“郭若皓”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9个，建议您升级VIP下载更多相关专利

[发明专利]一种基于三维点云的植物叶片分割方法-CN202310642442.5在审
发明人：李振波;齐彦宇;郭若皓;瞿李傲;牛丹彤 -专利权人：中国农业大学
申请日： 2023-06-01 - 公布日： 2023-09-12 - 主分类号： G06T7/10 文献下载
摘要：本发明属于农业信息技术领域，特别涉及一种基于三维点云的植物叶片分割方法，具体包括步骤1：数据集建立与优化；步骤2：植物叶片分割算法的设计与优化；步骤3：模型训练测试与对比。本发明构建了带标注的三维合成点云数据集，解决目前三维点云研究中缺乏足够的带有标注的植物数据集用以训练模型的问题；设计了一个局部聚合算子，可以明确地编码形状信息，并从低层次的位置关系和高层次的特征关联中捕捉不同的局部几何结构。本发明在植物叶片分割和常见场景下的物体部件分割都能起到很好的效果，实用性强。
一种基于三维植物叶片分割方法

[发明专利]复杂装备实体层级分布的四元数知识图谱链接预测方法-CN202211235369.1在审
发明人：英向华;杨锦发;石永杰;郭若皓;王睿彬;陈泰言;邢博威 -专利权人：北京大学
申请日： 2022-10-10 - 公布日： 2023-03-14 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种复杂装备实体层级分布的四元数知识图谱链接预测方法，其步骤包括：1)对目标复杂装备的知识图谱中的实体和关系构建索引，并统计所述知识图谱中实体和关系的数量；2)构建具有层级感知的四元数知识图谱嵌入模型，其包括实体嵌入向量生成模块、关系嵌入向量生成模块；3)利用目标复杂装备知识图谱中的三元组和生成的负样本训练具有层级感知的四元数知识图谱嵌入模型；负样本由正样本随机替换掉头实体或尾实体来生成，并且替换后生成的负样本不存在于所有的正样本中；4)利用训练后的模型对目标复杂装备中待补全的三元组进行三元组链接预测。本发明能够有效学习知识图谱中的语义信息，在知识图谱补全任务中获得更好的精度。
复杂装备实体层级分布四元数知识图谱链接预测方法

[发明专利]基于多源信息融合、热红外和三维深度图的目标检测方法-CN202211254518.9在审
发明人：英向华;郭若皓;杨锦发 -专利权人：北京大学
申请日： 2022-10-13 - 公布日： 2023-02-24 - 主分类号： G06V10/80 文献下载
摘要：本发明公开了一种基于多源信息融合、热红外和三维深度图的目标检测方法，其步骤包括：采用编码器‑解码器范式结构构建一SalienTR模型，其中编码器部分包含两个并行的Swin Transformer主干网络，分别用于提取所输入RGB图像的外观特征，以及所输入热红外图像或深度图像的空间结构特征；解码器部分包含跨模态融合模块和双流解码器，所述跨模态融合模块用于对所述外观特征、空间结构特征进行融合并输入所述双流解码器，所述双流解码器用于根据输入的融合特征和所述外观特征、空间结构特征输出包含预测显著性目标及其边缘轮廓的预测分割图；将待检测图像及其对应的热红外图或深度图输入训练后的模型中，输出预测分割图。
基于信息融合红外三维深度目标检测方法

[发明专利]基于多尺度双注意力机制和全卷积神经网络的叶分割方法-CN202110230518.4在审
发明人：李振波;郭若皓;李晔;杨泳波;瞿李傲;岳峻 -专利权人：中国农业大学
申请日： 2021-03-02 - 公布日： 2021-05-25 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于多尺度双注意力机制和全卷积神经网络的分割系统，包括特征提取主干网络，特征金字塔网络,语义分割网络，目标检测器，系数预测器和融合模块，其中语义分割网络包括第一卷积层，注意力模块和第二卷积层，其中：特征提取主干网络是VoVNet57网络，用于提取训练集图像和测试集图像的特征并发送给特征金字塔网络；特征金字塔网络用于进行同级特征图融合以得到P3‑P7特征图；经过特征金字塔融合网络得到的P3‑P7特征图输入到FCOS目标检测器，并由目标检测器逐像素生成建议框类别及其位置，并对所述建议框进行Soft NMS操作以获取最终的检测框；系数预测器对所述检测框进行实例信息的权值预测以生成与检测框相对应的实例比重；语义分割网络用于将经过特征金字塔融合网络得到的P3‑P6特征图处理后产生4个分割图；融合模块处理用于将4个分割图与检测框叠加并与相对应的实例比重输出最终的分割图。
基于尺度注意力机制卷积神经网络分割方法

