“徐焕良”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49个，建议您升级VIP下载更多相关专利

[发明专利]一种禽类羽毛面积参数的检测方法-CN202310551893.8有效
发明人：黄君贤;陈子欣;高健峰;吴文彩;戴维;徐焕良;季呈明;单美轩;许文文;刘泽民;邓建华 -专利权人：南京星罗基因科技有限公司;南京农业大学
申请日： 2023-05-17 - 公布日： 2023-10-27 - 主分类号： G06T7/62 文献下载
摘要：本发明公开了一种禽类羽毛面积参数的检测方法，包括：基于羽毛图像采集，对羽毛图像进行预处理；通过目标检测算法，构建目标检测模型，输出羽毛在图像中的位置；通过图像切割算法，经过多次迭代后，完成整体图像的前后景分割；通过闭运算算法，对羽毛轮廓进行边缘平滑；通过文字识别算法和随机抽样一致性算法，将轮廓的像素面积转换为真实的面积，从而输出最准确的面积参数。本发明能准确识别目标，使得羽毛获得的面积边缘光滑，提高自动化程度，降低人工成本，提升了对图像中重叠羽毛的分割效果，达到了目标的百分百识别，使得输出的面积参数符合生产需要。
一种禽类羽毛面积参数检测方法

[发明专利]一种基于GNN神经网络的生物信息获取方法-CN202310560948.1有效
发明人：黄君贤;尹涛;高健峰;徐焕良;季呈明;陈子欣;许文文;刘泽民 -专利权人：南京星罗基因科技有限公司;南京农业大学
申请日： 2023-05-18 - 公布日： 2023-09-22 - 主分类号： G16B5/00 文献下载
摘要：本发明属于生物信息获取的技术领域，公开了一种基于GNN神经网络的生物信息获取方法，在信息提取方面，通过使用MDL_molfile进行输入，可以涵括原子以及原子键更多的特征；在计算方面，使用精简张量存储分子底物信息，可以用于大规模的计算以及结果存储；在分子结构方面，可以处理更复杂的分子结构，捕捉原子间相互作用，并且可以处理不同大小的分子，在网络训练过程中可以找到它们的差异，有很高的实用价值。
一种基于 gnn 神经网络生物信息获取方法

[发明专利]一种鸡头部器官各参数的检测方法-CN202310882842.3有效
发明人：黄君贤;许文文;陈子欣;高健峰;徐焕良;季呈明;刘泽民;戴维;吴文彩 -专利权人：南京星罗基因科技有限公司;南京农业大学
申请日： 2023-07-19 - 公布日： 2023-09-22 - 主分类号： G06T7/00 文献下载
摘要：本发明属于目标检测的技术领域，公开了一种鸡头部器官各参数的检测方法，包括采集各品种鸡的标准图像进行标注，并搭建目标检测模型；基于提取的鸡头部图像，对各器官进行标注，并搭建图像分割模型；基于分割的器官图像，搭建目标识别模型，读取标尺信息以及识别色卡信息；基于检测、分割以及识别结果对鸡头部器官各参数进行计算。本发明方法目标识别准确，具有高准确率，高召回率的优点，通过自动化计算，仅需要输入图像，便可识别出各器官轮廓并计算相对应参数，人工参与度低，自动化程度高，可以大幅降低人工和时间成本。
一种鸡头器官参数检测方法

[发明专利]一种微生物浓度的监测系统及方法-CN202310376137.6在审
发明人：季呈明;徐焕良;翟肇裕;余洪锋 -专利权人：南京农业大学
申请日： 2023-04-10 - 公布日： 2023-08-22 - 主分类号： G01N21/359 文献下载
摘要：本发明公开了一种微生物浓度的监测系统及方法，包括光源驱动模块、光电转换模块、无线传输模块、A/D模数转换模块、MCU芯片、上位机、LED光源、光源波长测算模块，所述LED光源、透镜、待测溶液、光电转换模块构成利用光电转换监测微生物浓度的监测通路，所述待测溶液为用于监测微生物浓度的微生物培养溶液。本发明构建的监测系统将传统以光吸收为定量指标转换为光散射，采用最优波长的LED光源作为光源测定系统光密度ODsys，通过建立偏最小二乘法线性模型及四阶多项式非线性模型进行拟合校准得到OD600nm，提高抗色素干扰能力，以及提高高浓度(OD600nm2.5)测定准确性。
一种微生物浓度监测系统方法

