“T·艾格斯”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]用于检测植物疾病的系统和方法-CN201780029151.1有效
发明人： J·亚历山大;T·艾格斯;A·皮肯;A·阿尔瓦雷斯-吉拉;A·M·奥尔蒂斯巴雷多;A·M·迪茨-纳瓦雅斯 -专利权人：巴斯夫欧洲公司
申请日： 2017-04-19 - 公布日： 2023-04-11 - 主分类号： G06F18/00 文献下载
摘要：一种用于确定植物疾病的系统(100)、方法和计算机程序产品。该系统包括接口模块(110)，被配置为接收植物的图像(10)，该图像(10)包括至少一个植物元素(1)的视觉表示(11)。颜色归一化模块(120)被配置为将颜色恒常方法应用于接收的图像(10)以生成颜色归一化图像；提取器模块(130)，被配置为从颜色归一化图像中提取一个或多个图像部分(11e)，其中提取的图像部分(11e)对应于至少一个植物元素(1)；过滤模块(140)，被配置为：由提取的图像部分(11e)内的一个或多个视觉特征识别一个或多个聚类(C1至Cn)，其中每个聚类与示出植物疾病特征的植物元素部分相关联；并且，通过使用贝叶斯分类器根据预定义阈值从所识别的一个或多个聚类(C1至Cn)过滤一个或多个候选区域，所述贝叶斯分类器对总是存在于患病植物图像上的视觉特征统计进行建模；植物疾病诊断模块(150)，被配置为通过使用统计推断方法从每个候选区域(C4，C5，C6，Cn)提取一个或多个视觉特征，以针对每个候选区域确定指示特定疾病的一个或多个概率；并且通过评估候选区域(C4，C5，C6，Cn)的所有确定的概率来计算特定疾病的置信度得分(CS1)。
用于检测植物疾病系统方法

[发明专利]用于估计真实世界环境中植被覆盖范围的系统和方法-CN202180036609.2在审
发明人： A·皮肯鲁伊斯;M·冈萨雷斯圣埃梅特里奥;A·贝雷亚尔图阿-佩雷斯;L·戈麦斯萨曼尼洛;C·J·吉米内斯鲁伊斯;J·罗梅罗罗德里格斯;C·克鲁卡斯;T·艾格斯;J·埃查扎拉胡盖特;R·纳瓦拉-梅斯特 -专利权人：巴斯夫欧洲公司
申请日： 2021-05-07 - 公布日： 2023-01-31 - 主分类号： G06V20/13 文献下载
摘要：一种用于估计真实世界环境中植被覆盖范围的计算机实现的方法和系统(100)。系统接收具有一个或更多植物物种的一个或更多植物元素(10)的真实世界场景(1)的RGB图像(91)。将RGB图像(91)的至少一个通道提供给语义回归神经网络(120)，该语义回归神经网络(120)被训练以从RGB图像中估计至少一个近红外通道(NIR)。该系统通过将语义回归神经网络(120)应用于至少一个RGB通道(91)来获得近红外通道(NIR)的估计。向语义分割神经网络(130)提供包括RGB图像的R‑通道、G‑通道、B‑通道(R,G,B)中的至少一个的多通道图像(92)和估计的近红外通道(NIR)作为测试输入(TI1)，该语义分割神经网络(130)采用多通道图像进行训练以将测试输入(TI1)分割成与植物元素相关联的像素和与植物元素不相关联的像素。该系统使用语义分割神经网络(130)分割测试输入(TI1)，得到指示与植物元素(10)相关联的测试输入的像素和与植物元素不相关联的测试输入的像素的植被覆盖范围图(93)。
用于估计真实世界环境植被覆盖范围系统方法

[发明专利]通过卷积神经网络量化对植物叶子的生物损害-CN202180021356.1在审
发明人： A·贝雷亚尔图阿-佩雷斯;A·皮肯鲁伊斯;C·M·斯潘格勒;C·克鲁卡斯;T·艾格斯;J·埃查扎拉胡盖特;R·纳瓦拉-梅斯特 -专利权人：巴斯夫欧洲公司
申请日： 2021-03-15 - 公布日： 2022-11-04 - 主分类号： G06V10/26 文献下载
摘要：为了量化作物植物的叶子的生物损害，计算机接收(701A)从特定作物植物拍摄的叶子图像。叶子图像示出特定作物植物的叶子中的至少一个叶子。计算机使用第一卷积神经网络(CNN，262)处理叶子图像以导出分割的叶子图像(422)，该叶子图像(422)是完全示出特定植物的主叶子的连续像素的集合。第一CNN已经由多个叶子注释的叶子图像(601A)训练，其中，叶子图像被注释以识别主叶子(461)。计算机使用第二CNN(272)通过回归处理单叶图像以获得损害程度(432)。
通过卷积神经网络量化植物叶子生物损害

