“董士风”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12个，建议您升级VIP下载更多相关专利

[发明专利]一种基于通道注意力机制的虫害图像检测方法-CN202110796527.X有效
发明人：王儒敬;董士风;李瑞;张洁;焦林;刘康;滕越;刘海云;王晓栋 -专利权人：中国科学院合肥物质科学研究院
申请日： 2021-07-14 - 公布日： 2023-08-22 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种基于通道注意力机制的虫害图像检测方法，与现有技术相比解决了虫害检测准确率低、检测速度慢的缺陷。本发明包括以下步骤：采集虫害图像并建立虫害数据集；构建基于通道注意力机制的虫害图像检测模型；对虫害图像检测模型进行训练；待检测虫害图像的获取；虫害图像检测结果的获得。本发明通过多尺度预测结构能够提取到更丰富特征的基础神经网络、融合了多个尺度的特征来进行检测，可以在不加深网络深度的前提下提升检测精度；本发明通过通道积空间注意力机制、通过对于通道特征的筛选，使得特征融合时保留的信息更加有利于训练损失的降低，有利于定位及分类的准确，同时通过一定比例的降维可以权衡性能和检测速度的取舍。
一种基于通道注意力机制虫害图像检测方法

[发明专利]四旋翼植保无人机跟踪控制方法-CN202110987581.2有效
发明人：王儒敬;刘康;张洁;董士风;李瑞;刘海云;焦林;黄子良;滕越 -专利权人：中国科学院合肥物质科学研究院
申请日： 2021-08-26 - 公布日： 2023-07-18 - 主分类号： G05D1/08 文献下载
摘要：本发明涉及基于抗饱和有限时间自适应神经网络容错技术的四旋翼植保无人机跟踪控制方法，与现有技术相比解决了四旋翼植保无人机难以实现高精度跟踪控制的缺陷。本发明包括以下步骤：期望轨迹数据的设定和存储；实时轨迹数据的采集和存储；四旋翼植保无人机复合数学模型的建立；四旋翼植保无人机飞行误差数学模型的建立；饱和补偿系统的设计和数据存储；自适应神经网络参数的设计和数据存储；基于抗饱和有限时间自适应神经网络容错跟踪控制器的设计和控制信号的存储；实时轨迹数据的更新；位置系统和姿态系统中参数数值的调整。本发明可以保证四旋翼植保无人机的轨迹跟踪误差在有限时间范围内收敛。
四旋翼植保无人机跟踪控制方法

[发明专利]无锚框的一阶段虫害图像检测方法、装置及存储介质-CN202211146901.2在审
发明人：王儒敬;董士风;刘康;焦林;黄子良;郑世健;滕越;刘海云 -专利权人：中科合肥智慧农业协同创新研究院
申请日： 2022-09-19 - 公布日： 2022-12-09 - 主分类号： G06V20/00 文献下载
摘要：本发明公开了一种无锚框的一阶段虫害图像检测方法、装置及存储介质，通过根据无锚框的一阶段虫害图像检测模型对所述待检测虫害图像执行检测，确定图像中的虫害信息；所述虫害信息包括每个虫害的类别和边框中心点以及宽和高；根据对虫害数据集的虫害统计特征，以最小的超参数自动对正样本和负样本进行分类，从而实现对所述虫害图像检测模型的训练样本的选择。相比于现有技术，通过提出动态训练样本选择方法，可以根据物体的统计特征，以最小的超参数自动对正样本和负样本进行分类来动态地选择阳性样本，更加稳健；基于注意力机制的动态检测头模块可以获得可辨识的语义特征，从而更好地区分具有相似外观的害虫，提高表达害虫特征的能力。
无锚框阶段虫害图像检测方法装置存储介质

[发明专利]一种基于动态轨迹分析的农业害虫检测方法-CN201811588092.4有效
发明人：王红强;王儒敬;董士风;焦林;张绳昱;王琦进 -专利权人：中国科学院合肥物质科学研究院
申请日： 2018-12-25 - 公布日： 2022-10-25 - 主分类号： G06V20/40 文献下载
摘要：本发明提供一种基于动态轨迹分析的农业害虫检测方法，该方法包括：摄录一段由若干帧图像构成的害虫收集视频；采用经过训练的深度学习目标检测器定位每帧图像中的害虫，获取每帧图像中害虫的目标框信息；标记害虫的掉落动态位置；确定同一害虫的掉落动态轨迹；绘制所有害虫的掉落动态轨迹，输出掉落动态轨迹数目作为该段害虫收集视频内检测的害虫总数目。本发明通过分析害虫的掉落动态轨迹获得了害虫的动态信息，减少了害虫的误检率和漏检率，有效提高了害虫的检测精度和鲁棒性。
一种基于动态轨迹分析农业害虫检测方法

