-
公开(公告)号：CN119904327A
公开(公告)日：2025-04-29
申请号：CN202510289661.9
申请日：2025-03-12
Applicant: 湖州师范学院
IPC: G06Q50/02 , G06F18/10 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/098 , G06N3/092
Abstract: 本发明公开了一种基于联邦学习的智慧渔业平台的建设方法和系统，属于联邦学习技术领域，方法包括：搭建智慧渔业平台以获取鱼群多模态数据、数据预处理、特征提取、特征融合、本地鱼群健康评估模型构建、联邦学习训练和实时预警。本发明提供了一种高效、可靠且安全的智慧渔业平台管理解决方案，解决了现有智慧渔业平台存在的数据孤岛、隐私安全、模型局限性以及动态调整困难的问题，显著提升了鱼群健康管理的科学性和实用性。
-
公开(公告)号：CN116868937A
公开(公告)日：2023-10-13
申请号：CN202311015455.6
申请日：2023-08-14
Applicant: 湖州师范学院 , 星光农机股份有限公司
Abstract: 本发明涉及渔业养殖设备技术领域，公开了一种基于深度学习的鱼饲料自动投喂系统，该系统包括图像数据采集模块、硬件设备、风力投喂机、投喂算法控制模块、前后端模块和云服务模块，该系统采用定时投喂和算法检测相结合的形式来实现自动投喂，根据渔场每天人工投喂的时间来将定时投喂集成到算法上，再通过深度学习算法模型对摄像头拍摄到的视频图像进行实时检测，根据鱼池中水面波纹的剧烈程度、残余饵料的量、水面鱼的数量来进行分类，分为强摄食、弱摄食和不摄食三种状态控制投喂；本发明效率高、成本低、更稳定，可以节省大量的人力、物力和财力，操作方便，通过算法根据每个鱼池不同的进食量来动态控制投喂时长，进而达到控制投喂量的效果。
-
公开(公告)号：CN115443936A
公开(公告)日：2022-12-09
申请号：CN202211111637.9
申请日：2022-09-13
Applicant: 湖州师范学院
IPC: A01K61/80 , G05B19/042
Abstract: 本发明提供一种水生生物智能投喂控制系统及方法、电子设备和存储介质，系统包括：智能监测模块、数据传输模块和智能控制模块；智能控制模块包括：中心控制单元、投喂控制单元和温度控制单元；智能监测模块与数据传输模块连接，用于采集水生生物的生存环境信息和健康状态信息；数据传输模块与智能控制模块连接，用于将生存环境信息和健康状态信息传输至智能控制模块；中心控制单元，用于根据生存环境信息和健康状态信息，基于预设智能调控机制，确定目标投喂量和目标水体温度；投喂控制单元根据目标投喂量，投喂水生生物；温度控制单元根据目标水体温度，调节水生生物饲养环境水体温度。能够实现智能投喂，保障水生生物的健康、提高存活率。
-
公开(公告)号：CN107609594A
公开(公告)日：2018-01-19
申请号：CN201710841894.0
申请日：2017-09-18
Applicant: 湖州师范学院
Abstract: 基于自适应遗传方法的显著性检测方法，1：根据图像颜色差异分析，建立图像凸包；利用超像素分割方法将输入图像分割成N个超像素,并用超像素代替像素作为显著性检测方法的基本操作单位；2：利用自适应遗传方法来找出步骤1得到的凸包内显著性的目标并构造遗传先验图；3：在步骤1得到的凸包中通过颜色和位置构建中心先验模型；4：将步骤2的遗传先验图与步骤3的中心先验模型融合成先验图；5：将以凸包为划分,把凸包内部的似然概率作为显著性目标的似然概率引入贝叶斯优化模型来优化步骤4得到的先验图的先验概率，以得到最终的显著图。
-
公开(公告)号：CN107526772A
公开(公告)日：2017-12-29
申请号：CN201710567034.2
申请日：2017-07-12
Applicant: 湖州师范学院
Abstract: Spark平台下基于SURF-BIT算法的图像检索系统，Spark是专为大规模数据处理而设计的快速的计算引擎，用于克服检索速度和准确性方面的缺陷。相对于传统的SURF使用浮点数描述符表示图像特征点，BRISK使用均匀采样模式生成二进制描述符，本发明将两者融合减少了内存消耗并加快了图像检索速度。在图像匹配阶段，我们用RANSAC剔除预匹配点对中的误匹配点对，以进一步提高匹配点对的准确性。实验结果表明，与传统图像检索系统相比，我们提出的图像检索(CBIR)系统的检索速度和准确度达到了新的阶段。
-
Patent Agency Ranking
公开(公告)号：CN119904739A
公开(公告)日：2025-04-29
申请号：CN202510289559.9
申请日：2025-03-12
Applicant: 湖州师范学院
IPC: G06V20/05 , G06V20/40 , G06V10/774 , G06V10/82 , G06V10/20 , G06N3/0464
