-
公开(公告)号：CN113361596B
公开(公告)日：2022-10-04
申请号：CN202110623634.2
申请日：2021-06-04
Applicant: 安徽农业大学
Abstract: 本发明公开了一种传感器数据增广方法、系统及存储介质，属于传感器数据处理技术领域。该方法对无漂移的数据采用随机裁剪的方法实现无漂移数据样本的增广，选取多个符合传感器漂移特性的函数模型作为趋势项构建含趋势项的非平稳随机游走过程用以模拟传感器数据漂移过程，通过设置传感器发生漂移概率阈值和依据数据特征确定最大漂移范围实现漂移量仿真，采用向增广后的无漂移数据样本中加入漂移量的方式实现含漂移数据样本的增广。本发明通过融合感知场内各邻近传感器数据统筹考虑了传感器漂移数据的时间和空间特征，保证了漂移量仿真的正确性和增广数据特征的多样性，克服了传感器漂移校准模型中因训练样本不足造成的模型泛化能力弱的问题。
-
公开(公告)号：CN113361596A
公开(公告)日：2021-09-07
申请号：CN202110623634.2
申请日：2021-06-04
Applicant: 安徽农业大学
Abstract: 本发明公开了一种传感器数据增广方法、系统及存储介质，属于传感器数据处理技术领域。该方法对无漂移的数据采用随机裁剪的方法实现无漂移数据样本的增广，选取多个符合传感器漂移特性的函数模型作为趋势项构建含趋势项的非平稳随机游走过程用以模拟传感器数据漂移过程，通过设置传感器发生漂移概率阈值和依据数据特征确定最大漂移范围实现漂移量仿真，采用向增广后的无漂移数据样本中加入漂移量的方式实现含漂移数据样本的增广。本发明通过融合感知场内各邻近传感器数据统筹考虑了传感器漂移数据的时间和空间特征，保证了漂移量仿真的正确性和增广数据特征的多样性，克服了传感器漂移校准模型中因训练样本不足造成的模型泛化能力弱的问题。
-
公开(公告)号：CN113989522B
公开(公告)日：2024-07-30
申请号：CN202111244183.8
申请日：2021-10-25
Applicant: 安徽农业大学
Abstract: 本发明适用于图像处理及人工智能领域，提供一种面向农作机器人的田间面向农作机器人的田间玉米植株轮廓提取方法及系统，所述方法包括：获取玉米植株原始图像中玉米植株的叶片部分图像和根部部分图像；分别对叶片部分图像和根部部分图像进行去噪处理；利用Forstner算法提取叶片特征点和根部特征点，并利用Brief算法描述叶片特征点和根部特征点的信息；根据叶片特征点和根部特征点的信息，将去噪处理后的叶片部分图像和去噪处理后的根部部分图像进行拼合，确定玉米植株的拼合图像；提取拼合图像中玉米植株轮廓。本方案通过将玉米植株的叶片部分图像和根部部分图像分开处理，然后拼合后再提取轮廓，避免颜色不一致而导致轮廓丢失，保障玉米植株轮廓的完整性。
-
Patent Agency Ranking
公开(公告)号：CN113361194B
公开(公告)日：2022-10-04
申请号：CN202110623651.6
申请日：2021-06-04
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于深度学习的传感器漂移校准方法、电子设备及存储介质，属于传感器校准技术领域。该方法采用数据增广方法扩充数据样本，为传感器漂移校准提供了数据保障，所提出的传感器漂移校准方法包括漂移特征提取和漂移校准两个部分，分别对应于漂移特征提取模块和校准模块。漂移特征提取模块通过多尺度卷积层提取数据中隐藏在不同尺度上时间和频率的漂移关键特征，为校准模块奠定基础；校准模块采用基于自注意力的一维残差卷积神经网络有效利用邻近传感器间数据相关性对漂移数据进行漂移补偿，能够同时校准传感器群组中多个传感器的漂移。该方法能充分利用数据的时间和空间特征，有效提取数据中的漂移特征，提高了数据采集质量。
-
公开(公告)号：CN113989522A
公开(公告)日：2022-01-28
申请号：CN202111244183.8
申请日：2021-10-25
Applicant: 安徽农业大学
Abstract: 本发明适用于图像处理及人工智能领域，提供一种面向农作机器人的田间面向农作机器人的田间玉米植株轮廓提取方法及系统，所述方法包括：获取玉米植株原始图像中玉米植株的叶片部分图像和根部部分图像；分别对叶片部分图像和根部部分图像进行去噪处理；利用Forstner算法提取叶片特征点和根部特征点，并利用Brief算法描述叶片特征点和根部特征点的信息；根据叶片特征点和根部特征点的信息，将去噪处理后的叶片部分图像和去噪处理后的根部部分图像进行拼合，确定玉米植株的拼合图像；提取拼合图像中玉米植株轮廓。本方案通过将玉米植株的叶片部分图像和根部部分图像分开处理，然后拼合后再提取轮廓，避免颜色不一致而导致轮廓丢失，保障玉米植株轮廓的完整性。
-
公开(公告)号：CN109921952B
公开(公告)日：2021-11-23
申请号：CN201910256665.1
申请日：2019-04-01
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于压缩感知和模型驱动的数据收集方法，属于信息技术领域。它包括关键数据使用模型驱动模式进行采集，非关键数据使用压缩感知模式进行采集，数据收集模式在模型驱动模式与压缩感知模式之间进行动态切换；在模型驱动模式的阶段，根据传感器的连续采样数据判断切换为压缩感知模式的时刻；在压缩感知模式的阶段，通过稀疏采样的数据点建模判断切换为模型驱动模式的时刻。本发明能够实现两种数据收集模式间的可靠、及时地动态切换，能够有效避免数据收集模式切换抖动，保障数据的获取精度和关键数据获取的时效性。
-
公开(公告)号：CN113361194A
公开(公告)日：2021-09-07
申请号：CN202110623651.6
申请日：2021-06-04
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于深度学习的传感器漂移校准方法、电子设备及存储介质，属于传感器校准技术领域。该方法采用数据增广方法扩充数据样本，为传感器漂移校准提供了数据保障，所提出的传感器漂移校准方法包括漂移特征提取和漂移校准两个部分，分别对应于漂移特征提取模块和校准模块。漂移特征提取模块通过多尺度卷积层提取数据中隐藏在不同尺度上时间和频率的漂移关键特征，为校准模块奠定基础；校准模块采用基于自注意力的一维残差卷积神经网络有效利用邻近传感器间数据相关性对漂移数据进行漂移补偿，能够同时校准传感器群组中多个传感器的漂移。该方法能充分利用数据的时间和空间特征，有效提取数据中的漂移特征，提高了数据采集质量。
-
公开(公告)号：CN109921952A
公开(公告)日：2019-06-21
申请号：CN201910256665.1
申请日：2019-04-01
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于压缩感知和模型驱动的数据收集方法，属于信息技术领域。它包括关键数据使用模型驱动模式进行采集，非关键数据使用压缩感知模式进行采集，数据收集模式在模型驱动模式与压缩感知模式之间进行动态切换；在模型驱动模式的阶段，根据传感器的连续采样数据判断切换为压缩感知模式的时刻；在压缩感知模式的阶段，通过稀疏采样的数据点建模判断切换为模型驱动模式的时刻。本发明能够实现两种数据收集模式间的可靠、及时地动态切换，能够有效避免数据收集模式切换抖动，保障数据的获取精度和关键数据获取的时效性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
