-
公开(公告)号:CN117152736A
公开(公告)日:2023-12-01
申请号:CN202311139529.7
申请日:2023-09-05
Applicant: 安徽农业大学
IPC: G06V20/68 , G06V10/20 , G06V10/26 , G06V10/82 , G06V10/762 , G06N3/006 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及人工智能采摘技术领域,且公开了一种深度学习和群智能算法的水果采摘优化模型的方法,包括以下步骤:S1、收集自然环境下的水果果实图片作为训练数据,并对数据进行预处理;S2、设计一种改进U‑Net模型的CA U‑Net语义分割网络,将U‑Net模型的主干网络VGG16更换为轻量化的MobileNet‑V3结构;S3、将MoblieNet‑v3主干特征网络中的SE注意力机制模块替换为Coordinate Attention注意力机制。该深度学习和群智能算法的水果采摘优化模型的方法,通过利用计算机视觉技术实现图像分割的果实采摘顺序算法,提高了果实采摘效率和果实定位精度,解决了现有技术中采摘过程中的浪费和伤害,同时还能够避免果实的腐烂和损坏,无法提高果实的保质期和市场价值的问题。
-
公开(公告)号:CN116258573A
公开(公告)日:2023-06-13
申请号:CN202310123335.1
申请日:2023-02-07
Applicant: 安徽农业大学
Abstract: 本发明公开了一种农产品供应链信用风险识别与演化预测方法,属于供应链信用风险预测技术领域;方法包括如下步骤:对农产品供应链中节点的连续时间动态关系进行建模;建立异步传输连续时空感知图神经网络模型;训练模型,并基于模型生产预测,给出节点信用风险等级评估及未来演化方向。通过构建连续时间动态农产品供应链关系图,并采用连续时空感知图神经网络,可以更全面提取企业领域的信息,进行更好的信用风险及其演化分析,为企业形成对最终决策提供参考,较传统决策方法更全面,可行度更高。
-