[发明专利]通过分离植物图像并随后操作卷积神经网络来量化对植物的生物损害-CN202180018953.9在审
发明人： A·贝雷亚尔图阿-佩雷斯;A·皮肯鲁伊斯;C·M·斯潘格勒;C·克鲁卡斯;T·艾格斯;R·纳瓦拉-梅斯特;J·埃查扎拉胡盖特 -专利权人：巴斯夫欧洲公司
申请日： 2021-03-05 - 公布日： 2022-10-25 - 主分类号： G06T7/00 文献下载
摘要：在执行计算机实现的方法来量化作物植物叶子的生物损害中，计算机接收植物图像(410)，该植物图像(410)示出作物植物，示出具有茎、枝和叶子的植物的地上部分，以及示出植物位于其上的地面。分割器模块获得分割植物图像，该分割植物图像是在地上部分的轮廓(460A)中示出的像素的连续集合，轮廓(460A)具有部分地示出地面的边缘区域(458)。计算机使用卷积神经网络，该卷积神经网络通过回归对分割植物图像进行处理以获得损害程度，卷积神经网络已经通过处理损害注释的分割植物图像被训练。
通过分离植物图像随后操作卷积神经网络量化生物损害

[发明专利]通过使用由半监督方法获得的训练图像的卷积神经网络估计叶子上的生物对象的数量来量化植物侵染-CN202180014801.1在审
发明人： A·贝里亚图亚佩雷斯;A·皮肯鲁伊斯;A·阿尔瓦雷斯吉拉;J·埃查扎拉胡盖特;T·艾格斯;C·克鲁卡斯;R·纳瓦拉梅斯特;L·戈麦斯萨曼尼洛 -专利权人：巴斯夫欧洲公司
申请日： 2021-02-19 - 公布日： 2022-09-23 - 主分类号： G06V20/10 文献下载
摘要：计算机生成具有注释图像(473)的训练集以训练卷积神经网络(CNN)。计算机接收以第一颜色编码(413‑A)的示出叶子和诸如昆虫的生物对象的叶子图像，将像素的颜色编码改变为第二颜色编码并且从而增强对比度(413‑C)，对以第二颜色编码的像素分配二元值(413‑D)，通过区域大小标准(413‑E)将具有以第一二元值的连续像素的区域区分为非昆虫区域和昆虫区域，采用矩形图块区域(413‑F)识别昆虫区域的像素坐标，以及通过将像素坐标分配给对应的图块区域来注释以第一颜色编码的叶子图像。注释图像然后用于通过估计植物叶子上的诸如昆虫的生物对象的数量来训练用于量化植物侵染的CNN。
通过使用监督方法获得训练图像卷积神经网络估计叶子生物对象数量量化植物

[发明专利]用于确定作物损害的系统和方法-CN202080083637.5在审
发明人： A·贝雷亚尔图阿-佩雷斯;A·皮肯鲁伊斯;J·罗梅罗罗德里格斯;J·M·孔特雷拉斯加拉多;R·奥伯斯特;H·K·S·加德;G·克雷默;C·克鲁卡斯;T·艾格斯;J·埃查扎拉胡盖特;R·纳瓦拉-梅斯特 -专利权人：巴斯夫欧洲公司
申请日： 2020-11-24 - 公布日： 2022-07-19 - 主分类号： G06V20/10 文献下载
摘要：一种用于确定除草剂对农田(10)中的作物植物(11)的影响的计算机实现的方法、计算机程序产品和计算机系统(100)。该系统包括接收图像(20)的界面(110)，该图像(20)具有表示除草剂施用之后农田(10)中的真实世界情况的至少一种作物植物。图像预处理模块(120)将接收的图像(20)重新缩放为与称为第一CNN的第一全卷积神经网络(CNN1)的输入层的大小匹配的重新缩放图像(20a)。训练第一CNN以将重新缩放图像(20a)分割成作物(11)部分和非作物(12，13)部分，并且提供指示具有属于作物表示的像素的重新缩放图像的作物部分(20c)的第一分割输出(20s1)。训练称为第二CNN的第二全卷积神经网络(CNN2)以将所述作物部分分割成具有一个或多个子部分(20n，20l)的第二分割输出(20s2)，每个子部分包括与示出相应的损害类型(11‑1、11‑2)的作物植物的受损部分相关联的像素。损害测量模块(130)基于与第一分割输出(20s1)的作物部分相关的第二分割输出(20s2)的相应子部分，确定每种损害类型(11‑1，11‑2)的至少一种作物植物的损害度量(131)。
用于确定作物损害系统方法

