-
公开(公告)号：CN114377997A
公开(公告)日：2022-04-22
申请号：CN202210035385.X
申请日：2022-01-12
Applicant: 南京林业大学
Abstract: 本发明公开一种基于COMS和高光谱相机的杆状物分选装置及方法，属于物料分选技术领域，包括进料装置、传送装置、超高速图像预处理单元、工控机、喷阀控制单元和多级分选装置，相机采集物料图像，图像经超高速图像预处理单元处理后，发送至工控机，工控机通过迁移学习算法提取图片特征，使用实例分割算法分析特征图片得到物料中杆状物及异物的特点、位置信息，对物料中杆状物及异物进行识别分割，完成杆状物的分选工作。本发明将分选系统模块化，根据不同物料，自行搭配使用；CMOS工业线阵相机及高光谱相机通过深度学习的方法对图像进行识别分割可以提升杆状物识别的准确率，实现精准分选，成功的解决了人工分选的低精度、高成本的难题。
-
公开(公告)号：CN114708457B
公开(公告)日：2024-10-29
申请号：CN202210336884.2
申请日：2022-03-31
Applicant: 南京林业大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/08 , G06N7/01
Abstract: 本发明公开了一种用于抗紫边识别的高光谱深度学习识别方法，属于高光谱成像与深度学习技术邻域。根据高光谱图像中待识别点的邻域点的光谱特征，先对邻域的识别结果进行检测，利用贝叶斯公式分析周围区域获得先验分类结果；再使用神经网络对待识别区域进行识别，提高网络对于信息缺乏区域的识别精度。本发明在图像识别的过程中，利用像素周围区域的光谱信息为紫边区域提供识别的数据支持，进而使得紫边区域能在光谱信息缺少的情况下，能够利用邻域信息提高识别精度。将高光谱技术和图像先验知识结合，利用待识别点与周围点的空间关系，进而提高紫边区域的识别精度，对于提高深度学习算法的识别率具有十分重要的意义。
-
公开(公告)号：CN108040663B
公开(公告)日：2023-08-18
申请号：CN201810045155.5
申请日：2018-01-17
Applicant: 南京林业大学
Abstract: 本发明公开一种树木根部精确施药系统及方法。其主体单元中包括有转盘式输药系统、输送药液的供药系统、升降调节系统、电控系统。精确施药系统由牵引机构，机架，连架杆等机械机构完成。精确施药方法由传感器控制系统和电控系统完成。树根施药方法由药箱，水泵，液压杆，电磁阀，输药转盘和注射针完成。这种树木根部精确施药方法可以判断出树根的分布范围，根据树根面积，驱动输药转盘，把注射针插入到地面下的树根位置，控制电磁阀开闭，将适量药液注射输送到树木根部，从而完成对于树木根部的精确施药，有效预防和控制树木病情。
-
公开(公告)号：CN114377997B
公开(公告)日：2022-11-01
申请号：CN202210035385.X
申请日：2022-01-12
Applicant: 南京林业大学
Abstract: 本发明公开一种基于COMS和高光谱相机的杆状物分选装置及方法，属于物料分选技术领域，包括进料装置、传送装置、超高速图像预处理单元、工控机、喷阀控制单元和多级分选装置，相机采集物料图像，图像经超高速图像预处理单元处理后，发送至工控机，工控机通过迁移学习算法提取图片特征，使用实例分割算法分析特征图片得到物料中杆状物及异物的特点、位置信息，对物料中杆状物及异物进行识别分割，完成杆状物的分选工作。本发明将分选系统模块化，根据不同物料，自行搭配使用；CMOS工业线阵相机及高光谱相机通过深度学习的方法对图像进行识别分割可以提升杆状物识别的准确率，实现精准分选，成功的解决了人工分选的低精度、高成本的难题。
-
公开(公告)号：CN114694140A
公开(公告)日：2022-07-01
申请号：CN202210286878.0
申请日：2022-03-22
Applicant: 南京林业大学
IPC: G06V20/68 , G06V10/28 , G06V10/56 , G06V10/58 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于光谱成像的定向训练桔梗杂质识别方法，属于深度学技术领域，首先建立多维标签体系；然后针对每个标签构建模型分支结构，在进行模型数据训练的过程中，先对多维标签的每个维度分别进行二分类训练，再对整体的进行误差调优，从而实现针对桔梗杂物的不同的色彩属性进行二分类判别。本发明引入多维度标签体系，使得光谱数据归属于多个类别，从类别标签的角度引入先验知识，使得算法在分类过程中能够更加具有可解释性。采用不同的属性标签来划分光谱所属类别，使得光谱的分类结果更加具有可解释性，并可以依据相应的属性进行训练，从而提高模型的最终分类精度；实现高精度的识别并分类与桔梗具有不同光谱特性的杂质。
