-
公开(公告)号：CN115063677B
公开(公告)日：2023-10-10
申请号：CN202210657365.6
申请日：2022-06-10
Applicant: 安徽农业大学
IPC: G06V20/10 , G06V20/64 , G06V10/30 , G06V10/774
Abstract: 本发明公开了一种基于点云信息的麦田倒伏程度识别方法和装置，该方法包括：1获取麦田倒伏样本的倾斜高度、垂直高度、麦田的倒伏面积以及麦田无人机图像数据，其中，麦田实测数据用于确定麦田倒伏程度，麦田无人机图像数据用于获取麦田原始点云；2基于麦田原始点云，对麦田原始点云进行预处理，得到麦田归一化点云；3基于霍特林变换的麦田点云数据降维方法，对麦田归一化点云进行降维，得到点云降维图像；4利用深度学习模型对点云降维图像进行训练，得到麦田倒伏程度识别结果。本发明能降低点云数据处理的难度和复杂度；同时，能实现小麦倒伏程度的快速、精准识别。
-
公开(公告)号：CN112287886B
公开(公告)日：2023-09-22
申请号：CN202011308778.0
申请日：2020-11-19
Applicant: 安徽农业大学
Abstract: 本发明提出基于高光谱图像融合图谱特征的小麦植株氮含量估测方法。本发明的方法是采集小麦冠层高光谱图像和地面小麦植株氮含量；首先提取光谱反射率并计算植被指数、位置和形状特征；然后提取主成分高光谱图像并利用卷积神经网络提取深层特征；再次利用随机森林算法、相关系数分析法确定优选的特征，利用并行融合策略针对优选的特征构建新的融合图谱特征；最后建立基于融合图谱特征的支持向量回归模型预测小麦植株氮含量。本发明的方法估测精度高、模型的泛化力强，适用于小麦全生育期，同时也是目前第一次提出综合高光谱图像的植被指数、位置和形状特征、深层特征构建融合图谱特征估测小麦植株氮含量的方法。
-
公开(公告)号：CN115049926A
公开(公告)日：2022-09-13
申请号：CN202210657361.8
申请日：2022-06-10
Applicant: 安徽农业大学
IPC: G06V20/10 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08 , G06Q50/02
Abstract: 本发明公开了一种基于深度学习的小麦倒伏损失评估方法和装置，涉及图像处理的技术领域，并包括：1获取小麦地块的图像信息，并对图像信息进行预处理，得到研究区域图像和标签数据；2将小麦的研究区域图像与倒伏颜色指数图像和数字表面模型图像进行通道合成，得到小麦多通道融合图像；3构建深度学习小麦倒伏识别模型，包括编码器和解码器，其中编码器包括特征提取网络、卷积块注意力模块和卷积层；4将小麦倒伏图像数据输入小麦倒伏识别模型中，得到倒伏区域的预测结果并计算倒伏区域面积；5利用分类模型评估倒伏损失等级评估。本发明能够准确提取小麦倒伏区域，同时评估倒伏损失等级，解决了现有小麦倒伏损失评估方法准确率较低的问题。
-
公开(公告)号：CN106295802B
公开(公告)日：2019-01-29
申请号：CN201610624626.9
申请日：2016-08-01
Applicant: 安徽农业大学
Abstract: 本发明涉及一种基于粒子群算法优化BP神经网络的茶叶存储时间分类方法，旨在通过改进的BP神经网络解决茶叶储存时间分类问题，属于茶叶储存时间分类领域。其原理利用电子鼻传感器模拟人感官品评的功能和特征，采集不同时间不同传感器的特征值，构建样本集。利用粒子群算法优化BP神经网络，获得BP神经网络的权值和阈值，进而构建毛峰茶叶储存时间的PSO‑BP分类模型和方法，本发明的有益效果在于将粒子群算法优化BP神经网络算法应用于茶叶数据中，提高预测茶叶储存时间分类的效率和准确度，为消费者提供茶叶储存时间分类的有效方法。
-
公开(公告)号：CN115049946B
公开(公告)日：2023-09-26
申请号：CN202210658129.6
申请日：2022-06-10
Applicant: 安徽农业大学
IPC: G06V20/17 , G06V20/10 , G06V20/64 , G06V10/774
Abstract: 本发明公开了一种基于点云变换的麦田生长状态判别方法与装置，该方法包括：1、获取麦田无人机图像数据，其中，麦田无人机图像数据用于获取麦田原始点云；2、基于麦田原始点云进行预处理，得到麦田归一化点云；3、基于麦田归一化点云进行连续不同高度的点云个数统计，得到麦田点云高度信号；4、基于变分模态分解以及格拉姆变换方法，对麦田点云高度信号进行图像化，得到点云变换图像；5、基于点云变换图像构建深度学习识别模型，并用于判别麦田生长状态。本发明能够有效提取麦田点云高度信息，从而能提高对麦田生长状态判别的精准性。
-
Patent Agency Ranking
公开(公告)号：CN114998708B
公开(公告)日：2023-09-26
申请号：CN202210657359.0
申请日：2022-06-10
Applicant: 安徽农业大学