[发明专利]改进Faster RCNN水培蔬菜幼苗状态检测方法-CN202010603675.0在审
发明人：李振波;李晔;杨泳波;杨晋琪;郭若皓;岳峻 -专利权人：中国农业大学
申请日： 2020-06-29 - 公布日： 2020-09-29 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了属于农业栽培技术领域的一种改进Faster RCNN水培蔬菜幼苗状态检测方法。该方法提出改进的Faster RCNN检测网络，针对水培蔬菜幼苗图像存在较为微小、密集的特点，采用HRNet作为特征提取网络，减少在下采样过程中的信息损失，较好地保留小目标物体的信息，从而为后续候选框的回归与分类提供较好的语义信息。本发明应用RoI Align和Soft NMS的方法，提高模型的识别精度与召回率，从而改善模型的检测效果，而获得较好的、可靠的特征图，为后续候选框分类与回归打好基础；在设施农业的现代化过程中，将深度学习算法迁移到设施农业的幼苗图像领域，实现水培蔬菜幼苗状态的自动检测，减少人力劳动。
改进 faster rcnn 水培蔬菜幼苗状态检测方法

[发明专利]一种采用平行线取样的田间红提葡萄整体成熟度检测方法-CN201911336918.2在审
发明人：李振波;郭若皓;陈雅茹;李萌;岳峻 -专利权人：中国农业大学
申请日： 2019-12-23 - 公布日： 2020-05-26 - 主分类号： G06K9/00 文献下载
摘要：本发明属于水果质量检测技术领域的一种采用平行线取样的田间红提葡萄整体成熟度检测方法。该方法通过对采集的红提葡萄原始图像进行预处理和图像增强，搭建了适用于红提葡萄成熟度分类检测的神经网络模型，通过对样本图片进行人工标注，建立对应的数据集，并利用该数据集进行神经网络模型的训练，获取红提葡萄成熟度分类检测模型，利用模型对平行线取样得到的葡萄图像进行成熟度分类检测，得到成熟度检测结果，判断整片园区内的全部葡萄的整体成熟度。该发明提高了红提葡萄成熟度判定的准确率，避免了背景复杂下，葡萄识别不够准确的问题，减轻了工作强度，提升了葡萄产业的智能化水平，对红提葡萄成熟度检测和葡萄产业规范化升级具有重要意义。
一种采用平行线取样田间葡萄整体成熟度检测方法

[发明专利]一种磁瓦波纹类缺陷的检测方法及装置-CN201911314751.X在审
发明人：李振波;郭若皓;李萌;朱文静;岳峻 -专利权人：中国农业大学
申请日： 2019-12-19 - 公布日： 2020-04-07 - 主分类号： G06T7/00 文献下载
摘要：本申请提供了一种磁瓦波纹类缺陷检测方法及装置，其中，方法可以包括：获取待检测图像；从待检测图像中确定待检测区域，得到第一图像；对第一图像进行对比度增强，得到第二图像；将第二图像输入训练后的YOLOv3模型，得到模型输出结果；依据模型输出结果，输出待检测图像的波纹类缺陷的检测结果。本申请可以使得对待检测图像的波纹类缺陷检测结果具有较高的准确率。
一种波纹缺陷检测方法装置

[发明专利]基于Spark的MLR模型红富士苹果树精准灌溉方法-CN201910400345.9在审
发明人：白皓然;郭若皓;李凤梅;王高弟;宋晨勇 -专利权人：青岛农业大学
申请日： 2019-05-14 - 公布日： 2019-10-22 - 主分类号： A01G25/00 文献下载
摘要：本发明提出了一种基于Spark的MLR模型红富士苹果树精准灌溉方法，包括胶东半岛地区红富士苹果树MLR精准灌溉模型建立和实时灌溉决策方法。所述的MLR精准灌溉模型建立包括制作影响红富士苹果树需水因子数据集；搭建分布式系统，部署Spark集群，建立MLR模型，并对模型评估完成灌水需求量的分析。所述的实时灌溉决策方法包括下位机ARM微处理器使用传感器采集环境信息，数据清洗与规范化处理，通过GPRS模块与上位机网站实时通讯，Spark对数据进行实时处理，生成决策值；若达到水量阈值，则按既定灌水定额实施灌溉，否则不作处理。本发明利用基于Spark的MLR模型的红富士苹果树精准灌溉方法，实现对胶东半岛地区红富士苹果树种植的智能浇灌与闭环控制，可提高灌溉精确性，达到优化农业生产的目的。
苹果树精准灌溉灌溉决策模型建立灌水采集环境信息分布式系统使用传感器灌溉闭环控制模型评估农业生产实时处理实时通讯数据清洗因子数据智能浇灌半岛上位机下位机集群网站需求量规范化制作优化种植部署决策分析

[发明专利]基于图谱识别和深度学习的果实分类的分析方法-CN201810007712.4在审
发明人：白皓然;郭若皓;李凤梅;赵丽清;李娟;孟庆强;刘立钧;王高弟;白雨蒙 -专利权人：青岛农业大学
申请日： 2018-01-04 - 公布日： 2018-05-11 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种基于图谱识别和深度学习的果实分类的分析方法，利用移动机器人采集图像样本通过LMDB数据源的建立以及OpenCV图像预处理；在Caffe框架下进行网络参数的配置；利用CNN卷积神经网络算法构建标准模型，可以实现水果的分类和优选；并且绘制LOSS曲线判别曲线拟合程度。本发明利用基于图谱识别和深度学习的果实分类的分析方法，实现水果的大小、颜色分类，降低了人工水果分拣劳动强度，提高了分拣效率。
基于图谱识别深度学习果实分类分析方法

1
共 9 条