• 一种基于Kinect深度信息获取技术的害虫图像自动识别方法

    • 摘要:

      本发明涉及一种基于Kinect深度信息获取技术的害虫图像自动识别方法,与现有技术相比解决了害虫图像识别方法识别率低、鲁棒性差的缺陷.本发明包括以下步骤:像素位置转换;图像分割;方向校正;特征提取;特征训练及害虫识别.本发明能够自动识别害虫种类,提高了害虫的识别率与鲁棒性.

    • 发明人:

      王儒敬 李瑞 谢成军 张洁 洪沛霖 宋良图 董伟 周林立 郭书普 张立平 黄河 聂余满

    • 申请人:

      中国科学院合肥物质科学研究院%安徽省农业科学院农业经济与信息研究所

    • 公开日:

      2014-10-08

  • 一种基于上下文感知字典学习的害虫图像分类方法

    • 摘要:

      本发明提供一种基于上下文感知字典学习的害虫图像分类方法,包括以下步骤:将已知类别的害虫图像的上下文感知信息添加到害虫图像样本库,得到若干类训练样本,构造学习函数,利用训练样本完成害虫图像过完备字典的学习;将待分类害虫图像进行预处理,得到测试样本;将测试样本进行稀疏表示维数约简处理;将经过稀疏表示维数约简后的测试样本读入稀疏表示分类器,根据通过学习得到的过完备字典,计算测试样本与各类训练样本上下文感知信息的残差;对测试样本与各类训练样本上下文感知信息的残差进行分析,判定测试样本的类别.本发明能够提高复杂场景中的害虫图像分类的精度和效率,提升传统农作物害虫诊断模式.

    • 发明人:

      王儒敬 谢成军 李瑞 张洁 洪沛霖 宋良图 董伟 周林立 郭书普 张立平 黄河 聂余满

    • 申请人:

      中国科学院合肥物质科学研究院%安徽省农业科学院农业经济与信息研究所

    • 公开日:

      2014-10-15

  • 一种基于形态学多特征融合的害虫图像分类方法及系统

    • 摘要:

      本发明涉及基于形态学多特征融合的害虫图像分类方法,该方法包括训练过程:对训练图像集的数据进行图像分割,对经分割后的训练图像进行预处理,提取训练图像的形态学特征,经过多形态特征融合,得到训练图像特征矩阵;测试过程:输入待识别的测试图像,对测试图像进行图像分割、预处理,提取测试图像的形态学特征,经过多形态特征融合,得到测试图像特征矩阵;识别害虫种类:计算测试图像特征矩阵与训练图像特征矩阵的相似度,找出相似度最高的类别,根据相似度得到害虫种类与防治方法.本发明还公开了基于形态学多特征融合的害虫图像分类系统.本发明提高了害虫识别率与程序的鲁棒性,提升了害虫识别在农业生产中的实际应用价值.

    • 发明人:

      王儒敬 李瑞 谢成军 张洁 洪沛霖 宋良图 董伟 周林立 郭书普 张立平 黄河 聂余满

    • 申请人:

      中国科学院合肥物质科学研究院

    • 公开日:

      2014-10-15

  • 基于深度受限玻尔兹曼机的害虫图像自动识别方法及系统

    • 摘要:

      本发明涉及基于深度受限玻尔兹曼机的害虫图像自动识别方法,包括:训练过程:对训练图像集的数据进行预处理,对经预处理的训练图像分组构建训练图像立方体,采用受限玻尔兹曼机算法提取每组训练图像的特征,经过反馈调节,得到训练后的训练图像集特征数据;测试过程:输入待识别的测试图像,对测试图像进行预处理,采用受限玻尔兹曼机算法提取测试图像特征,经过反馈调节,得到误差较小的测试图像的特征数据;识别害虫种类,给出预防方法.本发明该公开了一种基于深度受限玻尔兹曼机的害虫图像自动识别系统.本发明提高了害虫识别率与程序的鲁棒性,提升了害虫识别在农业生产中的实际应用价值.

    • 发明人:

      王儒敬 李瑞 谢成军 张洁 洪沛霖 宋良图 董伟 周林立 郭书普 张立平 黄河 聂余满

    • 申请人:

      中国科学院合肥物质科学研究院

    • 公开日:

      2014-10-08

  • 一种用于化肥质量追溯系统的二维码跟踪识别方法

    • 摘要:

      本发明提供一种用于化肥质量追溯系统的二维码跟踪识别方法,采用两台植入了卡尔曼滤波算法的多角度扫描相机对生产线上贴有二维码的化肥袋子进行多角度协作跟踪扫描,不仅可以让化肥袋子在生产线上的位置具有一定的容错性,还极大地提高了二维码扫描的成功率,确保快速高效地完成整个化肥质量追溯系统的入库工作.

