-
公开(公告)号:CN114791750A
公开(公告)日:2022-07-26
申请号:CN202210333754.3
申请日:2022-03-30
Applicant: 安徽农业大学
IPC: G05D27/02
Abstract: 本发明公开了一种基于树莓派和Arduino的水产养殖监测与控制系统,属于水产养殖物联网领域,一种基于树莓派和Arduino的水产养殖监测与控制系统,包括数据监测模块、智能控制模块、业务服务模块、若干Arduino开发板、若干传感器和树莓派,其特征在于,所述数据监测模块用于所述若干传感器连接Arduino开发板采集环境和设备数据,Arduino与所述树莓派通过串行通信传输数据。对水产养殖环境(水温、水位、溶解氧含量、电导率、浊度、PH等)进行实时监测,反馈养殖户预警信息,做到实时监测管理,为用户决策提供可靠数据。
-
公开(公告)号:CN114782456A
公开(公告)日:2022-07-22
申请号:CN202210360615.X
申请日:2022-04-07
Applicant: 安徽农业大学
IPC: G06T7/10 , G06K9/62 , G06V10/762 , G06V10/74
Abstract: 本发明提出了一种植物图像分割的改进的核密度峰值聚类方法,该方法通过利用决策图选取中心点后,利用RBF将数据映射到高维空间,然后对样本点采用两种分配策略进行聚类在高维空间中,从而更好地解决K‑Means聚类算法与DPC聚类算法在农业图像分割上的不足。通过在多个人工数据集和UCI数据集上进行试验,并与其他聚类算法进行比较,最后再应用在植物图像分割中,实验结果表明,本发明的算法具有较好的聚类效果。
-
公开(公告)号:CN112948544B
公开(公告)日:2022-03-29
申请号:CN202110208083.3
申请日:2021-02-25
Applicant: 安徽农业大学
IPC: G06F16/33 , G06F16/35 , G06F16/383 , G06F40/30 , G06F40/194 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于深度学习与质量影响的图书检索方法,包括以下步骤:1)、获取数字图书馆数据库中的数据并提取其中的标准化书名数据和内容关键词句数据,采用类别噪声裁剪算法将提取的数据进行降噪处理;2)、基于深度学习模型对上述步骤1)中降噪处理后的数据进行特征提取和分类并得到图书的语义类信息;3)、基于步骤2)中获取的语义类信息建立语义理解索引数据库。该基于深度学习与质量影响的图书检索方法,可以更好的理解用户真正的检索需求,利用深度学习技术提高了搜索的精细化程度,在保证搜索语义相似度的基础上引入了图书质量识别模型,使得用户在图书馆搜索引擎时最终接收到的结果语义相似度高,同时也保证了图书的质量。
-
公开(公告)号:CN113010615B
公开(公告)日:2021-10-01
申请号:CN202110388631.5
申请日:2021-04-12
Applicant: 安徽农业大学
IPC: G06F16/28 , G06F16/215 , G06F16/25
Abstract: 本发明涉及一种基于高斯混合模型聚类算法的分层级数据可视化方法,包括以下步骤:在网页中接收用户上传的数据文件储存至后台数据库,并统一文件格式;对统一文件格式后的数据进行分析、清洗预处理,得到待聚类数据;利用高斯混合模型将待聚类数据进行首次聚类和次级聚类,得到待展示数据;建立前端页面,利用虚拟滚动技术将待展示数据进行分层级可视化展示。本发明利用序号标记基因节点的想法,设计了一种对于关系型基因数据聚类的处理方法,采用分层级显示数据,并且只加载当前层级数据进行显示,根据聚类算法将数据划分成了许多类,这样大大减少一个页面显示的数据量,方便人们观察。
-
公开(公告)号:CN114782456B
公开(公告)日:2024-10-18
申请号:CN202210360615.X
申请日:2022-04-07
Applicant: 安徽农业大学
IPC: G06T7/10 , G06V10/762 , G06V10/74 , G06V10/26
Abstract: 本发明提出了一种植物图像分割的改进的核密度峰值聚类方法,该方法通过利用决策图选取中心点后,利用RBF将数据映射到高维空间,然后对样本点采用两种分配策略进行聚类在高维空间中,从而更好地解决K‑Means聚类算法与DPC聚类算法在农业图像分割上的不足。通过在多个人工数据集和UCI数据集上进行试验,并与其他聚类算法进行比较,最后再应用在植物图像分割中,实验结果表明,本发明的算法具有较好的聚类效果。
-
公开(公告)号:CN114579746B