[发明专利]一种水稻白叶枯病早期无症状检测方法-CN202310330513.8在审
发明人：张胜辉;曹益飞;翟肇裕;冯佳睿;徐焕良 -专利权人：南京农业大学
申请日： 2023-03-30 - 公布日： 2023-07-11 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种水稻白叶枯病早期无症状检测方法，包括以下步骤：利用随机森林算法在特征波长区间中选取出高重要性评分的光谱波长作为特征敏感波长；将特征敏感波长处的高光谱图像作为用于区分高光谱图像所属叶片类别的敏感图像特征；基于敏感图像特征对3DCNN模型训练得到用于水稻白叶枯病早期无症状检测的3DCNN无症状检测模型；在3DCNN无症状检测模型中引入多尺度光谱空洞卷积模块进行精度优化得到MS‑SDC‑3DCNN模型。本发明利用随机森林算法对高光谱图像进行降维，采用多尺度光谱空洞卷积模块对无症状检测模型进行优化，无症状检测模型利用经提取和融合后多个波长分辨率的特征，更有效地使用重要的波长信息，以提高无症状检测模型的检测性能。
一种水稻白叶枯病早期无症状检测方法

[发明专利]一种基于注意力机制与多尺度特征融合的植物图像分割方法-CN202210859319.4在审
发明人：伍学惠;罗志伟;徐焕良 -专利权人：南京农业大学
申请日： 2022-07-21 - 公布日： 2022-10-18 - 主分类号： G06V10/80 文献下载
摘要：本发明公开了一种基于注意力机制与多尺度特征融合的植物图像分割方法，包括划分训练集、验证集和测试集，并进行数据处理；提取多尺度特征，包括深层特征和浅层特征；调整深层特征的通道权重，并对深层特征图进行上采样处理，得到上采样引导后的深层特征图；调整浅层特征的空间分布权重，得到调整空间分布权重后的浅层特征图；将上采样引导后的深层特征图和调整空间分布权重后的浅层特征图进行多尺度融合，得到多尺度融合后的特征图；模型训练，得到训练好的植物图像分割模型；最后对模型进行验证和测试。本发明能够较好的解决复杂背景下植物图像分割识别问题，具有较强的鲁棒性和较高的准确率，可为植物表型提取，长势预测提供视觉支持。
一种基于注意力机制尺度特征融合植物图像分割方法

[发明专利]一种基于VGG16的多任务学习植物表型处理方法及装置-CN202210799123.0在审
发明人：袁培森;徐书凝;朱淑鑫;翟肇裕;夏烨;顾兴健;任守纲;张园园;徐焕良 -专利权人：南京农业大学
申请日： 2022-07-08 - 公布日： 2022-10-18 - 主分类号： G06V20/60 文献下载
摘要：本发明公开了一种基于VGG16的多任务学习植物表型处理方法及装置，该方法包括：(1)构建植物表型处理与分析模型：以VGG16网络作为多任务学习的硬参数共享网络，除去原VGG16的最后一个最大池化层以及之后所有的全连接层，增加任务相关的全连接层，并将其分别应用于三个特定任务层；(2)训练模型：使用任务依赖不确定性权衡每一个特定任务层的损失函数，以此来平衡回归和分类任务的损失，使用柔性因子连接不同任务，自动优化不同任务的权重，让每个任务都得到最优化训练；(3)基于训练后模型对植物表型进行处理与分析。本发明能同时完成三个有关拟南芥表型处理与分析的任务，大大提升了多任务整体分类及预测效果。
一种基于 vgg16 任务学习植物表型处理方法装置

