-
公开(公告)号：CN112836925A
公开(公告)日：2021-05-25
申请号：CN202011531406.4
申请日：2020-12-22
Applicant: 浙江大学
Abstract: 本发明公开了一种面向多层生产结构的多源移动感知装置与作业方法。包括多源移动感知装置本体、多源信息采集系统和物联网模块；多源移动感知装置本体包括滑动装置、旋转装置、升降装置、伸缩装置、图像采集装置以及主控模块；多源信息采集系统包括用于获取目标多谱段图像信息的图像采集装置和用于采集环境信息的环境检测传感器模组；包括用于传输数据的数据传输模块。本发明能实现室内农业多层生产结构中对个体目标的多源感知，并提高感知精度，满足应用需求；克服了传统监测的滞后性、数据获取的单一性和粗放性，以及对管理人员的农业知识技能的严重依赖性，实现对室内可控农业的多源自动检测，具有效率高、经济效益高、适用性广等优点。
-
Patent Agency Ranking
公开(公告)号：CN109900280B
公开(公告)日：2020-12-11
申请号：CN201910238750.5
申请日：2019-03-27
Applicant: 浙江大学
Abstract: 本发明公开了一种基于自主导航的畜禽信息感知机器人与地图构建方法。包括四轮小车和自主导航系统、运动模块、信息采集模块，自主导航系统包括激光雷达、RGB‑D相机、惯性测量单元和里程计和主控模块；运动模块包括直流电机组、推杆电机和微控制器；信息采集模块包括热成像仪、环境检测传感器模组和无线传输模块；控制机器人在室内工作环境移动，同时利用激光雷达、RGB‑D相机、惯性测量单元和里程计获取移动过程的周围环境信息，进行数据处理得到定位位置，构建全局地图。本发明能提高机器人的定位精度，满足应用需求；克服了对饲养人员的严重依赖性，实现对养殖环境的自动检测，具有效率高、经济效益高、适用性广等优点。
-
公开(公告)号：CN109900280A
公开(公告)日：2019-06-18
申请号：CN201910238750.5
申请日：2019-03-27
Applicant: 浙江大学
Abstract: 本发明公开了一种基于自主导航的畜禽信息感知机器人与地图构建方法。包括四轮小车和自主导航系统、运动模块、信息采集模块，自主导航系统包括激光雷达、RGB-D相机、惯性测量单元和里程计和主控模块；运动模块包括直流电机组、推杆电机和微控制器；信息采集模块包括热成像仪、环境检测传感器模组和无线传输模块；控制机器人在室内工作环境移动，同时利用激光雷达、RGB-D相机、惯性测量单元和里程计获取移动过程的周围环境信息，进行数据处理得到定位位置，构建全局地图。本发明能提高机器人的定位精度，满足应用需求；克服了对饲养人员的严重依赖性，实现对养殖环境的自动检测，具有效率高、经济效益高、适用性广等优点。
-
公开(公告)号：CN111027752B
公开(公告)日：2022-06-21
申请号：CN201911134971.4
申请日：2019-11-19
Applicant: 浙江大学
Abstract: 本发明公开了一种深度时空特征联合学习的作物产量估测方法。获取地区的历史作物产量数据和气象数据并进行预处理，对气象数据进行预处理获得气象参数，对产量数据进行预处理获得去趋势产量，分别作为后续作物单产时空特征深度学习模型的输入和输出数据；构建作物单产时空特征深度学习模型，并对模型的超参数进行优化；将气象参数作为输入，将去趋势产量作为输出，形成训练集样本进而训练作物单产时空特征深度学习模型获得模型的参数，将待测作物产量的气象参数输入训练后的模型，输出估测结果，获得农作物产量估测结果。本发明联合了时间特征学习和空间特征学习，在空间差异较大且复杂的研究区域内，本发明的作物产量估测精度更高，稳定性更好。
-
公开(公告)号：CN111027752A
公开(公告)日：2020-04-17
申请号：CN201911134971.4
申请日：2019-11-19
Applicant: 浙江大学
Abstract: 本发明公开了一种深度时空特征联合学习的作物产量估测方法。获取地区的历史作物产量数据和气象数据并进行预处理，对气象数据进行预处理获得气象参数，对产量数据进行预处理获得去趋势产量，分别作为后续作物单产时空特征深度学习模型的输入和输出数据；构建作物单产时空特征深度学习模型，并对模型的超参数进行优化；将气象参数作为输入，将去趋势产量作为输出，形成训练集样本进而训练作物单产时空特征深度学习模型获得模型的参数，将待测作物产量的气象参数输入训练后的模型，输出估测结果，获得农作物产量估测结果。本发明联合了时间特征学习和空间特征学习，在空间差异较大且复杂的研究区域内，本发明的作物产量估测精度更高，稳定性更好。
-
公开(公告)号：CN114002167A
公开(公告)日：2022-02-01
申请号：CN202111288042.6
申请日：2021-11-02
Applicant: 浙江大学
Abstract: 本发明公开了一种深度学习水果光谱分析模型更新方法。将历史批次采集的水果光谱数据和品质变量输入到深度神经网络中，通过随机网格超参数搜索和梯度下降算法优化模型参数，得到最优的模型结构和权重；保持该模型权重冻结层的权重固定，使用新批次少量水果样本得到的光谱数据和品质变量，微调该模型权重可变层的权重，得到更新后的模型；将新批次未知预测值的水果光谱输入到更新后的模型，输出对新批次水果的品质变量预测结果。本发明使用少量的样本，更新历史数据构建的光谱模型，提供比多种传统模型更新方法更高的预测精度；能够有效保留历史批次数据与新一批次数据的共有特征，并且对新一批次的水果样本提供更好的预测精度和鲁棒性。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
