-
公开(公告)号：CN115661544B
公开(公告)日：2024-04-05
申请号：CN202211389124.4
申请日：2022-11-08
Applicant: 吉林农业大学
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于N‑MobileNetXt的菠菜幼苗水分胁迫等级分类系统及方法，属于图像识别和深度学习技术领域，包括图像采集模块、图像预处理模块、图像特征提取模块及显示模块；图像采集模块加载一张菠菜幼苗图片或视频中的一帧作为输入；将采集的图像输入到图像处理模块进行图像预处理，处理好的待检测图像继续输入到图像特征提取模块中，图像特征提取模块将图像预处理模块发送的菠菜叶片图像进行特征提取并分级，并通过显示模块输出等级结果。本发明应用卷积神经网络，根据菠菜叶片图像识别菠菜幼苗的水分胁迫等级并分类，从而实现快速有效的菠菜幼苗水分胁迫检测以监测作物状态，为作物灌溉提供科学指导。
-
Patent Agency Ranking
公开(公告)号：CN115661544A
公开(公告)日：2023-01-31
申请号：CN202211389124.4
申请日：2022-11-08
Applicant: 吉林农业大学
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于N‑MobileNetXt的菠菜幼苗水分胁迫等级分类系统及方法，属于图像识别和深度学习技术领域，包括图像采集模块、图像预处理模块、图像特征提取模块及显示模块；图像采集模块加载一张菠菜幼苗图片或视频中的一帧作为输入；将采集的图像输入到图像处理模块进行图像预处理，处理好的待检测图像继续输入到图像特征提取模块中，图像特征提取模块将图像预处理模块发送的菠菜叶片图像进行特征提取并分级，并通过显示模块输出等级结果。本发明应用卷积神经网络，根据菠菜叶片图像识别菠菜幼苗的水分胁迫等级并分类，从而实现快速有效的菠菜幼苗水分胁迫检测以监测作物状态，为作物灌溉提供科学指导。
-
公开(公告)号：CN118154855A
公开(公告)日：2024-06-07
申请号：CN202410566271.7
申请日：2024-05-09
Applicant: 吉林农业大学
Abstract: 本发明公开一种绿色果实伪装目标检测方法，包括以下步骤：图像数据的处理及标注；采用MobileVit作为骨干网络，准确提取低层和高层特征中编码对象的结构信息和更清晰的语义信息；利用多个边缘引导特征模块集成来自‑多级骨干特征，通过全局平均池化模块引导特征学习并增强边界表示；设计的纹理‑边界感知模块使用三个不同大小的滤波器来提取不同尺度和级别上的信息，并且将所有信息连接起来以确保捕获所有有效特征。最后，引入上下文聚合模块通过一系列螺旋卷积挖掘和聚合多尺度上下文语义，以生成具有更强和更有效表示的特征。本发明提出的方法可有效应对复杂农田背景下绿色果实的检测，进一步辅助植保机器人进行精准采摘并实现果实早期产量预测。
-
公开(公告)号：CN118154855B
公开(公告)日：2024-07-02
申请号：CN202410566271.7
申请日：2024-05-09
Applicant: 吉林农业大学
Abstract: 本发明公开一种绿色果实伪装目标检测方法，包括以下步骤：图像数据的处理及标注；采用MobileVit作为骨干网络，准确提取低层和高层特征中编码对象的结构信息和更清晰的语义信息；利用多个边缘引导特征模块集成来自‑多级骨干特征，通过全局平均池化模块引导特征学习并增强边界表示；设计的纹理‑边界感知模块使用三个不同大小的滤波器来提取不同尺度和级别上的信息，并且将所有信息连接起来以确保捕获所有有效特征。最后，引入上下文聚合模块通过一系列螺旋卷积挖掘和聚合多尺度上下文语义，以生成具有更强和更有效表示的特征。本发明提出的方法可有效应对复杂农田背景下绿色果实的检测，进一步辅助植保机器人进行精准采摘并实现果实早期产量预测。
-
公开(公告)号：CN117292248B
公开(公告)日：2024-04-26
申请号：CN202311420938.4
申请日：2023-10-30
Applicant: 吉林农业大学
IPC: G06V20/00 , G06V10/82 , G06N3/0464 , G06N3/08 , G06Q50/02
Abstract: 本发明公开了基于深度学习的农田喷药系统及其杂草检测方法，属于深度学习和智能喷药技术领域，本发明基于W‑YOLOv5和HSV色彩空间过滤的杂草检测方法并开发了智能精准喷药系统，将杂草检测算法在服务器训练、调试后嵌入至开发板中，利用摄像头采集农田作物和杂草图像，通过开发板运算处理后得到杂草位置并输出杂草严重等级，开发板根据杂草严重等级通过GPIO向四路继电器发送不同电平信号，进而控制电磁阀的开闭，通过四个电磁阀的不同开闭组合，实现精准变量喷药，同时还能完成系统流量的监测。本发明可精准检测农田中的各类杂草，并智能决策喷药量，无需人为主观判断，减少了农药的浪费和对农田的污染，对提高农产品安全和生态环境可持续发展具有重要意义。
-
公开(公告)号：CN117292248A
公开(公告)日：2023-12-26
申请号：CN202311420938.4
申请日：2023-10-30
Applicant: 吉林农业大学
IPC: G06V20/00 , G06V10/82 , G06N3/0464 , G06N3/08 , G06Q50/02
Abstract: 本发明公开了基于深度学习的农田喷药系统及其杂草检测方法，属于深度学习和智能喷药技术领域，本发明基于W‑YOLOv5和HSV色彩空间过滤的杂草检测方法并开发了智能精准喷药系统，将杂草检测算法在服务器训练、调试后嵌入至开发板中，利用摄像头采集农田作物和杂草图像，通过开发板运算处理后得到杂草位置并输出杂草严重等级，开发板根据杂草严重等级通过GPIO向四路继电器发送不同电平信号，进而控制电磁阀的开闭，通过四个电磁阀的不同开闭组合，实现精准变量喷药，同时还能完成系统流量的监测。本发明可精准检测农田中的各类杂草，并智能决策喷药量，无需人为主观判断，减少了农药的浪费和对农田的污染，对提高农产品安全和生态环境可持续发展具有重要意义。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
