“马浚诚”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11个，建议您升级VIP下载更多相关专利

[实用新型]便携式冬小麦产量早期预测装置-CN202320101510.2有效
发明人： 马浚诚 -专利权人：中国农业科学院农业环境与可持续发展研究所
申请日： 2023-02-02 - 公布日： 2023-09-29 - 主分类号： G06Q10/04 文献下载
摘要：本实用新型实施例提供一种便携式冬小麦产量早期预测装置，该装置包括：摄像组件，用于采集冬小麦苗期的冠层时序图像；计算机，用于利用目标冬小麦产量预测模型和冬小麦苗期的冠层时序图像，预测冬小麦的产量；目标冬小麦产量预测模型用于预测冬小麦的产量；摄像组件与计算机连接；垂直立杆和水平臂，垂直立杆的底部固定在地面，垂直立杆的顶端与水平臂的第一端连接；水平臂的第二端与摄像组件连接。本实用新型的装置实现了对冬小麦产量的准确、便捷、客观地预测，提高了冬小麦产量预测的效率和准确性。
便携式冬小麦产量早期预测装置

[发明专利]基于多模态冠层图像的冬小麦产量预测方法、装置和设备-CN202310124624.3在审
发明人： 马浚诚 -专利权人：中国农业科学院农业环境与可持续发展研究所
申请日： 2023-02-02 - 公布日： 2023-06-23 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供一种基于多模态冠层图像的冬小麦产量预测方法、装置和设备，该方法包括：获取冬小麦抽穗期至灌浆期的多个多模态冠层图像；将所述多个多模态冠层图像输入至训练得到的产量预测模型，得到所述冬小麦的产量；其中，所述产量预测模型用于对所述多个多模态冠层图像进行特征预提取，得到各个所述冠层图像的每个模态对应的第一图像特征；对于任一所述冠层图像，对每个所述模态对应的第一图像特征进行特征提取，得到每个所述模态对应的第二图像特征；对每个所述模态对应的第二图像特征进行特征融合，并基于融合后的特征得到所述冬小麦的产量。上述方案预测冬小麦产量的准确性较高。
基于多模态冠层图像冬小麦产量预测方法装置设备

[发明专利]冬小麦穗密度检测方法及装置-CN202010082618.2有效
发明人： 马浚诚;杜克明;郑飞翔;孙忠富 -专利权人：中国农业科学院农业环境与可持续发展研究所
申请日： 2020-02-07 - 公布日： 2023-05-02 - 主分类号： G06T7/00 文献下载
摘要：本发明实施例提供一种冬小麦穗密度检测方法及装置，所述方法包括：获取冬小麦开花期后的待检测冠层图像，并将所述待检测冠层图像划分成若干个待检测子图；将所述若干个待检测子图输入至卷积神经网络模型，输出子密度图；根据所述子密度图确定冬小麦穗密度；其中，所述卷积神经网络模型是基于样本冠层图像以及预先确定的样本冠层图像对应的穗密度图进行训练后得到。本发明实施例提供的冬小麦穗密度检测方法及装置，利用人工智能技术进行检测，自动化程度高，能够有效减少穗密度估算的人工干预，降低应用成本和复杂程度，有效提高冬小麦穗密度估算的准确性和实时性。
冬小麦密度检测方法装置

[发明专利]麦穗计数方法及装置-CN201811555424.9有效
发明人：张领先;陈运强;杜克明;马浚诚;李云霞;孙忠富;郑飞翔 -专利权人：中国农业大学;中国农业科学院农业环境与可持续发展研究所
申请日： 2018-12-19 - 公布日： 2021-06-29 - 主分类号： G06T7/00 文献下载
摘要：本发明实施例提供一种麦穗计数方法及装置，属于深度学习技术领域。该方法包括：将麦田环境下拍摄到的图像输入至图像识别模型，输出图像的标签，图像识别模型是基于样本标签图像以及样本标签图像对应的标签训练得到的；若标签为麦穗图像，则基于非极大抑制算法确定图像中的麦穗数量。由于可自动计算麦穗数量，从而自动化程度高且识别效率高，能够有效减少人工干预带来的主观影响，降低检测过程的应用成本和复杂程度，可有效提高麦穗检测的准确性和实时性，也为设小麦产量预测的相关研究提供了可靠且准确的数据基础。
麦穗计数方法装置