-
Patent Agency Ranking
公开(公告)号：CN109452253A
公开(公告)日：2019-03-12
申请号：CN201910022119.1
申请日：2019-01-10
Applicant: 南京林业大学
IPC: A01M7/00
Abstract: 本发明涉及一种用于高射程喷雾机精确对靶喷雾的矢量式末端调整系统及方法，包括传感器扫描系统、矢量式末端调整系统、高射程喷雾机和载具。传感器扫描系统由图像传感器、激光扫描传感器构成，完成目标识别和施药判断。矢量式末端调整系统由舵机扇叶阵列、安装套筒、喷头组和控制电路构成。本系统首先由图像传感器判断对靶目标，然后开启激光传感器扫描对靶目标的距离、分布范围和密度，最后由控制电路处理传感器数据，获取树冠表面相对于高射程喷雾机风筒的瞬时空间位置，并调整扇叶使出风方向始终与树冠表面垂直，进而喷洒施药。本发明可实现微分精确对靶，从而显著节省药量，保护环境。本发明可适应不同类型的高射程喷雾机，应用范围广泛。
-
公开(公告)号：CN109131893A
公开(公告)日：2019-01-04
申请号：CN201811195254.8
申请日：2018-10-15
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于无人机的农药残留实时检测和精确去除的系统和方法。该系统包括自主导航无人机、农药残留检测模块、农药残留去除模块。该方法主要包括以下步骤：使用搭载光谱遥感装置的自主导航无人机对待测植被进行遥感检测；图像处理后获取受测植物的农药残留特征光谱与地理位置信息；与现有已知的农药光谱进行对比，判断农药种类和浓度；大数据库自动生成农药残留去除处方并由无人机自动配置；地面计算机自主规划最优飞行航线；无人机按航线自主喷洒;完成后复检飞行。本发明的系统与方法，农药残留分析准确、操作智能、检测成本低、无遗漏、误差小，大大降低了过量施药对食用类农林作物的污染，在较大程度上减轻了其食用后对人体的危害。
-
公开(公告)号：CN108040663A
公开(公告)日：2018-05-18
申请号：CN201810045155.5
申请日：2018-01-17
Applicant: 南京林业大学
Abstract: 本发明公开一种树木根部精确施药系统及方法。其主体单元中包括有转盘式输药系统、输送药液的供药系统、升降调节系统、电控系统。精确施药系统由牵引机构，机架，连架杆等机械机构完成。精确施药方法由传感器控制系统和电控系统完成。树根施药方法由药箱，水泵，液压杆，电磁阀，输药转盘和注射针完成。这种树木根部精确施药方法可以判断出树根的分布范围，根据树根面积，驱动输药转盘，把注射针插入到地面下的树根位置，控制电磁阀开闭，将适量药液注射输送到树木根部，从而完成对于树木根部的精确施药，有效预防和控制树木病情。
-
公开(公告)号：CN109520895B
公开(公告)日：2024-04-26
申请号：CN201910022120.4
申请日：2019-01-10
Applicant: 南京林业大学
Abstract: 本发明涉及一种植物根部施药效果的测试装置及方法，包括三维运动台架、试验土槽、根部施药模块、传感器支架、湿度传感器及模拟土壤；所述三维运动台架包括X轴运动组件、Y轴运动组件、Z轴运动组件、移动支撑架、土槽支撑台和台架升降组件，所述移动支撑架由支撑杆件组成，所述土槽支撑台由带螺纹孔底板和车轮组成；所述试验土槽内填装有模拟土壤；所述的根部施药模块包括根部施药滚轮和根部施药滚轮连接器，所述的根部施药滚轮上设有土壤注射器。本发明的植物根部施药效果的测试装置可有效地模拟检测不同根部施药装置在植物根部的施药效果，排除其他外界干扰的影响，保证试验测量结果的准确性。
-
公开(公告)号：CN113848216B
公开(公告)日：2022-08-09
申请号：CN202111112804.7
申请日：2021-09-18
Applicant: 南京林业大学
Abstract: 本发明公开一种基于雾生成对抗神经网络的沥青混凝土检测系统及方法，包括计算机系统和图像采集装置等，图像采集装置采集搅拌完成的沥青混凝土图像，并将图像传输至计算机系统，实现在线检测沥青混凝土质量；本发明将机器视觉与神经网络算法相结合，通过雾生成对抗神经网络模型对沥青图像进行去烟雾、去模糊化操作，然后利用卷积神经网络检测沥青混凝土外观的均匀性，判断沥青混凝土中有无花白料、有无结块成团现象和严重离析现象，实时计算出沥青混凝土的质量是否合格。本发明自动化程度高、精确度高、实时性好、效率高，可与拌合站系统组网形成完整的监控体系，能够及时发现沥青混凝土搅拌时存在的质量问题，有效减少了经济损失，节约了时间。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.031 seconds)