公开(公告)日:2024-08-13
申请号:CN202210222451.4
申请日:2022-03-07
Applicant: 安徽农业大学
IPC: G06F16/35 , G06F40/216 , G06N3/0442
Abstract: 本发明涉及一种优化的高精度文本分类方法及装置,所述优化的高精度文本分类方法包括以下步骤:对文本进行预处理去除干扰项,得到待分类文本;将所述待分类文本进行低维映射得到词向量,并对所述待分类文本进行加权处理得到所述待分类文本中词语的权重值,将词向量和权重值结合得到加权词向量;对所述加权词向量进行语义特征信息提取得到高级特征信息;对所述高级特征信息进行权重分配,将词语级的所述高级特征信息连接成语句级特征信息,得到语句级特征向量;使用softmax函数对所述语句级特征向量进行文本分类,完成对文本的分类。本发明准确率、精确率、召回率以及f‑score值都有所提高;对语义关联词语有很好的处理效果。
-
公开(公告)号:CN114998639B
公开(公告)日:2024-04-26
申请号:CN202210412607.5
申请日:2022-04-19
Applicant: 安徽农业大学
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06T5/50 , G06F16/951 , G06F16/55
Abstract: 本发明公开了一种基于深度学习的中药材品类识别方法,包括建立学习模型和识别中药材饮片两个部分。本发明利用网络爬虫和线下采集方式并通过对数据集进行数据增强后,供卷积神经网络建立识别数据模型,识别中药材饮片过程前对其进行样品处理并连续采像后,利用同态滤波对采集的图像与基于卷积神经网络进行图像融合,通过ZCA白化对图像进行处理后,再使用Transformer提取特征,并将图像特征导入卷积神经网络模型中进行特征对比,以快速获取样本中药材类别,极大地排出了处理过程中影响识别准确性的因素数量,提升了识别率,可为中药材快速识别方法研究提供理论支撑,为推重中医药现代化具有非常深远的意义。
-
公开(公告)号:CN114998639A
公开(公告)日:2022-09-02
申请号:CN202210412607.5
申请日:2022-04-19
Applicant: 安徽农业大学
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06N3/04 , G06T5/50 , G06F16/951 , G06F16/55
Abstract: 本发明公开了一种基于深度学习的中药材品类识别方法,包括建立学习模型和识别中药材饮片两个部分。本发明利用网络爬虫和线下采集方式并通过对数据集进行数据增强后,供卷积神经网络建立识别数据模型,识别中药材饮片过程前对其进行样品处理并连续采像后,利用同态滤波对采集的图像与基于卷积神经网络进行图像融合,通过ZCA白化对图像进行处理后,再使用Transformer提取特征,并将图像特征导入卷积神经网络模型中进行特征对比,以快速获取样本中药材类别,极大地排出了处理过程中影响识别准确性的因素数量,提升了识别率,可为中药材快速识别方法研究提供理论支撑,为推重中医药现代化具有非常深远的意义。
-
公开(公告)号:CN114579746A
公开(公告)日:2022-06-03
申请号:CN202210222451.4
申请日:2022-03-07
Applicant: 安徽农业大学
IPC: G06F16/35 , G06F40/216 , G06N3/04
Abstract: 本发明涉及一种优化的高精度文本分类方法及装置,所述优化的高精度文本分类方法包括以下步骤:对文本进行预处理去除干扰项,得到待分类文本;将所述待分类文本进行低维映射得到词向量,并对所述待分类文本进行加权处理得到所述待分类文本中词语的权重值,将词向量和权重值结合得到加权词向量;对所述加权词向量进行语义特征信息提取得到高级特征信息;对所述高级特征信息进行权重分配,将词语级的所述高级特征信息连接成语句级特征信息,得到语句级特征向量;使用softmax函数对所述语句级特征向量进行文本分类,完成对文本的分类。本发明准确率、精确率、召回率以及f‑score值都有所提高;对语义关联词语有很好的处理效果。
-
公开(公告)号:CN113269347B
公开(公告)日:2023-05-30
申请号:CN202110347022.5
申请日:2021-03-31
Applicant: 安徽农业大学
IPC: G06Q10/047 , G06Q10/0835 , G06F16/9537 , G06Q50/20 , G06F18/214 , G06N20/20 , H04L67/52
-
-
-
-
-
-
-
-
-