[发明专利]一种基于颜色信息的蔬菜叶片病斑分割方法及服务器-CN201710358725.1有效
发明人： 马浚诚;孙忠富;杜克明;褚金翔;郑飞翔 -专利权人：中国农业科学院农业环境与可持续发展研究所
申请日： 2017-05-19 - 公布日： 2020-12-25 - 主分类号： G06T7/11 文献下载
摘要：本发明公开一种基于颜色信息的蔬菜叶片病斑分割方法及服务器。其中，所述方法包括：获取蔬菜的病斑叶片图像，并对所述病斑叶片图像进行预处理；分别提取预处理后的所述病斑叶片图像在不同颜色空间的颜色特征；根据所述不同颜色空间的颜色特征构建综合颜色特征检测滤波；根据所述综合颜色特征检测滤波，获得与所述病斑叶片图像对应的综合颜色特征图；根据所述综合颜色特征图，对所述病斑叶片图像中的病斑进行分割。所述服务器用于执行上述方法。本发明提供的基于颜色信息的蔬菜叶片病斑分割方法及服务器，提高了对病斑叶片图像中病斑分割的准确性。
一种基于颜色信息蔬菜叶片分割方法服务器

[发明专利]黄瓜霜霉病严重度的评估方法及装置-CN201811623559.4在审
发明人：张领先;田潇;马浚诚;陈英义;陈运强;李云霞;徐赞誉 -专利权人：中国农业大学
申请日： 2018-12-28 - 公布日： 2019-06-07 - 主分类号： G06T7/00 文献下载
摘要：本发明实施例提供一种黄瓜霜霉病严重度的评估方法及装置，属于农作物栽培技术领域。该方法包括：获取自然环境下采集到的待评估的黄瓜叶片图像；采用随机梯度下降法，并基于霜霉病严重度的神经网络估算模型，对黄瓜叶片图像的黄瓜霜霉病严重度进行评估。本发明实施例提供的方法，通过采用随机梯度下降法，并基于霜霉病严重度的神经网络估算模型，对黄瓜叶片图像的黄瓜霜霉病严重度进行评估。由于可自动估算病害程度，从而自动化程度高且识别效率高，能够有效减少人工干预带来的主观影响，降低诊断过程的应用成本和复杂程度，可有效提高病害诊断的准确性和实时性，也为黄瓜病害诊断的相关研究提供了可靠且准确的数据基础。
黄瓜霜霉病黄瓜叶片评估随机梯度下降法神经网络估算霜霉病图像农作物栽培诊断病害诊断黄瓜病害人工干预数据基础应用成本有效减少实时性病害自然环境自动化估算采集主观研究

[发明专利]一种冬小麦产量预测方法及装置-CN201811612955.7在审
发明人： 马浚诚;杜克明;郑飞翔;孙忠富 -专利权人：中国农业科学院农业环境与可持续发展研究所
申请日： 2018-12-27 - 公布日： 2019-05-28 - 主分类号： G06K9/42 文献下载
摘要：本发明实施例提供一种冬小麦产量预测方法及装置，该方法包括采集冬小麦苗期冠层的目标图像；将所述目标图像输入至长短时记忆神经网络模型，输出所述目标图像对应的冬小麦产量预测结果；其中，所述长短时记忆神经网络模型是基于样本图像以及所述样本图像对应的冬小麦产量预测结果进行训练后得到的。本发明通过采集冬小麦苗期冠层的目标图像，将目标图像输入至预先建立的长短时记忆神经网络模型，输出所述目标图像对应的冬小麦产量预测结果，实现了在冬小麦早期准确预测产量。与人工计算产量的方法费时费力相比，本发明提供的冬小麦产量预测方法的计算效率更高，提高了产量预测结果的准确性。
冬小麦产量预测目标图像记忆神经网络样本图像冠层采集计算效率预先建立输出费力预测