[发明专利]U型自适应EST的无人机遥感图像分割方法及系统-CN202210434654.X在审
发明人：任守纲;顾兴健;李思哲;熊迎军;舒欣;郑恒彪;徐焕良;赵鑫源 -专利权人：南京农业大学
申请日： 2022-04-24 - 公布日： 2022-09-09 - 主分类号： G06T7/11 文献下载
摘要：一种U型自适应EST的无人机遥感图像分割方法及系统，该系统包括特征提取单元、特征编码器、跳跃连接模块、卷积解码模块和投影模块；所述的特征编码器包括多阶EST和对应的自适应图像块合并层；其中：每阶EST分别包括若干个由第一EST模块和第二EST模块组成的EST单元，每个EST模块均包括归一化层LN、增强多头自注意力模块、残差连接层以及多层感知机MLP。本发明基于CNN和Transformer模块，通过层次结构实现全局自关注，在解码器中，结合卷积和反卷积块实现上采样，上采样恢复编码器的信息，进行相应的像素级分割，能够减少直接在原图上进行图像块导致的边缘和位置信息的丢失。
自适应 est 无人机遥感图像分割方法系统

[发明专利]一种基于光学特性参数反演的叶绿素含量估测方法-CN202110128301.2在审
发明人：王浩云;徐焕良;曹雪莲;王江波 -专利权人：南京农业大学
申请日： 2021-01-29 - 公布日： 2022-08-16 - 主分类号： G06V20/00 文献下载
摘要：本发明公开了一种基于光学特性参数反演的叶绿素含量估测方法，它包括以下步骤：(1)、构建基于面光源的叶片模型进行光子传输模拟，获得仿真光谱图像；(2)、将仿真光谱图像输入卷积神经网络进行训练，得到预训练模型；(3)、基于预训练模型，在实测光谱数据上进行最大均值差异MMD迁移，获得训练全部层的光学参数反演模型；(4)、利用MMD迁移得到的光学参数反演模型进行叶片叶绿素含量估测。基于MMD迁移的绿萝叶片光学参数反演方法，与普通模型迁移方法相比，具有更好的性能。
一种基于光学特性参数反演叶绿素含量估测方法

[发明专利]基于掩码变量最大概率密度函数分布的侧信道测试分析方法-CN202011352153.4有效
发明人：李延斌;任守纲;唐明;黄玉鑫;徐焕良 -专利权人：南京农业大学
申请日： 2020-11-26 - 公布日： 2022-07-12 - 主分类号： H04L9/00 文献下载
摘要：本发明提出一种基于掩码变量最大概率密度函数分布的侧信道测试分析方法，利用掩码集合中不同掩码值对应的掩码后变量分布偏差，计算概率密度函数分布，通过选取分布在不同敏感中间值下的最大值得到一种面向掩码方案的增强侧信道测试分析方法。本方法首先对掩码方案的掩码集合进行预评估，然后计算所有猜测密钥相应的假设中间值在该掩码集合下的概率密度分布，最终选择最大概率密度分布值作为假设功耗值，计算与实际功耗之间的相关性，得到所有猜测密钥的概率排序，恢复出正确密钥。本发明的方法能够适用于固定掩码方案，同时实现提高测试分析成功率，减少测试分析成功所需要的曲线量。
基于掩码变量最大概率密度函数分布信道测试分析方法

[发明专利]一种针对低熵掩码方案的侧信道泄露检测方法-CN202011342764.0有效
发明人：李延斌;任守纲;黄玉鑫;唐明;徐焕良 -专利权人：南京农业大学
申请日： 2020-11-26 - 公布日： 2022-06-14 - 主分类号： H04L9/00 文献下载
摘要：本发明提出一种针对低熵掩码方案的侧信道泄露检测方法，通过对布尔低熵掩码和乘法低熵掩码分别定义安全模型，实现高效的泄漏检测。首先通过定义适用不同掩码类型的安全模型作为判别是否存在泄露的条件；根据目标低熵掩码方案类型，采用不同安全模型对掩码集合进行分析，得到理论泄漏量；最后，对目标掩码方案采集到的实际能耗曲线进行特定掩码变量的t‑test检测，得到实际泄露量。本发明的方法适用于低熵掩码方案，实现了通用类型低熵掩码方案的掩码集合是否平衡的分析，对其可抵抗单变量攻击的能力可进行理论和实测泄露程度的量化。
一种针对掩码方案信道泄露检测方法

