“成艳君”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]增氧机工作状态的检测方法和系统-CN201810509219.2有效
发明人：陈英义;刘烨琦;龚川洋;程倩倩;成艳君;方晓敏;于辉辉 -专利权人：中国农业大学
申请日： 2018-05-24 - 公布日： 2020-10-09 - 主分类号： G06K9/00 文献下载
摘要：本发明实施例提供增氧机工作状态的检测方法和系统。其中，方法包括：对于待检测的增氧机视频中的每一帧，根据光流法获取该帧中与参照帧中的目标区域中的角点对应的角点；获取该帧中对应的角点的平均位移，并根据平均位移获取指数加权移动平均位移；将该帧中对应的角点的平均位移和指数加权移动平均位移输入预设的支持向量机，获取该帧中增氧机的工作状态。本发明实施例提供的增氧机工作状态的检测方法和系统，将参照帧作为比较对象，通过角点检测和光流法获取匹配的角点，并利用支持向量机根据匹配的角点的平均位移和指数加权平均位移检测增氧机工作状态，能提取到非常明显的分类特征，且不易受干扰，能提高检测增氧机工作状态的准确性。
增氧机工作状态检测方法系统

[发明专利]一种基于深度置信网络的水体氨氮预测方法及装置-CN201810482608.0有效
发明人：陈英义;成艳君;程倩倩;刘烨琦;方晓敏;龚川洋;于辉辉 -专利权人：中国农业大学
申请日： 2018-05-18 - 公布日： 2020-09-11 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供一种基于深度置信网络的水体氨氮预测方法及装置，所述方法包括：基于目标水体水质的实际水质参数和实际环境因子参数，利用预先建立的深度置信网络预测模型，预测所述目标水体的氨氮含量；其中，所述深度置信网络预测模型为预先根据预测需求进行初始化，并利用选取的样本数据，进行基于暂时抛弃点dropout的训练和测试获取的，所述样本数据为样本水质环境参数与样本水体氨氮含量对。本发明简单易行，能够有效提高水体氨氮含量的预测运算速度和预测精度，并有效改善预测方法的稳定性和普适性。
一种基于深度置信网络水体预测方法装置

[发明专利]水产养殖环境中水质氨氮含量的软测量方法及装置-CN201811022621.4有效
发明人：李道亮;于辉辉;陈英义;成艳君;程倩倩 -专利权人：中国农业大学
申请日： 2018-09-03 - 公布日： 2020-06-26 - 主分类号： G01N33/18 文献下载
摘要：本发明实施例提供一种水产养殖环境中水质氨氮含量的软测量方法及装置，其中所述方法包括：基于粒子群优化算法构建水质氨氮含量软测量的最优极限学习机网络模型；采集影响水质氨氮含量的参数因子的实测数据，并对所述实测数据进行归一化处理，将经过归一化处理后的所述实测数据输入所述水质氨氮含量软测量的最优极限学习机网络模型中，获得水质氨氮含量的预测数据。本发明实施例利用易在线测量的气象参数和水质参数，能够在线给出相对准确的水产养殖环境中水质氨氮的值，解决了水产养殖环境中水质氨氮含量难以在线测量的难题。
水产养殖环境水质含量测量方法装置

[发明专利]一种基于深度学习的鱼类定位检测和识别方法及系统-CN201810548635.3在审
发明人：陈英义;龚川洋;刘烨琦;方晓敏;程倩倩;成艳君;于辉辉 -专利权人：中国农业大学
申请日： 2018-05-31 - 公布日： 2018-11-13 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于深度学习的鱼类定位检测和识别方法及系统，其中方法包括：将待识别图像输入第一预设神经网络，根据第一预设神经网络的输出结果，获得待识别图像中每条鱼对应的目标框；将每个目标框对应的图像输入第二预设神经网络，根据第二神经网络的输出结果，获得每个目标框中鱼的种类；其中，第一预设神经网络是根据带有目标框标记的样本图像进行训练后获得；第二预设神经网络是根据带有种类标记的样本图像进行训练后获得。该方法及系统有效确保了检测结果和识别结果的准确性，具有良好的抗干扰性和鲁棒性；避免了传统图像识别中通过人工提取和选择特征所导致的识别结果不准确且效率低下的问题。
神经网络预设目标框定位检测输出结果图像输入样本图像鱼类传统图像检测结果种类标记鲁棒性图像学习

[发明专利]一种水产养殖溶解氧预测方法及装置-CN201810460933.7在审
发明人：陈英义;程倩倩;成艳君;刘烨琦;方晓敏;龚川洋;于辉辉 -专利权人：中国农业大学
申请日： 2018-05-15 - 公布日： 2018-10-16 - 主分类号： G06Q10/04 文献下载
摘要：本发明实施例提供一种水产养殖溶解氧预测方法及装置。所述方法包括：获取养殖池塘的水质参数和环境气象参数，作为待分析数据，其中所述水质参数包括溶解氧含量；采用主成分分析法对所述待分析数据进行降维和分析，获取影响水质溶解氧变化的主成份，根据所述主成分确定水质溶解氧的关键影响因子数据；将所述关键影响因子数据输入至训练好的LSTM网络模型，根据所述LSTM网络模型的输出结果,得到所述养殖池塘的溶解氧含量的预测数据。本发明实施例解决了传统预测模型预测精度低、稳定性差等问题，实现了高效预测水质溶解氧含量，能够为水产养殖水质溶解氧的调控管理提供决策依据。
溶解氧水质溶解氧分析数据关键影响水质参数网络模型养殖池塘因子数据水产养殖预测环境气象参数水产养殖水质主成分分析法溶解氧变化主成分确定传统预测调控管理决策依据模型预测输出结果影响水质预测数据主成份分析