IPC: G06V10/84 , G06V10/82 , G06V10/774 , G06V10/58 , G06V10/25 , G06T7/90 , G06T7/40 , G06T7/13 , G06N3/0464 , G06F18/10 , G06F17/16 , G01N21/25
Abstract: 本发明公开了一种基于图谱信号的茶叶种类识别方法和装置，该方法包括：1获取不同种类茶叶样本的高光谱图像，并对高光谱图像进行黑白板校正；2对校正后的高光谱图像提取感兴趣区域的平均光谱信号和图像信号；3基于茶叶样本的平均光谱信号进行马尔可夫转换域编码，得到编码图像；4将茶叶样本的图像信号进行一级冗余离散小波分解，得到四个子带图像；5基于有效信息最多的三个子带图像建立小波组合图像；6通过3个1×1的卷积核融合编码图像和小波组合图像，再利用AlexNet模型进行训练测试，得到茶叶种类的识别结果。本发明通过编码图像和小波组合图像获取更多的茶叶样本信息，从而能提高茶叶种类的识别精度。
-
公开(公告)号：CN116740592A
公开(公告)日：2023-09-12
申请号：CN202310719548.0
申请日：2023-06-16
Applicant: 安徽农业大学
IPC: G06V20/17 , G06V20/10 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/082 , G06V10/80
Abstract: 本发明公开了一种基于无人机图像的小麦估产方法与装置，包括：1、利用无人机采集麦穗灌浆及成熟期的RGB俯视图像，并对麦穗图像进行预处理及数据标注，构建数据集；2、利用Transformer捕获全局麦穗特征，卷积神经网络提取局部麦穗特征，克罗内克卷积聚合多尺度麦穗特征，构建了WECTrans模型；3、模型训练完成后加载最优权重得到小麦麦穗密度估计WECTrans模型；4、利用WECTrans模型预测无人机图像中麦穗数量、图像所对应实际田间面积预测公顷穗数，再结合小麦穗粒数、千粒重对小麦产量进行预估。本发明能实现对田间复杂背景下相互遮挡的麦穗快速准确地自动计数，从而能为后续的小麦产量预估提供参考。
-
公开(公告)号：CN115062656A
公开(公告)日：2022-09-16
申请号：CN202210658122.4
申请日：2022-06-10
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于电子鼻信号空间域的茶多酚含量预测方法和装置，该方法包括：1、获取茶叶样本的电子鼻信号并测量茶多酚含量；2、提取茶叶样本电子鼻信号平稳状态时的响应值作为茶叶样本电子鼻信号特征；3、基于茶叶样本的茶多酚含量，利用最大信息系数对茶叶样本电子鼻信号特征进行优选，得到对应的茶叶样本优选电子鼻信号；4、通过编码转换方法将茶叶样本优选电子鼻信号转化为空间域图像；5、基于卷积神经网格CNN对空间域图像进行训练测试，得到茶多酚含量的预测结果。本发明能将电子鼻信号的一维时间序列转化为二维图像，并能挖掘电子鼻信号的空间域特征，同时，利用CNN网络能实现茶多酚含量的及时准确预测。
-
公开(公告)号：CN115049946A
公开(公告)日：2022-09-13
申请号：CN202210658129.6
申请日：2022-06-10
Applicant: 安徽农业大学
IPC: G06V20/17 , G06V20/10 , G06V20/64 , G06V10/774
Abstract: 本发明公开了一种基于点云变换的麦田生长状态判别方法与装置，该方法包括：1、获取麦田无人机图像数据，其中，麦田无人机图像数据用于获取麦田原始点云；2、基于麦田原始点云进行预处理，得到麦田归一化点云；3、基于麦田归一化点云进行连续不同高度的点云个数统计，得到麦田点云高度信号；4、基于变分模态分解以及格拉姆变换方法，对麦田点云高度信号进行图像化，得到点云变换图像；5、基于点云变换图像构建深度学习识别模型，并用于判别麦田生长状态。本发明能够有效提取麦田点云高度信息，从而能提高对麦田生长状态判别的精准性。
-
公开(公告)号：CN107966137B
公开(公告)日：2019-05-31
申请号：CN201711173663.3
申请日：2017-11-22
Applicant: 安徽农业大学
Abstract: 本发明公开了一种TDICCD拼接区图像的卫星平台颤振探测方法，包括以下步骤：1)重叠图像的获取，利用时间延迟积分电荷耦合器件拼接区获得重叠图像。2)相对成像位置差的计算，对两幅重叠图像进行精确密集匹配处理，获得同名匹配点，计算同一目标在两幅重叠图像中的相对成像位置差；3)卫星平台颤振的估计，根据相对成像位置差，估计卫星平台颤振。本发明能有效解决颤振探测准确度低、仅能探测若干孤立频率点的问题，为卫星平台提供一种高精度、较宽频段内全覆盖的颤振探测方法，从而提高卫星姿态探测能力和遥感图像信息提取的准确度。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.031 seconds)
