-
公开(公告)号：CN119670724B
公开(公告)日：2025-04-29
申请号：CN202510192298.9
申请日：2025-02-21
Applicant: 安徽农业大学
IPC: G06F40/194 , G06F40/117 , G06F40/126 , G06F40/169 , G06F40/226
Abstract: 本申请涉及一种合同文本的对比检测方法、装置和电子设备，其中，该对比检测方法包括：确定两份合同文本之间的字符对，分别判断各个字符对中两个字符是否相同，若否则将字符对确定为异常字符对，字符由至少一个八比特位的字节表示；计算任意异常字符对的信息熵值和相似度，对相似度小于阈值的异常字符对附加第一标记，第一标记用于标注两份合同文本之间的差异字符。本发明可以在一定程度上将OCR识别错误造成的异常字符对进行校正，从而提高了合同文本的对比检测准确度，解决了现有的合同文本的对比检测方法无法校正字符识别误差的问题。
-
公开(公告)号：CN119360123A
公开(公告)日：2025-01-24
申请号：CN202411650652.X
申请日：2024-11-19
Applicant: 安徽农业大学
IPC: G06V10/764 , G06V10/774 , G06V10/776 , G06V10/70 , G06V10/82 , G06N3/049 , G06N3/084 , G06N5/04
Abstract: 本发明公开了一种基于测试时间自适应的图像分类方法，涉及计算机视觉技术领域，具体包括：步骤1：对测试图像数据集合进行破坏性转换；步骤2：通过预训练的分类器f得到伪标签概率分布，构建伪标签概率差异损失；步骤3：计算伪标签概率差异分数，根据伪标签概率差异分数筛选测试图像集合，步骤4：将筛选后的图像输入能量模型，从而得到能量分数和概率密度；步骤5：构建能量优化目标；步骤6：通过伪标签概率差异损失和能量优化目标构建联合优化目标，用于训练测试时间自适应模型，以实现图像分类。本发明将伪标签概率差异引入能量模型，分别从能量和形状信息两个角度对测试数据进行感知，提高了模型在测试图像集合上的分类准确度。
-
公开(公告)号：CN118590112A
公开(公告)日：2024-09-03
申请号：CN202410817598.7
申请日：2024-06-24
Applicant: 安徽农业大学
Abstract: 本发明公开了一种感知与隐蔽通信一体化系统的波束成形设计方法，属于无线通信技术领域；本发明在基站、接收机模型、雷达探测目标和监测者模型，构建了以最小化平均克拉美罗界为目标函数，以通信速率需求以及隐蔽需求等为约束的优化问题。首先推导了克拉美罗界以及相应的平均克拉美罗界的解析表达式，分析了监测者的检测性能，并给出其最小检测错误概率的下界表达式。所构建的问题的目标函数和约束集是非凸的，通过引入松弛变量以及分析隐蔽约束与接收信号能量的单调性来简化目标函数和隐蔽约束，进而推出最优的波束成形。
-
公开(公告)号：CN118447024A
公开(公告)日：2024-08-06
申请号：CN202410906025.1
申请日：2024-07-08
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于级联图特征的图像篡改检测方法及装置，方法包括：获取待检测图像并对待检测图像进行预处理；对预处理后的待检测图像进行特征提取，得到所述待检测图像的不同尺度的特征信息；对所述特征信息进行图特征学习，得到不同尺度的第一图特征;对所述特征信息和所述第一图特征进行图特征级联，得到级联后的第二图特征;获取所述第二图特征的篡改区域掩码，以实现图像篡改检测。利用本发明实施例，能够有效提升图像篡改检测性能。
-
公开(公告)号：CN117953374A
公开(公告)日：2024-04-30
申请号：CN202410098762.3
申请日：2024-01-24
Applicant: 安徽农业大学
IPC: G06V20/10 , G06V20/40 , G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/045 , G06T7/277
Abstract: 本发明公开了一种灌木型农作物生长质量智能监测方法及系统，属于农作物生长监测技术领域。本发明包括如下步骤：S1、构建茶叶图像数据集；S2、设计算法及灌木型农作物目标检测；S3、构建灌木型农作物叶芽跟踪数据集：基于S1中所采集的茶树视频资料，对视频帧内每一叶芽目标进行逐帧标注，构建灌木型农作物叶芽跟踪数据集；S4、设计灌木型农作物叶芽跟踪方法；S5、设计灌木型农作物叶芽计数方法。本发明还进一步提出了与方法相匹配的智能监测系统。本发明应用了深度学习对灌木型农作物的生长状况进行监控，解决了大多依赖于农业从业者的经验判断，避免了人工检测劳动强度大，结果易受个人主观判断的影响，确保了评估的准确性和时效性。
-
Patent Agency Ranking