[发明专利]一种带有相似尺寸强化识别的害虫图像检测方法-CN202011526712.9有效
发明人：王儒敬;滕越;谢成军;李瑞;焦林;黄子良;刘康;董士风;刘海云 -专利权人：中国科学院合肥物质科学研究院
申请日： 2020-12-22 - 公布日： 2022-09-09 - 主分类号： G06V20/00 文献下载
摘要：本发明涉及一种带有相似尺寸强化识别的害虫图像检测方法，与现有技术相比解决了难以针对植保图像中相似尺寸害虫进行检测的缺陷。本发明包括以下步骤：获取害虫图像数据集并进行预处理；构建害虫图像检测网络；害虫图像检测网络的训练；待检测害虫图像的获取；害虫图像检测结果的获得。本发明通过自学习的权重和加权注意力特征金字塔，使卷积神经网络能够重点关注数据集中大部分害虫图像尺寸所对应的特征层，提高了卷积神经网络的特征表达能力，以此应对相似尺寸的害虫误别问题；利用多尺度无锚区域建议网络，让后续的分类回归网络获得更好的候选区域，实现了相似尺寸害虫的强化识别，由此提高了害虫识别与检测的准确率。
一种带有相似尺寸强化识别害虫图像检测方法

[发明专利]基于自适应混合特征重校准的深度学习模型的大豆损伤识别方法-CN202011526728.X有效
发明人：王儒敬;黄子良;汪六三;李瑞;焦林;滕越;刘康;董士风;刘海云 -专利权人：中国科学院合肥物质科学研究院
申请日： 2020-12-22 - 公布日： 2022-08-19 - 主分类号： G06V20/68 文献下载
摘要：本发明涉及基于自适应混合特征重校准的深度学习模型的大豆损伤识别方法，该方法包括以下步骤：(1)采集大豆图像建立数据集；(2)构建基于自适应混合特征重校准的深度学习模型；(3)对深度学习模型进行训练；(4)采用完成训练的深度学习模型对测试样本进行识别。本发明通过构建基于自适应混合特征重校准的深度学习模型对大豆表面损伤进行识别，解决了大豆种粒体积小、表面损伤细微，难以准确识别的问题，同时本发明所构建的深度学习模型相比于传统图像识别深度学习模型参数量及运算量大幅下降，为将该模型应用于便携式移动设备创造了条件。
基于自适应混合特征校准深度学习模型大豆损伤识别方法

[发明专利]一种基于灯下相似害虫图像自适应特征融合检测方法-CN202111577178.9在审
发明人：王儒敬;王粉梅;周琼;黄子良;胡海瀛;董士风 -专利权人：中科合肥智慧农业协同创新研究院
申请日： 2021-12-22 - 公布日： 2022-03-25 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及一种基于灯下相似害虫图像自适应特征融合检测方法，包括：获取相似害虫图像数据集并进行预处理；进行害虫相似度特征的提取；构建联合双通道注意力机制的非局部相似害虫检测网络；设计平衡尺寸的跳跃卷积模块金字塔特征网络，输出满足条件的参考检测框；对选出的参考检测框进行中心点优化，使用非极大抑制方法进行去重优化；输出相似害虫检测结果。本发明具有有效识别外形相似度高，尺寸相差不大的害虫数据集；引入双通道注意力模块，使用非局部模块重构特征提取方式，加入跳跃卷积模块重构了特征金字塔；本发明是一阶段无锚框检测器，能达到实时检测效果。
一种基于相似害虫图像自适应特征融合检测方法

[发明专利]一种基于改进YOLO V4的快速害虫检测方法-CN202111590018.8在审
发明人：王儒敬;董士风;刘康;焦林;王粉梅;黄子良;郑世健;滕越;刘海云 -专利权人：中科合肥智慧农业协同创新研究院
申请日： 2021-12-23 - 公布日： 2022-03-22 - 主分类号： G06V20/20 文献下载
摘要：本发明涉及一种基于改进YOLO V4的快速害虫检测方法，包括：通过虫情测报灯采集虫害图像，建立虫害数据集；构建基于改进YOLO V4的快速害虫检测模型；将所述虫害数据集输入所述快速害虫检测模型进行训练；获取待检测的虫害图像，并进行预处理，将图像尺寸统一化；将预处理后的待检测的虫害图像输入训练后的快速害虫检测模型，快速害虫检测模型输出检测结果，所述检测结果即图像中每个虫害的类别和边界框位置。本发明通过多尺度预测结构能够提取到更丰富特征的特征、融合了多个尺度的特征来进行检测，可以在不加深网络深度的前提下提升检测精度；本发明使用了轻量级主干网络以及提出的轻量级特征层融合减少了模型参数，检测速度快。
一种基于改进 yolo v4 快速害虫检测方法