[发明专利]通过提供密度图的卷积神经网络估计诸如叶子的植物部分上的对象数量来量化植物上的对象-CN202080068396.7在审
发明人： A·阿尔瓦雷斯吉拉;A·M·奥尔蒂斯巴雷多;D·罗尔丹洛佩兹;J·罗梅罗罗德里格斯;C·M·斯潘格勒;C·克鲁卡斯;T·艾格斯;J·埃查扎拉胡盖特;R·纳瓦拉梅斯特;A·皮肯鲁伊斯;A·贝里亚图亚佩雷斯 -专利权人：巴斯夫欧洲公司
申请日： 2020-09-29 - 公布日： 2022-05-10 - 主分类号： G06V20/60 文献下载
摘要：通过估计植物(112)的部分(122)上的生物对象(132)的数量来执行量化植物侵染。计算机(202)接收从特定植物(112)拍摄的植物图像(412)。计算机(202)使用第一卷积神经网络(262/272)来导出示出植物的部分的部分图像(422)。计算机(202)将部分图像分割成图块并使用第二网络将图块处理成密度图。计算机(202)以部分图像的尺寸将密度图组合成组合密度图，并将像素值整合到部分的对象的估计数量。可以区分对象类别(132(1)、132(2))以微调量化以识别类别特定的对策。
通过提供密度卷积神经网络估计诸如叶子植物部分对象数量量化

[发明专利]用于植物物种识别的系统和方法-CN202080062373.5在审
发明人： A·皮肯鲁伊斯;M·利纳雷斯德拉普尔塔;C·克鲁卡斯;T·艾格斯;R·奥伯斯特;J·M·孔特雷拉斯加拉多;J·罗梅罗罗德里格斯;H·K·S·加德;G·克雷默;J·埃查扎拉胡盖特;R·纳瓦拉-梅斯特;M·冈萨雷斯圣埃梅特里奥 -专利权人：巴斯夫欧洲公司
申请日： 2020-09-03 - 公布日： 2022-04-12 - 主分类号： G06V20/10 文献下载
摘要：一种用于识别农田中的杂草的计算机实现的方法，计算机程序产品和计算机系统(100)，其使用具有以下模块的拓扑的双任务卷积神经网络(120)：中间模块(121)，其执行与第一损失函数(LF1)相关联的分类任务；以及语义分割模块(122)，其执行与不同的第二损失函数(LF2)相关联的分割任务。考虑到第一和第二损失函数(LF1，LF2)，中间模块和分割模块一起训练。该系统执行包括接收测试输入(91)的方法，该测试输入(91)包括示出农田中的作物物种的作物植物并且示出在所述作物植物中的一种或多种杂草物种的杂草植物的图像；预测存在于相应图块中的一种或多种杂草物种(11，12，13)的存在；将对应的中间特征图输出到分割模块作为分类任务的输出；通过从中间特征图中提取多尺度特征和上下文信息并且将提取的信息串联以执行语义分割，针对每个杂草物种生成掩码作为第二任务的分割输出；以及生成最终图像(92)，该最终图像对于每个像素指示该像素是否属于特定杂草物种，并且如果是则该像素属于哪个杂草物种。
用于植物物种识别系统方法

[发明专利]用于植物疾病检测支持的系统和方法-CN202080048909.8在审
发明人： A·皮肯;M·纳奇曼;M·塞茨;P·蒙克;R·纳瓦拉-梅斯特;A·约翰尼斯;T·艾格斯;A·M·奥尔蒂斯巴雷多;A·阿尔瓦雷斯-吉拉;J·埃查扎拉胡盖特 -专利权人：巴斯夫欧洲公司
申请日： 2020-05-14 - 公布日： 2022-02-18 - 主分类号： G06V20/10 文献下载
摘要：一种用于检测植物疾病的计算机实现的方法、计算机程序产品和计算机系统(100)。该系统存储采用多作物数据集训练的卷积神经网络(120)。卷积神经网络(120)具有扩展拓扑，该扩展拓扑包括基于用于根据植物疾病特定特征对测试输入图像进行分类的分类卷积神经网络的图像分支(121)，用于添加植物物种信息的作物识别分支(122)，以及用于将植物物种信息与每个输入图像集成的分支集成器。植物物种信息(20)在相应的输入图像(10)上指定作物。该系统接收包括示出一种或多种特定植物疾病症状的特定作物(1)的图像(10)的测试输入，并且进一步经由接口(110)接收与测试输入相关联的相应作物标识符(20)。系统的分类器模块(130)将所训练的卷积网络(120)应用于接收的测试输入，并且根据卷积神经网络(120)的输出向量提供分类结果(CR1)。分类结果(CR1)指示与一种或多种特定植物疾病症状相关联的一种或多种植物疾病。
用于植物疾病检测支持系统方法

1
共 9 条