-
公开(公告)号：CN114495033A
公开(公告)日：2022-05-13
申请号：CN202111578234.0
申请日：2021-12-22
Applicant: 华南农业大学
Inventor： 杨丹彤 , 陈惠明 , 岳学军 , 郑丁科 , 黄燕娟 , 黄世醒 , 戴久祥 , 马宇翔 , 张畅冉 , 王雪斐 , 靳晓虎 , 王一鸣 , 李会 , 许行行 , 郑健林 , 安星宇 , 蔡雨霖 , 林泳达 , 康高碧 , 时浩文
Abstract: 本发明公开了一种基于视觉导航的水田农用底盘无人驾驶系统，包括摄像头、PC端、上位机和下位机；摄像头与上位机相连，用于查看实时画面；PC端作为上位机的显示器，显示摄像头传输过来的界面；上位机集成有一个目标跟踪模块，并通过串口与下位机相连；下位机从上位机接收到的指令控制水田农用底盘；目标跟踪模块是实现水田农用底盘自主导航作业的控制决策核心，其能够框选出目标物，再根据目标矩形框与摄像头的视野正中心作差，得到偏移量的正负，最后利用PID算法根据偏移量的正负来控制水田农用底盘的电动方向盘，且当目标物跟踪失败时，控制水田农用底盘的制动系统。该系统可以减少劳动力，实现水田农用底盘自动转向，提高作业效率。
-
Patent Agency Ranking
公开(公告)号：CN116168223A
公开(公告)日：2023-05-26
申请号：CN202310425596.9
申请日：2023-04-20
Applicant: 华南农业大学
IPC: G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于多模态的花生叶斑病病害等级检测方法，包括以下步骤：采用K‑means方法构建数据集，对采集的花生叶斑病原始数据进行分组，并训练所需的数据集；对花生叶斑病的RGB图像和光谱数据进行预处理；将预处理后的RGB图像和光谱数据分别输入至花生叶斑病多模态检测模型的Resnet101网络和改进的1D‑CNN网络中进行特征提取，再通过特征融合模块将提取的特征进行融合，并输出花生叶斑病病害等级结果；选择评价指标对花生叶斑病病害等级结果进行评价。本发明融合多种模态的特征信息，使算法在花生叶斑病病害等级任务中检测准确率更高、更具鲁棒性，解决了现存单模态数据下花生叶斑病病害检测效果不佳的问题。
-
公开(公告)号：CN116168223B
公开(公告)日：2023-07-25
申请号：CN202310425596.9
申请日：2023-04-20
Applicant: 华南农业大学
IPC: G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于多模态的花生叶斑病病害等级检测方法，包括以下步骤：采用K‑means方法构建数据集，对采集的花生叶斑病原始数据进行分组，并训练所需的数据集；对花生叶斑病的RGB图像和光谱数据进行预处理；将预处理后的RGB图像和光谱数据分别输入至花生叶斑病多模态检测模型的Resnet101网络和改进的1D‑CNN网络中进行特征提取，再通过特征融合模块将提取的特征进行融合，并输出花生叶斑病病害等级结果；选择评价指标对花生叶斑病病害等级结果进行评价。本发明融合多种模态的特征信息，使算法在花生叶斑病病害等级任务中检测准确率更高、更具鲁棒性，解决了现存单模态数据下花生叶斑病病害检测效果不佳的问题。
-
公开(公告)号：CN113822198A
公开(公告)日：2021-12-21
申请号：CN202111116159.6
申请日：2021-09-23
Applicant: 华南农业大学
Inventor： 张雷 , 林泳达 , 陈婷婷 , 刘仕元 , 陈勇 , 兰玉彬 , 岳学军 , 蔡雨霖 , 康高碧 , 时浩文 , 郑迪可 , 袁嘉豪 , 艾文杰 , 彭文 , 陈惠明 , 钟海敏 , 廖臣龙
Abstract: 本发明公开了一种基于UAV‑RGB图像和深度学习的花生生长监测方法、系统及介质，包括下述步骤：使用无人机拍摄视频获取花生秧苗数据；对花生秧苗数据进行预处理，得到图片数据集；使用图片数据集，构建花生秧苗计数模型，所述花生秧苗计数模型包括花生秧苗检测器和花生秧苗跟踪器；使用花生秧苗计数模型对花生秧苗数据进行识别，记录花生秧苗数量，得到计数结果。本发明通过无人机的灵巧性以及高效性结合深度学习技术，提供了一种识别效率高、实时性强、综合性能优以及高可用性的花生生长监测方法，实现了对花生种植数据收集以及实时监测。
-
公开(公告)号：CN114495033B
公开(公告)日：2024-07-16
申请号：CN202111578234.0
申请日：2021-12-22
Applicant: 华南农业大学
Inventor： 杨丹彤 , 陈惠明 , 岳学军 , 郑丁科 , 黄燕娟 , 黄世醒 , 戴久祥 , 马宇翔 , 张畅冉 , 王雪斐 , 靳晓虎 , 王一鸣 , 李会 , 许行行 , 郑健林 , 安星宇 , 蔡雨霖 , 林泳达 , 康高碧 , 时浩文
Abstract: 本发明公开了一种基于视觉导航的水田农用底盘无人驾驶系统，包括摄像头、PC端、上位机和下位机；摄像头与上位机相连，用于查看实时画面；PC端作为上位机的显示器，显示摄像头传输过来的界面；上位机集成有一个目标跟踪模块，并通过串口与下位机相连；下位机从上位机接收到的指令控制水田农用底盘；目标跟踪模块是实现水田农用底盘自主导航作业的控制决策核心，其能够框选出目标物，再根据目标矩形框与摄像头的视野正中心作差，得到偏移量的正负，最后利用PID算法根据偏移量的正负来控制水田农用底盘的电动方向盘，且当目标物跟踪失败时，控制水田农用底盘的制动系统。该系统可以减少劳动力，实现水田农用底盘自动转向，提高作业效率。
-
公开(公告)号：CN113822198B
公开(公告)日：2023-10-17
申请号：CN202111116159.6
申请日：2021-09-23
Applicant: 华南农业大学
Inventor： 张雷 , 林泳达 , 陈婷婷 , 刘仕元 , 陈勇 , 兰玉彬 , 岳学军 , 蔡雨霖 , 康高碧 , 时浩文 , 郑迪可 , 袁嘉豪 , 艾文杰 , 彭文 , 陈惠明 , 钟海敏 , 廖臣龙
Abstract: 本发明公开了一种基于UAV‑RGB图像和深度学习的花生生长监测方法、系统及介质，包括下述步骤：使用无人机拍摄视频获取花生秧苗数据；对花生秧苗数据进行预处理，得到图片数据集；使用图片数据集，构建花生秧苗计数模型，所述花生秧苗计数模型包括花生秧苗检测器和花生秧苗跟踪器；使用花生秧苗计数模型对花生秧苗数据进行识别，记录花生秧苗数量，得到计数结果。本发明通过无人机的灵巧性以及高效性结合深度学习技术，提供了一种识别效率高、实时性强、综合性能优以及高可用性的花生生长监测方法，实现了对花生种植数据收集以及实时监测。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
