子鼻信号的空间域特征，同时，利用CNN网络能实现茶多酚含量的及时准确预测。
-
公开(公告)号：CN112418073A
公开(公告)日：2021-02-26
申请号：CN202011308777.6
申请日：2020-11-19
Applicant: 安徽农业大学
Abstract: 本发明提出一种基于无人机图像融合特征的小麦植株氮含量估测方法，步骤包括：采集小麦冠层无人机图像和小麦植株氮含量；首先，通过无人机图像预处理，计算灰度共生矩阵；其次，利用小波变换技术实现水平方向、垂直方向和对角方向的多尺度小波纹理特征提取；再次，利用卷积神经网络提取深层特征；最后，构建基于融合特征的粒子群优化支持向量回归模型估测小麦植株氮含量。本发明的方法估测精度高、特征鲁棒性强，适用于小麦全生育期，同时也是目前第一次提出综合无人机图像灰度共生矩阵、小波纹理特征、深层特征构建融合特征估测小麦植株氮含量的方法。
-
公开(公告)号：CN107966137A
公开(公告)日：2018-04-27
申请号：CN201711173663.3
申请日：2017-11-22
Applicant: 安徽农业大学
CPC classification number: G01C11/12 , G06T3/4038 , G06T7/33
Abstract: 本发明公开了一种TDICCD拼接区图像的卫星平台颤振探测方法，包括以下步骤：1)重叠图像的获取，利用时间延迟积分电荷耦合器件拼接区获得重叠图像。2)相对成像位置差的计算，对两幅重叠图像进行精确密集匹配处理，获得同名匹配点，计算同一目标在两幅重叠图像中的相对成像位置差；3)卫星平台颤振的估计，根据相对成像位置差，估计卫星平台颤振。本发明能有效解决颤振探测准确度低、仅能探测若干孤立频率点的问题，为卫星平台提供一种高精度、较宽频段内全覆盖的颤振探测方法，从而提高卫星姿态探测能力和遥感图像信息提取的准确度。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.03 seconds)
