-
公开(公告)号：CN113418433A
公开(公告)日：2021-09-21
申请号：CN202110555629.2
申请日：2021-05-21
Applicant: 浙江农林大学
Abstract: 本发明公开了一种直杆式几何法测量树木胸径的装置，包括两组支撑板、第一定位环和第二定位环，所述第一定位环和第二定位环分别和两组支撑板之间均设置有弹性夹持组件，所述环形轨道上方滑动安装有胸径测量组件，所述胸径测量组件包括安装板和两组测量尺，两组所述测量尺和安装板转动连接位置贯穿连接有销轴，所述销轴和之间设置有齿轮，所述固定组件包括两组固定杆和固定连接于固定杆一端的螺杆，两组所述螺杆通过旋转螺套螺纹连接，将直杆式测量尺滑动安装于定位环内，相较卷尺测量精准，定位环内开设环形滑槽，两组直杆式测量尺可任意改变位置，选取较为合适的面进行测量，利用定位环固定好位置后，提高测量的准确度，可反复确认精算测量结果。
-
公开(公告)号：CN111597756A
公开(公告)日：2020-08-28
申请号：CN202010382560.3
申请日：2020-05-08
Applicant: 浙江农林大学
IPC: G06F30/27 , G06K9/62 , G01N21/25 , G01N15/06 , G06F111/10
Abstract: 本发明公开了一种基于无人机多光谱数据的水质参数反演方法，属于遥感技术领域。本发明采用IMP-MPP算法对无人机多光谱图像数据进行聚类处理，进而减少了光谱反射率组合的枚举数量，与MPP算法相比在很大程度上减少了运算量。利用该方法，可以从光谱反射率数据中计算每个像元的最佳波段组合，并根据最佳反演模型计算出每个像元的水质参数反演值，得到目标区域的水质参数空间分布图。本发明利用无人机遥感影像结合建模算法进行水质参数浓度反演，可以有效提高反演模型的精度与反演质量，得到更加准确的水质参数空间分布情况，且减少了样本采集工作量，对于更准确地评估水域水质参数的时空变化和更好地进行水域治理等具有重要的应用价值和实际意义。
-
公开(公告)号：CN111351860A
公开(公告)日：2020-06-30
申请号：CN201911201861.5
申请日：2019-11-29
Applicant: 浙江农林大学
Abstract: 本发明公开了基于Faster R-CNN的木材内部缺陷检测方法，属于木材内部缺陷检测技术领域，具体包括：建立木材缺陷识别模型，确定目标试样；采用木材缺陷识别模型对目标试样进行检测，得到木材内部缺陷的方位和大小；建立木材缺陷识别模型包括建立特征矩阵图像数据库，通过Faster R-CNN模型训练特征矩阵图像数据库改进Faster R-CNN模型，从而获得木材缺陷识别模型，本专利采用深度学习算法替代传统浅层学习算法，利用该种基于快速的深度神经网络进行木材缺陷检测，可以实现快速精确地检测目标缺陷在木材内部具体位置。
-
公开(公告)号：CN111340019A
公开(公告)日：2020-06-26
申请号：CN201911201864.9
申请日：2019-11-29
Applicant: 浙江农林大学
Abstract: 本发明公开了基于Faster R-CNN的粮仓害虫检测方法，属于粮仓害虫识别技术领域，具体包括以下步骤，首先实时获取粮仓害虫图像；然后使用Faster R-CNN模型对粮仓害虫进行检测，具体是在训练后的模型中实时输入粮仓害虫图像，最后输出粮仓害虫检测结果，检测结果包括粮仓害虫类型和害虫在粮仓中的位置。训练模型包括以下步骤：建立粮仓害虫数据库；同时改进Faster R-CNN模型；然后使用改进后的Faster R-CNN模型训练粮仓害虫数据库，得到训练后的Faster R-CNN模型。本专利有效的解决了粮仓害虫相邻检测结果不精准的问题，模型能应用于粮仓真实背景下并有较高的准确率。
-
公开(公告)号：CN110104780A
公开(公告)日：2019-08-09
申请号：CN201910248337.7
申请日：2019-03-29
Applicant: 浙江农林大学
Abstract: 本发明涉及水污染治理与生态修复领域，公开了一种模块化生物膜-生态浮床组合净化系统，包括生态浮床模块和生物填料模块，其中，生态浮床模块包括竹排、土工格栅、轻质基质生态棒和水生植物，竹排由成年毛竹排列而成，竹排上设有间隔，轻质基质生态棒固定在竹排的间隔内，水生植物定植在轻质基质生态棒上，土工格栅固定在竹排下方，土工格栅用于承托轻质基质生态棒；生物填料模块包括生物填料、第一穿孔管和第二穿孔管，第一穿孔管和第二穿孔管上分别设有孔眼，生物填料的两端分别固定在第一穿孔管和第二穿孔管的孔眼上，第一穿孔管吊挂安装在竹排中的毛竹上。本发明的净化系统对水体中氮、磷物质的去除效果显著，可以明显提升水质情况。
-