    • 发明人:

      王儒敬 宋良图 周林立 谢成军 黄河

    • 申请人:

      中国科学院合肥物质科学研究院

    • 公开日:

      2015-05-13

  • 一种用于包装袋二维码自动识别传输带的控制方法

    • 摘要:

      本发明涉及一种用于包装袋二维码自动识别传输带的控制方法,与现有技术相比解决了二维码识别设备无法应用于农产品生产线的缺陷.本发明包括以下步骤:包装袋预整理;二维码扫描;扫描状态判断;包装袋剔除.本发明无需改变原有的生产线结构,最大程度地降低了硬件设备投入,二维码检验速度快、成功率高.

    • 发明人:

      王儒敬 宋良图 周林立 谢成军 黄河

    • 申请人:

      中国科学院合肥物质科学研究院

    • 公开日:

      2015-07-01

  • 农业物联网平台架构

    • 摘要:

      本发明涉及一种农业物联网平台架构,包括依次连接的农业数据资源集成模块、系统专业支撑模块和终端示范平台,农业数据资源集成模块包括云数据中心、云计算中心、云服务中心、农业信息获取中心和若干农业数据资源数据库;系统专业支撑模块包括精细生产决策控制模块和加工仓储物流实时监控模块,精细生产决策控制模块接收云服务中心的调度请求后进行动态需求建模,包括施肥模型和水肥调控模型,加工仓储物流实时监控模块接收云服务中心的调度请求后进行农产品加工、仓储和物流信息的实时监控;终端示范平台为包括大田作物信息、设施大棚信息和农资信息的物联网示范平台.本发明能够实现农业生产过程中的实时监控,提高农业生产经营精细化管理水平.

    • 发明人:

      王儒敬 唐树山 孙丙宇 李洁 胡宜敏 张保岩 严署 潘春霖 黄河 金洲 江勇 包蕊 韩跃

    • 申请人:

      中国科学院合肥物质科学研究院%天津市农村工作委员会信息中心

    • 公开日:

      2015-07-08

  • 一种基于稀疏表示技术的土壤近红外光谱分析预测方法

    • 摘要:

      本发明涉及一种基于稀疏表示技术的土壤近红外光谱分析预测方法,与现有技术相比解决了无法对土壤成分进行大批量综合分析的缺陷.本发明包括以下步骤:训练样本土壤集的获取和预处理;构造基于稀疏表示的分类预测模型;测试样本的获取和预处理;将测试土壤样本的光谱数据特征向量输入构造的分类预测模型,完成对测试样本土壤成分的分类预测.本发明基于稀疏表示框架来进行土壤近红外光谱分析预测,提高了近红外光谱土壤主要成分预测的精度和模型的鲁棒性.

    • 发明人:

      王儒敬 陈天娇 谢成军 张洁 李瑞 陈红波 宋良图 汪玉冰

    • 申请人:

      中国科学院合肥物质科学研究院

    • 公开日:

      2016-11-16

  • 一种基于深度学习技术的土壤近红外光谱分析预测方法

    • 摘要:

      本发明涉及一种基于深度学习技术的土壤近红外光谱分析预测方法,与现有技术相比解决了无法对土壤成分进行大批量综合分析的缺陷.本发明包括以下步骤:训练样本的获取和预处理;构造基于深度学习的预测模型;测试样本的获取和预处理;将预处理过的测试样本的光谱数据输入构造的预测模型,完成对测试样本土壤成分含量的分析预测;将测试土壤样本采用梅尔域的滤波带系数作为参数,变成二维特征输入训练好的卷积神经网络进行土壤成分含量的分析预测.本发明基于卷积神经网络的结构模型来进行土壤近红外光谱分析预测,提高了近红外光谱土壤主要成分预测的精度和模型的鲁棒性.

    • 发明人:

      王儒敬 陈天娇 谢成军 张洁 李瑞 陈红波 宋良图 汪玉冰

    • 申请人:

      中国科学院合肥物质科学研究院

    • 公开日:

      2016-11-16

  • 一种基于稀疏表示及BP神经网络技术的土壤近红外光谱分析方法

    • 摘要:

      本发明涉及一种基于稀疏表示及BP神经网络技术的土壤近红外光谱分析方法,与现有技术相比解决了土壤分析方法无法满足实际需要的缺陷.本发明包括以下步骤:训练样本土壤集的获取和预处理;构造训练样本土壤数据的稀疏字典并获取训练样本的特征向量;将训练样本的特征向量作为BP神经网络的输入,训练网络参数,构建BP神经网络分类模型;测试样本土壤集的获取和预处理;利用训练样本土壤数据的稀疏字典构造测试样本的特征向量,利用训练好的BP神经网络分类模型完成对测试样本土壤成分的分类预测.本发明基于稀疏表示及BP神经网络框架来进行土壤近红外光谱分析预测,提高了近红外光谱土壤主要成分预测的精度和模型的鲁棒性.

    • 发明人:

      王儒敬 陈红波 谢成军 张洁 李瑞 陈天娇 宋良图 汪玉冰

    • 申请人:

      中国科学院合肥物质科学研究院

    • 公开日:

      2016-11-09

共2页 转到