-
公开(公告)号：CN117438971A
公开(公告)日：2024-01-23
申请号：CN202311435553.5
申请日：2023-10-30
Applicant: 安徽农业大学
Abstract: 本发明公开了一种电子通信用电缆外护层剥离装置，属于电缆外护层剥离技术领域，包括：第一套环和第二套环，用于套在电缆的外部；切割部件，用于沿着电缆外护层轴线方向切割以及绕着电缆进行圆周切割；支撑部件，用于对电缆进行支撑以及对其位置的限制；两个传动机构用于带动切割部件和支撑部件同步移动；本方案通过切割部件绕着电缆进行圆周切割，之后调整切割部件的切割方向沿着电缆轴线的方向移动切割，操作简单，方便了工作人员在复杂环境或者高空进行施工操作，解决了外护层抽出不便的问题，省时省力，提高了施工的效率；也极大减少了在剥离时会造成内部线芯的损伤；极大避免对工作人员造成伤害的情况，也避免了使用其他多种工具。
-
公开(公告)号：CN105740211B
公开(公告)日：2018-06-05
申请号：CN201610269063.6
申请日：2016-04-26
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于蜂巢视频—温度采集系统的信息融合分析方法，是按如下步骤进行：1对蜂巢视频—温度采集系统获取的视频信号进行截取，获得蜂群图像序列；2获得时间及位置与上述蜂群图像对应的蜂房温度矩阵序列；3使用聚类分割算法对单帧蜂群图像进行分割，得到带有蜂群形态的初步位置分布图；4对初步位置分布图作分块处理和邻域像素赋值处理，得到与温度矩阵中所有温度值位置上一一对应的图像矩阵；5计算每一帧图像矩阵与温度矩阵之间的相关系数和互信息量；从而建立相关系数及互信息量时间序列曲线。本发明将图像和温度信息进行融合处理和分析，有利于提高对蜂巢温度调节过程的解析效果，适用于蜂学研究和养蜂业管理。
-
公开(公告)号：CN119625327A
公开(公告)日：2025-03-14
申请号：CN202510168773.9
申请日：2025-02-17
Applicant: 安徽农业大学
IPC: G06V10/26 , G06N3/0455 , G06N3/0464 , G06V10/44 , G06V10/80 , G06V10/82 , G06V20/10
Abstract: 本发明公开了一种基于改进VM‑UNet模型的农田排水沟渠遥感图像语义分割方法，该方法中将对VM‑UNet模型进行了改进，在解码器中：第三编码层和第一编码层输出的特征经过SENet注意力机制处理后通过跳跃连接输入到解码器；第二编码层和Patch Embedding层输出的特征经过多尺度注意力聚合后通过跳跃连接输入解码器；本发明通过多尺度卷积和空间注意力机制聚合空间特征，增强模型对复杂沟渠背景的分辨能力，通过通道加权机制强化排水沟渠相关的语义信息，减少混淆背景对分割结果的影响。
-
公开(公告)号：CN111833311B
公开(公告)日：2023-12-22
申请号：CN202010561990.1
申请日：2020-06-18
Applicant: 安徽农业大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/082
Abstract: 本发明公开了基于深度学习的图像识别方法及在水稻病害识别上的应用，包括：获取包含目标对象的图像训练集；采用图像扩增和图像对比度调整对训练集图像进行数据增强处理；获取训练完成的深度学习网络，所述训练完成的深度学习网络通过图像训练集和构造的待训练深度学习网络经过训练获得，所述待训练深度学习网络的构造和训练基于辅助模型实现；获取待进行识别的图像，进行图像中目标对象的识别，本发明在深度学习网络的搭建和训练过程采用辅助模型来完成，利用已有的基于大数据集训练完成的网络模型，选择其中的部分权重参数和网络层搭建待训练网络模型，并通过输入图像训练集进行网络微调训练，显著缩短训练时间和提高分类准确度。
-
公开(公告)号：CN112913662A
公开(公告)日：2021-06-08
申请号：CN202110107424.8
申请日：2021-01-27
Applicant: 安徽农业大学
Abstract: 本发明涉及一种农业水利灌溉装置，包括装置箱、依次设置在装置箱顶部内侧的水箱与药箱、设置在装置箱底部的水泵、与水泵入口相连的进水管、与水泵出口相连且位于装置箱内的出水管、连接水箱出水口与进水管进水口的分支水管一以及连接药箱出水口与进水管进水口的分支水管二；所述出水管的上端向上伸出至装置箱的外侧，且出水管的上端安装有喷水器。本发明所述的灌溉装置能够解决现有技术中的不足，具有功能多样化、使用灵活等特点。