Patent Agency Ranking
公开(公告)号：CN109726866A
公开(公告)日：2019-05-07
申请号：CN201811612058.6
申请日：2018-12-27
Applicant: 浙江农林大学
Abstract: 本发明公开了种基于Q学习神经网络的无人船路径规划方法，包括以下步骤：a)、初始化存储区D；b)、初始化Q网络，状态、动作初始值；c)、随机设定训练目标；d)、随机选择动作at，得到当前奖励rt，下一时刻状态st+1，将(st,at,rt,st+1)存到存储区D中；e)、从存储区D中随机采样一批数据进行训练，即一批(st,at,rt,st+1)，当USV达到目标位置，或超过每轮最大时间时的状态都认为是最终状态；f)、如果st+1不是最终状态，则返回步骤d，若st+1是最终状态，则更新Q网络参数，并返回步骤d，重复n轮后算法结束；g)、设定目标，用训练后的Q网络进行路径规划，直到USV到达目标位置。本发明决策时间短、路线更优化，能够满足在线规划的实时性要求。
-
公开(公告)号：CN106560755B
公开(公告)日：2019-04-19
申请号：CN201610176158.3
申请日：2016-03-24
Applicant: 浙江农林大学
IPC: G05D11/13
Abstract: 本发明公开了一种水产养殖水体增氧装置及自动控制方法，包括微处理器、存储器、设于池塘中的进水管上的第一水泵、设于池塘中的出水管上的第二水泵、若干个检测装置和设于池塘上的增氧机；所述池塘上设有轨道，轨道上设有电动小车，电动小车与增氧机连接；每个检测装置均包括伸入水中的溶解氧传感器和水温传感器；微处理器分别与存储器、第一水泵、第二水泵、各个溶解氧传感器、各个水温传感器、增氧机和电动小车电连接。本发明具有可实时动态增氧，水中的含氧量稳定，为鱼类的健康成长提供保证的特点。
-
公开(公告)号：CN109460905A
公开(公告)日：2019-03-12
申请号：CN201811253051.X
申请日：2018-10-25
Applicant: 浙江农林大学
IPC: G06Q10/06
Abstract: 本发明公开了一种基于模糊Borda法的国际木质林产品竞争力评价方法，包括以下步骤：(a)构建指标体系；(b)数据预处理：(c)主成分分析；(d)熵权法分析；(e)灰色关联度分析；(f)综合评价前检验；(g)用模糊Borda法进行综合评价，得到各个研究对象的模糊Borda综合评价值。本发明在采用主成分分析法、熵权法和灰色关联度分析法进行单项评价的基础上，运用模糊Borda法对其进行组合评价，同时考虑了综合评价值和排序结果，有效解决了木质林产品国际竞争力结果的不一致问题，对客观评价主要国家木质林产品国际竞争力有重要的借鉴意义。
-
公开(公告)号：CN109443281A
公开(公告)日：2019-03-08
申请号：CN201811473456.4
申请日：2018-12-04
Applicant: 浙江农林大学
IPC: G01B21/10
Abstract: 本发明公开了一种树木胸径监测装置，属于树木监测技术领域，该树木胸径监测装置包括互连的传感器装置和控制模块，所述传感器装置用于监测树木胸径并将监测信号传输给控制模块，由控制模块处理监测信号，所述传感器装置包括直线位移传感器、动尺和定尺，所述动尺和定尺之间连接有弹簧，所述直线位移传感器包括滑片和滑轨，所述直线位移传感器的滑轨设在定尺上，所述直线位移传感器的滑片设在动尺上，所述直线位移传感器的滑片可沿滑轨来回滑动，本发明装置结构设计简单巧妙，适用于树木胸径监测中多种所需量程范围，能够提供精确的树木胸径监测。
-
公开(公告)号：CN104897779B
公开(公告)日：2018-03-16
申请号：CN201510381313.0
申请日：2015-06-30
Applicant: 浙江农林大学
IPC: G01N29/07
Abstract: 本发明公开了一种利用线性调频信号测量超声波传播时间的方法，包括以下步骤：通过线性调频信号发生器产生激励信号激励发射换能器发射超声波，发射超声波信号穿过待测材料后被接收换能器接收后再进行小波滤波处理，接着再将超声波信号左移，将处理后的超声波信号与发射超声波信号相乘得到乘积信号，对乘积信号进行傅立叶变换得到该乘积信号的幅度谱并利用最大值函数确定该幅度谱中峰值的频率，最后计算超声波在待测材料中的传播时间；本发明只需要进行一次傅立叶变换FFT和信号乘法运算，运算大大降低，从而实现方法周期短、效率高；采用线性调频信号激发超声波脉冲，提高了超声波的穿透能力和超声波检测的时间分辨率，从而提高了检测准确率。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.031 seconds)