[发明专利]基于卷积神经网络的冬小麦苗期长势参数估算方法及系统-CN201910007712.9在审
发明人：张领先;李云霞;马浚诚;杜克明;陈运强;郑飞翔;孙忠富 -专利权人：中国农业大学;中国农业科学院农业环境与可持续发展研究所
申请日： 2019-01-04 - 公布日： 2019-04-23 - 主分类号： G06K9/40 文献下载
摘要：本发明实施例提供了一种基于卷积神经网络的冬小麦苗期长势参数估算方法及系统，包括：连续采集目标冬小麦的苗期图像，并根据所述目标冬小麦的苗期图像构建对应的输入数据集；将所述输入数据集输入训练好的卷积神经网络模型，得到所述目标冬小麦苗期长势参数的估算结果；其中，所述训练好的卷积神经网络模型是以训练数据集为输入，利用梯度下降法训练得到的。本发明自动化程度高且识别效率高，能够有效减少冬小麦苗期长势参数估算的中间环节和人工干预，降低识别过程的应用成本和复杂程度，有效提高设冬小麦苗期长势参数估算的准确性和实时性。
冬小麦苗期长势卷积神经网络参数估算输入数据集训练数据集连续采集人工干预图像构建应用成本有效减少中间环节实时性下降法估算自动化图像

[发明专利]设施蔬菜叶部病斑图像分割方法及系统-CN201610306331.7有效
发明人：张领先;马浚诚;李鑫星;郭蕾;刘菲;刘威麟;郑巳明;严谨;关博方 -专利权人：中国农业大学
申请日： 2016-05-10 - 公布日： 2019-02-26 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种设施蔬菜叶部病斑图像分割方法及系统，包括：将设施现场采集的蔬菜叶部病害图像分为训练组和测试组，对其进行增强处理；提取增强处理后训练组图像的初始颜色分类特征和梯度特征；将增强处理后的训练组图像分类为病斑样本和叶片样本，按照提取的初始颜色分类特征和梯度特征，获取病斑样本和叶片样本的初始颜色分类特征数据和梯度特征数据；采用粗糙集的方法，针对病斑样本和叶片样本的初始颜色分类特征数据，选择颜色分类特征，得到颜色特征子集；根据颜色特征子集以及病斑样本和叶片样本的梯度特征数据，构建条件随机场模型；根据条件随机场模型对增强处理后的测试组图像进行分割，提取病斑图像。本发明提取病斑图像准确且速度快。
设施蔬菜叶部病斑图像分割方法系统

[发明专利]一种温室蔬菜病害监控视频关键帧提取方法即提取系统-CN201410191244.2有效
发明人：傅泽田;马浚诚;张领先;李鑫星;温皓杰;陈英义;李道亮 -专利权人：中国农业大学;鹤壁农信物联科技有限公司
申请日： 2014-05-07 - 公布日： 2018-11-23 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种温室蔬菜病害监控视频关键帧提取方法及提取系统，该发明将视觉显著性与在线聚类算法相结合，首先利用X2直方图法进行帧间差异度量，剔除具有相似特征的视频帧图像对算法计算量的影响；其次将视频帧图像转到HSV颜色空间，结合温室蔬菜监控视频的特点，利用H、S通道计算视觉显著图，提取视频帧图像中的显著性区域，然后利用形态学方法对显著性区域中可能丢失的病斑信息进行修复；最终利用在线聚类算法和像素帧平均算法实现关键帧提取。该方法可以有效的获取温室蔬菜监控视频中病害的信息，为温室蔬菜病害的准确识别奠定坚实的基础。该发明得与图像处理、模式识别等技术结合的基础上，会在设施蔬菜病害识别方面有很大的贡献。
一种温室蔬菜病害监控视频关键提取方法系统

[发明专利]基于卷积神经网络的设施蔬菜病害识别方法及装置-CN201710909399.9在审
发明人： 马浚诚;孙忠富;杜克明;郑飞翔 -专利权人：中国农业科学院农业环境与可持续发展研究所
申请日： 2017-09-29 - 公布日： 2018-03-09 - 主分类号： G06K9/42 文献下载
摘要：本发明提供了一种基于卷积神经网络的设施蔬菜病害识别方法及装置，识别方法包括自动采集目标设施蔬菜的病斑图像，并构建输入数据集；将所述病斑图像对应的输入数据集作为模型的输入，建立用于识别所述目标设施蔬菜病害种类的卷积神经网络模型；以及根据梯度下降算法和测试数据集对所述卷积神经网络模型进行模型训练、验证和测试，得到对所述目标设施蔬菜病害的种类识别结果。本发明自动化程度高且识别效率高，能够有效减少病害识别的中间环节和人工干预，降低识别过程的应用成本和复杂程度，有效提高设施蔬菜病害识别的准确性和实时性。
基于卷积神经网络设施蔬菜病害识别方法装置

1
共 11 条