-
Patent Agency Ranking
公开(公告)号：CN119625327B
公开(公告)日：2025-05-06
申请号：CN202510168773.9
申请日：2025-02-17
Applicant: 安徽农业大学
IPC: G06V10/26 , G06N3/0455 , G06N3/0464 , G06V10/44 , G06V10/80 , G06V10/82 , G06V20/10
Abstract: 本发明公开了一种基于改进VM‑UNet模型的农田排水沟渠遥感图像语义分割方法，该方法中将对VM‑UNet模型进行了改进，在解码器中：第三编码层和第一编码层输出的特征经过SENet注意力机制处理后通过跳跃连接输入到解码器；第二编码层和Patch Embedding层输出的特征经过多尺度注意力聚合后通过跳跃连接输入解码器；本发明通过多尺度卷积和空间注意力机制聚合空间特征，增强模型对复杂沟渠背景的分辨能力，通过通道加权机制强化排水沟渠相关的语义信息，减少混淆背景对分割结果的影响。
-
公开(公告)号：CN117315473A
公开(公告)日：2023-12-29
申请号：CN202311273707.5
申请日：2023-09-28
Applicant: 安徽农业大学
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/764
Abstract: 本发明涉及一种基于改进YOLOv8的草莓成熟度检测方法及系统，包括：采集待检测草莓图像；基于改进的YOLOv8模型对所述待检测草莓图像进行成熟度识别，获取草莓成熟度检测结果；其中，所述改进的YOLOv8模型通过训练集完成训练，所述训练集数据为标注成熟度的草莓图像集。本发明能够实现在开放场景下提高目标检测模型识别草莓的准确率以及定位采摘的准确率。
-
公开(公告)号：CN117315473B
公开(公告)日：2024-09-10
申请号：CN202311273707.5
申请日：2023-09-28
Applicant: 安徽农业大学
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/764
Abstract: 本发明涉及一种基于改进YOLOv8的草莓成熟度检测方法及系统，包括：采集待检测草莓图像；基于改进的YOLOv8模型对所述待检测草莓图像进行成熟度识别，获取草莓成熟度检测结果；其中，所述改进的YOLOv8模型通过训练集完成训练，所述训练集数据为标注成熟度的草莓图像集。本发明能够实现在开放场景下提高目标检测模型识别草莓的准确率以及定位采摘的准确率。
-
公开(公告)号：CN117690124B
公开(公告)日：2024-07-09
申请号：CN202311710896.8
申请日：2023-12-13
Applicant: 安徽农业大学
IPC: G06V20/68 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多尺度注意力机制的小番茄成熟度实时检测方法，包括以下步骤：步骤1、获取番茄图像作为数据集；步骤2、将数据集划分为训练集、验证集、测试集，之后进行数据增强；步骤3、生成改进的YOLOv8模型；步骤4、将步骤2得到的训练集输入至改进的YOLOv8模型中进行训练，并用验证集验证后，最终通过测试集评估泛化能力，由此得到最优检测模型；步骤5、将待检测番茄图像输入至步骤4得到的最优检测模型，以检测得到不同成熟度番茄。本发明能检测到现有模型检测不到的小番茄，并能有效解决番茄果实重叠遮挡问题。
-
公开(公告)号：CN117690124A
公开(公告)日：2024-03-12
申请号：CN202311710896.8
申请日：2023-12-13
Applicant: 安徽农业大学
IPC: G06V20/68 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多尺度注意力机制的小番茄成熟度实时检测方法，包括以下步骤：步骤1、获取番茄图像作为数据集；步骤2、将数据集划分为训练集、验证集、测试集，之后进行数据增强；步骤3、生成改进的YOLOv8模型；步骤4、将步骤2得到的训练集输入至改进的YOLOv8模型中进行训练，并用验证集验证后，最终通过测试集评估泛化能力，由此得到最优检测模型；步骤5、将待检测番茄图像输入至步骤4得到的最优检测模型，以检测得到不同成熟度番茄。本发明能检测到现有模型检测不到的小番茄，并能有效解决番茄果实重叠遮挡问题。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.03 seconds)
