-
公开(公告)号:CN119445403A
公开(公告)日:2025-02-14
申请号:CN202411361396.2
申请日:2024-09-27
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于深度学习的水稻精细化表型特征分析系统及方法,包括:包括数据图像采集模块、数字图像处理模块、三维模型重建模块、点云数据处理模块、点云分割提取特征模块以及表型参数获取模块,所述数据图像采集模块、数字图像处理模块、三维模型重建模块、点云数据处理模块、点云分割提取特征模块以及表型参数获取模块依次通信连接。本发明能够迅速且有效地对水稻品种特性进行精确评估,通过计算机视觉的三维重建技术代替手动测量动态、无损地实现水稻表型参数的测量,量化单株最小包围盒体积等复杂的表型信息有助于精确解析水稻生长过程中的遗传变异与环境互作,提升品种改良效率,加快育种进程。
-
公开(公告)号:CN119723322A
公开(公告)日:2025-03-28
申请号:CN202411555103.4
申请日:2024-11-04
Applicant: 华南农业大学
IPC: G06V20/10 , G06V20/40 , G06V10/26 , G06V10/82 , G06N3/045 , G06N3/096 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于改进Deeplab v3+的芦荟病害分级系统及其方法,包括数据采集模块、数据预处理模块、语义分割模块、性能估算模块、输入模块、识别模块、分级模块、输出模块和数据库;所述语义分割模块,用于对芦荟叶片及表面病斑进行特征提取,得到芦荟叶片识别和病斑分割结果;语义分割模块采用UAMT网络框架,包括教师模型和学生模型,并在“预测一致性”部分增加了对不确定信息的约束,以在计算一致性损失时,只对教师模型和学生模型预测偏差较小的结果进行学习,而对预测偏差较大的结果进行抑制;所述教师模型和学生模型均采用改进的Deeplab v3+网络;本发明可以实现对芦荟叶片表面病害的分割识别以及对其病害程度的分级,具有较高的精度和效率。
-