Abstract: 本发明涉及水产养殖技术领域和计算机视觉领域，公开了一种基于FBHA‑Yolov8的水下复杂环境中的大西洋鲑鱼的识别方法，包括以下步骤：步骤1、采集大西洋鲑鱼水下视频，将采集到的视频抽帧得到水下鱼群图片；步骤2、对图片进行手动标注；步骤3、对水下鱼群图像数据增强处理并划分形成自建数据集YYSALMON；步骤4、配置训练环境；步骤5、构建FBHA‑Yolov8网络模型，所述的FBHA‑Yolov8以Yolov8作为基础网络，使用FastNetBlock轻量卷积模块与Yolov8模型的C2f模块结合为C2f‑FastBlock模块，在Yolov8骨干中融入混合注意力变换器(HAttention)；步骤6、使用自建数据集YYSALMON训练并验证FBHA‑Yolov8网络模型；步骤7、将待检测的水下大西洋鲑鱼图像作为输入通过预训练的FBHA‑Yolov8网络模型进行目标检测。该方法减少了冗余计算和内存访问，减少模型参数量，降低计算复杂度，同时还提高了检测精度。其次，通过局部细节的增强、全局布局的理解和跨窗口的信息交互解决由于鱼群重叠导致的误检、漏检问题，从而提高模型检测的精度和速度。
-
公开(公告)号：CN119272915A
公开(公告)日：2025-01-07
申请号：CN202411269049.7
申请日：2024-09-11
Applicant: 湖州师范学院
IPC: G06Q10/04 , G06Q10/10 , G06N5/04 , G06N5/043 , G06N3/045 , G06N3/084 , G06N3/0464 , G01N33/18 , G08B31/00 , G08B21/18 , G06F18/25 , G06Q50/02 , G06F123/02
Abstract: 本发明实施旨在提供一种结合大模型的水产养殖水质预测调节方法及系统，主要包括以下模块：数据采集模块、硬件实施模块、神经网络模块、用户端模块以及云服务模块；在具体实施方面，包括如下步骤：选择目标水体的溶氧量、PH值、水温及其外部环境的天气、环境温度、环境湿度作为监测及预测对象，并通过外部硬件对各变量进行采集，对数据使用大模型进行预处理，基于预处理的水体时间序列数据，建立结合多头注意力机制的BiTCN‑RNN时间序列神经网络模型，获取预测结果，并可在前端进行展示与预警，并在系统可处理范围内进行合理调控。
-
公开(公告)号：CN118470514A
公开(公告)日：2024-08-09
申请号：CN202410632293.9
申请日：2024-05-21
Applicant: 湖州丰盛湾水产种业有限公司 , 湖州师范学院
Abstract: 本发明提供了一种密集虾苗的计数方法，属于自动计数领域。本发明方案包括通过虾苗图像提取出虾苗目标的初始特征信息获得初始特征图像，设置多个卷积核分别对初始特征图像进行多个特征学习、上采样和拼接，对拼接后的图像通过注意力机制进行处理，获得全局和局部图像特征信息；根据初始特征图像取获得虾苗的动态特征；将全局和局部图像特征信息与动态特征进行特征融合得到最终虾苗的位置特征信息；使用核密度估计法根据最终虾苗的位置特征信息生成概率密度图，对概率密度图进行计数得到虾苗的数量。本发明方案解决了由于标注的重叠和多尺度的变化，从而使在生成虾苗密度图进行密集识别时，存在对虾苗的识别精度不高的问题。
-
公开(公告)号：CN118452124A
公开(公告)日：2024-08-09
申请号：CN202410881567.8
申请日：2024-07-03
Applicant: 湖州师范学院
Abstract: 本发明公开了一种渔业幼苗平衡化投放系统，包括投放箱、传输管、水流测向板、涡流测向球、单片机、显示屏、内存、螺旋管、内侧孔、外侧孔，其中投放箱与传输管固定连接，传输管与水流测向板固定连接，传输管与涡流测向球可拆卸连接，多个内侧孔大小不一，内侧孔从小到大顺着螺旋管从内圈到外圈排列，外侧孔从小到大顺着螺旋管从内圈到外圈排列。本发明的有益效果：通过控制内侧孔与对应外侧孔大小关系，从而控制投苗方式为集中喷射状还是散射状，以应对不同鱼种的投苗，以匹配其鱼种的生活习性和适宜养殖密度。
-
公开(公告)号：CN115546622A
公开(公告)日：2022-12-30
申请号：CN202211131872.2
申请日：2022-09-16
Applicant: 湖州师范学院
Abstract: 本发明提供一种鱼群检测方法及系统、电子设备和存储介质，其中，方法包括：将待测鱼群图像输入鱼群检测模型中；其中，鱼群检测模型包括：特征提取层、特征融合层和特征识别层；基于特征提取层，提取待测鱼群图像特征信息，根据注意力机制，确定鱼群特征图和注意力特征图；基于特征融合层，融合鱼群特征图和注意力特征图，确定目标融合特征图；基于特征识别层，根据目标融合特征图，确定目标鱼群检测结果。能够排除环境因素对检测结果的干扰，有效提高鱼群检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.031 seconds)