公开(公告)号：CN117273869B
公开(公告)日：2024-02-13
申请号：CN202311553820.9
申请日：2023-11-21
IPC: G06Q30/0601 , G06F16/535
Abstract: 本说明书实施例提供一种基于用户数据的农产品智能推送方法、系统、装置以及介质，该方法包括获取用户数据，用户包括线上用户、线下用户中的至少一种；基于用户数据，确定用户的农产品偏好特征；获取多种农产品的图像数据序列；基于图像数据序列，确定多种农产品的预估时效信息；以及基于多种农产品的预估时效信息与用户的农产品偏好特征，确定农产品推荐内容，以便于交互设备向用户显示农产品推荐内容，农产品推荐内容包括待推荐农产品的农产品信息、待推荐农产品的预估时效信息以及待推荐农产品的食用搭配信息中的至少一种。
-
公开(公告)号：CN117253381A
公开(公告)日：2023-12-19
申请号：CN202311190173.X
申请日：2023-09-14
Applicant: 安徽农业大学
Abstract: 本发明公开了一种离散符号输入下无人机数据收集设计方法，属于无线通信技术领域；本发明设计了无人机(UAV)的轨迹和无人机(UAV)的调度以及传感器数据传输的联合优化问题。为了求解该优化问题，首先根据优化问题隐含的特性，将其等价地转换为更易处理的形式。随后，本发明分析证明并推出在离散符号输入下无人机的轨迹和调度的最优解析表达式。随后证明了无人机(UAV)在离散符号输入的数据收集的可靠性。在此基础上，推导了无人机(UAV)的最优飞行轨迹和无人机(UAV)与传感器通信调度。仿真结果表明，我们发明设计的离散符号输入方案可以显著的体现出系统的实际数据收集性能。
-
公开(公告)号：CN116434066B
公开(公告)日：2023-10-13
申请号：CN202310424584.4
申请日：2023-04-17
Applicant: 安徽农业大学
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于深度学习的大豆豆荚考种方法、系统及装置，涉及人工智能机器视觉考种技术领域；该方法包括以下步骤：采集不同拍摄环境下的大豆豆荚原始RGB图像；根据大豆豆荚原始RGB图像中每个豆荚中实粒和秕粒的个数情况进行框选分类标记建立原始图像数据集；构建融合注意力模块的改进YOLOX网络模型，将原始图像数据集输入至改进YOLOX网络模型进行训练；测试改进YOLOX网络模型，更新改进YOLOX网络模型的学习参数；对存在多种特征的豆荚计数结果进行修正；利用已更新的改进YOLOX网络模型对待考种的大豆豆荚进行检测。本发明能够将豆荚中的实粒和秕粒区分，且在多种拍摄环境下快速准确地对豆荚进行检测，提高检测和计数的准确率和效率。
-
公开(公告)号：CN116778391A
公开(公告)日：2023-09-19
申请号：CN202310828903.8
申请日：2023-07-07
Applicant: 安徽农业大学
IPC: G06V20/40 , G06V10/82 , G06Q50/02 , G06N3/0464 , G06N3/08 , G06N3/0442
Abstract: 本发明公开了一种多模态作物病害表型协同分析模型、装置及模型构建系统，方法包括：构建基于改进CNN和LSTM的作物病害表型文本生成模型，通过组建的多模态训练数据集，对其进行训练；基于改进CNN和LSTM的作物病害表型文本生成模型通过组建的多模态训练数据集，对其进行训练；构建基于查询文本引导和多阶段推理的视觉语言定位模型(MQVL)通过组建的多模态训练数据集，对其进行训练；构建基于CNN‑Transformer双流多模态少样本识别模型(CTMF)通过组建的多模态训练数据集，对其进行训练。
-
公开(公告)号：CN116485766A
公开(公告)日：2023-07-25
申请号：CN202310466723.X
申请日：2023-04-27
Applicant: 安徽农业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进YOLOX的粮食不完善粒检测和计数方法,包括以下步骤：S1、采集不同密集程度单层随机排布的粮食不完善籽粒原始RGB图像，并根据虫蚀粒、病斑粒、破损粒、生芽粒、生霉粒和完善粒进行框选分类标记，建立原始图像数据集；S2、将原始图像数据集输入至所述改进YOLOX网络模型，确定所述改进YOLOX网络模型的学习参数；S3、对存在交错特征的颗粒总计数进行修正，得到粮食不完善粒的检测模型；S4、根据待检测的粮食不完善粒实物图片或者视频，实现对待检测的粮食不完善粒的检测，得到各类不完善粒的计数结果。本发明适合粮食不完善粒细粒度特征识别和高通量检测计数的深度学习网络结构以提高检测和计数的准确率。
-
-
-
-
-
-
-
-
-
Search Results
145
records
(took 0.037 seconds)