[发明专利]基于抗饱和有限时间的旋翼式植保无人机姿态跟踪控制方法-CN202110519566.5在审
发明人：王儒敬;刘康;李瑞;张洁;黄子良;滕越;刘海云;董士风;焦林;王晓栋 -专利权人：中国科学院合肥物质科学研究院
申请日： 2021-05-13 - 公布日： 2021-08-06 - 主分类号： G05D1/10 文献下载
摘要：本发明涉及基于抗饱和有限时间的旋翼式植保无人机姿态跟踪控制方法，与现有技术相比解决了难以对旋翼式植保无人机进行姿态跟踪控制的缺陷。本发明包括以下步骤：期望姿态角数据的获取；实时姿态角数据的采集；完整姿态数学模型的建立；完整姿态数学拓展模型的建立；有限时间拓展观测器的设计；辅助动力系统的设计；进行有限时间姿态跟踪控制器的设计；旋翼式植保无人机姿态的控制调整。本发明可以实现旋翼式植保无人机在有限时间内跟踪上期望姿态角信号，提高飞行控制系统的抗干扰和执行器饱和抑制能力，加快跟踪误差收敛速度，有效地抑制了系统输出的抖动现象。
基于饱和有限时间旋翼式植保无人机姿态跟踪控制方法

[发明专利]一种基于相似度的害虫图像检索方法-CN202011529611.7在审
发明人：王儒敬;董士风;李瑞;焦林;黄子良;滕越;刘康;刘海云 -专利权人：中国科学院合肥物质科学研究院
申请日： 2020-12-22 - 公布日： 2021-03-26 - 主分类号： G06F16/583 文献下载
摘要：本发明提供一种基于相似度的害虫图像检索方法，包括建立害虫样本图像数据库；计算害虫样本图像基于均值哈希算法和感知哈希算法的哈希值；计算待检索害虫图像基于均值哈希算法和感知哈希算法的哈希值；计算待检索害虫图像与害虫样本图像基于均值哈希算法和感知哈希算法的哈希值的相似度；计算得到待检索害虫图像与害虫样本图像的平均相似度；将高于设定阈值的平均相似度所对应的害虫样本图像添加到害虫图像检索结果集中；按照平均相似度由高到低的顺序，对害虫图像检索结果集中的害虫样本图像进行排序，并选取排在前面的若干个作为检索结果。本发明提高了害虫图像相似度计算结果的准确性以及害虫图像的检索效率。
一种基于相似害虫图像检索方法

[发明专利]基于语义分割的融合全局上下文信息的水稻病害检测方法-CN202011526697.8在审
发明人：王儒敬;刘海云;谢成军;陈天娇;李瑞;焦林;黄子良;刘康;滕越;董士风 -专利权人：中国科学院合肥物质科学研究院
申请日： 2020-12-22 - 公布日： 2021-03-09 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种基于语义分割的融合全局上下文信息的水稻病害检测方法，包括：获取水稻病害图像；对获取的水稻病害图像进行人工标注，分割出病斑图像并标记病斑类别；建立水稻病害样本集，并将其划分为训练样本集和测试样本集；构建基于语义分割的融合全局上下文信息的水稻病害检测模型；利用训练样本集和测试样本集分别对构建的水稻病害检测模型进行训练和模型误差分析；利用训练好的水稻病害检测模型直接对获取的实际水稻病害图像进行检测，分割出病斑图像并标记病斑类别。本发明利用全局上下文信息在语义分割中的影响构建了融合全局上下文信息的水稻病害检测模型，从而提高了水稻病害检测的准确率，增强了水稻病害检测算法的鲁棒性。
基于语义分割融合全局上下文信息水稻病害检测方法

[发明专利]一种基于边界关键点感知的多尺度害虫图像检测方法-CN202011526726.0在审
发明人：王儒敬;焦林;谢成军;李瑞;滕越;黄子良;刘康;董士风;刘海云 -专利权人：中国科学院合肥物质科学研究院
申请日： 2020-12-22 - 公布日： 2021-03-09 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及基于边界关键点感知的多尺度害虫图像检测方法，包括：(1)获取害虫图像数据。(2)利用多尺度害虫特征构建基于边界点感知的多尺度害虫区域推荐模型。(3)利用多尺度害虫特征提取网络获取待测害虫图像的多尺度特征，利用多尺度害虫区域推荐模型获取待测害虫图像的感兴趣区域推荐框。(4)构建多类别害虫目标微调网络，利用多类别害虫目标微调网络对感兴趣区域推荐框进行多类别分类和边界框位置回归，得到害虫目标的类别和坐标位置，统计害虫目标数量。本发明通过感知害虫的边界关键点，使得卷积神经网络学习到害虫目标区域的多尺度特征，不同尺度大小的害虫目标特征表达更丰富，能够更精准的指导多尺度害虫目标的识别和定位。
一种基于边界关键感知尺度害虫图像检测方法

1
共 12 条