[发明专利]基于改进U-net网络的无人机麦田遥感图像分割方法-CN202111074382.9在审
发明人：任守纲;顾兴健;李思哲;郑恒彪;徐焕良 -专利权人：南京农业大学
申请日： 2021-09-14 - 公布日： 2022-01-28 - 主分类号： G06T7/11 文献下载
摘要：本发明提出基于改进U‑net网络的无人机麦田遥感图像分割方法，通过加入注意力模块的方式加强目标特征学习，同时通过改进损失函数的方法对权重进行重分配，从而解决遥感图像中目标背景类别分布不均的问题；最后，结合形状先验信息对分割结果进行进一步修正。本发明利用采集的无人机麦田数据集进行训练和模型验证，试验结果表明，分割准确率和平均交并比分别达93.31％和73.91％，较好解决了田埂分割遮挡和缺失等问题。
基于改进 net 网络无人机麦田遥感图像分割方法

[发明专利]基于鉴别和鲁棒多特征提取的高光谱图像分类方法-CN201810616815.0有效
发明人：任守纲;万升;顾兴健;王浩云;徐焕良 -专利权人：南京农业大学
申请日： 2018-06-15 - 公布日： 2021-11-30 - 主分类号： G06K9/62 文献下载
摘要：本发明提出一种基于鉴别和鲁棒多特征提取的高光谱图像分类方法，针对高光谱图像中不同类型的空谱特征，本方法将其投影到一个共同的低秩、鉴别子空间，并保留不同特征的重要性。本方法运行包括两个阶段，首先，根据不同特征的重要性，分别赋予它们不同的权重；然后，学习一个具有鲁棒和鉴别特性的低维子空间；接着，将不同的特征投影至低维子空间中；最后，使用支持向量机对新的特征进行分类。本发明通过特征降维，不仅能够对噪声鲁棒，抵御高光谱图像中的噪声干扰，同时可以保留不同特征的重要性，同时利用已有的标签，使获得的特征具有鉴别特性，有效提高了分类的效果。
基于鉴别鲁棒多特征提取光谱图像分类方法

[发明专利]基于几何模型的绿萝叶片外部表型参数的三维估测方法-CN202010370531.5有效
发明人：王浩云;徐焕良;马仕航 -专利权人：南京农业大学
申请日： 2020-05-06 - 公布日： 2021-10-22 - 主分类号： G06T7/62 文献下载
摘要：本发明公开了一种基于几何模型的绿萝叶片外部表型参数的三维估测方法，包括以下步骤：S1建立绿萝叶片的几何模型数据库；S2固定RGB‑D相机角度与高度对绿萝进行一次拍摄，获得绿萝叶片的局部点云数据；S3将S2获得的局部点云数据与S1中的几何模型数据库进行空间匹配与参数寻优，获得最接近的几何模型；S4计算该几何模型的叶片外部表型参数，作为估测结果。本发明的估测方法，植物叶片无需离体，拍摄仪器也无需改变角度，仅通过一次拍摄即能对其外部表型参数进行估测。估测结果的误差范围较小，且非常稳定。
基于几何模型叶片外部表型参数三维估测方法

[发明专利]基于迁移学习与双线性InceptionResNetV2的细粒度菌类表型识别方法-CN201910547744.8有效
发明人：袁培森;申成吉;任守纲;顾兴健;车建华;徐焕良 -专利权人：南京农业大学
申请日： 2019-06-24 - 公布日： 2021-09-10 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于迁移学习与双线性InceptionResNetV2的细粒度菌类表型识别方法，其主要步骤为：(1)建立基于迁移学习与双线性的细粒度菌类表型识别模型；(2)基于识别模型进行迁移学习与训练；(3)将图像输入识别模型后进行预处理；(4)对预处理后的图像数据进行特征提取。本发明将两个对称InceptionResNetV2特征提取网络提取到的特征结合起来，得到更细粒度的特征，使识别效果更好；并且使用基于模型的迁移学习训练方法，将在ImageNet数据集上预训练好的特征提取网络参数权重迁移到菌类细粒度表型数据集上，能够在较短的训练时间内，达到更好的收敛性能，使识别结果更好。
基于迁移学习双线 inceptionresnetv2 细粒度菌类表型识别方法

1
2
3
4
下一页»
尾页
共 49 条