“麦穗”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1048个，建议您升级VIP下载更多相关专利

[发明专利]基于灰度值对比的小麦穗粒计数测量方法及系统-CN202110826470.3在审
发明人：朱旭华;陈渝阳;朱方妍 -专利权人：浙江托普云农科技股份有限公司
申请日： 2021-07-21 - 公布日： 2021-10-01 - 主分类号： G06T7/60 文献下载
摘要：本发明公开一种基于灰度值对比的小麦穗粒计数测量方法，包括获取单只麦穗图像并分离出麦穗主体图像；对麦穗主体图像进行预处理得到第一麦穗轮廓线、第二麦穗轮廓线以及中心线，进行第二预处理得到第一麦穗灰度图和第二麦穗灰度图以及第一麦穗二值化图和第二麦穗二值化图；对第一麦穗的穗粒进行细分以及基于第二麦穗灰度图和第二麦穗二值化图第二麦穗的穗粒进行细分并进行汇总，得到新麦穗细分二值图；再得到单只麦穗的穗粒定位详情，进而对麦穗穗粒计数。基于本发明对比麦穗与麦穗间缝隙的灰度值来判断麦穗穗粒的个数，能极大地保留了原图的信息，减少漏识别与误识别。在实际测试过程中测试时间短，精确度高，测试效果良好。
基于灰度对比麦穗计数测量方法系统

[发明专利]大田环境麦穗计数方法及装置-CN201510719660.X在审
发明人：马钦;范梦扬;刘峻明;朱德海;王越;张亚;张帆;崔雪莲 -专利权人：中国农业大学
申请日： 2015-10-29 - 公布日： 2016-03-23 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种大田环境麦穗计数方法及装置，该方法包括获取待测区域内的麦穗图像；提取所述麦穗图像的麦穗特征信息；根据所述麦穗特征信息获取二值化图像；将所述二值化图像进行细化处理，得到麦穗骨架图像；根据所述麦穗骨架图像确定麦穗骨架数量及麦穗骨架拐点数量，并将所述麦穗骨架数量及麦穗骨架拐点数量之和作为麦穗数量。本发明可以实现小麦麦穗计数的无损测量，具有经济效益高、客观、准确、快速等优点，对小麦长势监测、产量估算等方面具有十分重要的意义。
大田环境麦穗计数方法装置

[发明专利]一种麦穗计数方法、装置及自行走小车-CN202010918023.6在审
发明人：马韫韬;董奇宙;刘云玲 -专利权人：中国农业大学
申请日： 2020-09-03 - 公布日： 2020-12-22 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例提供一种麦穗计数方法、装置及自行走小车，该方法包括：获取目标区域麦穗图像；将所述目标区域麦穗图像输入到训练好的麦穗计数模型中，输出得到所述目标区域麦穗图像对应的麦穗密度图，以根据所述麦穗密度图得到所述目标区域麦穗图像中的麦穗数量；所述训练好的麦穗计数模型是由具有麦穗标记的样本区域麦穗图像和对应的麦穗密度图，通过改进和新设计的人群计数卷积神经网络训练得到的。本发明实施例通过将应用于密集人群计数领域的计数算法，即多列卷积神经网络和空洞卷积神经网络应用于麦穗计数研究，提高了麦穗计数模型的精确度和效率。
一种麦穗计数方法装置行走小车

[发明专利]基于YOLOv5改进的麦穗检测计数方法-CN202310210576.X在审
发明人：陈鹏;张波;章军;夏懿;张明年;庞春晖;王俊峰;杜健铭;王儒敬 -专利权人：中科合肥智慧农业协同创新研究院
申请日： 2023-03-07 - 公布日： 2023-05-23 - 主分类号： G06V20/17 文献下载
摘要：本发明涉及一种基于YOLOv5改进的麦穗检测计数方法，包括：获取小麦麦穗图像并进行预处理，得到小麦麦穗图像数据集；构建小麦麦穗检测识别模型；将卷积注意力模块和加权特征融合模块加入小麦麦穗检测识别模型中；将训练集输入改进后的小麦麦穗检测识别模型进行训练；获取待识别的小麦麦穗图像，将待识别的小麦麦穗图像输入训练好的小麦麦穗检测识别模型中，得到小麦麦穗图像检测计数结果。本发明采用改进的小麦麦穗检测识别模型，改进的小麦麦穗检测识别模型检测结果较好，改进的小麦麦穗检测识别模型对小麦的检测精确度明显提高；根据实验训练精度和检测结果，本发明可以有效解决小麦图像中存在的遮挡重叠问题，实现麦穗的准确检测和计数。
基于 yolov5 改进麦穗检测计数方法

[发明专利]一种基于多角度田间高清成像的小麦赤霉病检测方法-CN201911033059.X有效
发明人：张东彦;尹勋;梁栋;陈雨;杨玉莹;杜世州;黄林生;赵晋陵 -专利权人：安徽大学
申请日： 2019-10-28 - 公布日： 2022-03-04 - 主分类号： G01N21/88 文献下载
摘要：本发明特别涉及一种基于多角度田间高清成像的小麦赤霉病检测方法，包括如下步骤：(A)将疏松架放置在田间待检测区域，让麦穗从疏松架的网格孔中穿过；(B)启动拍摄单元，采集M张多个角度的麦穗图像；(C)对M张麦穗图像进行处理，识别图像中的麦穗以及该麦穗对应的网格，得到每张麦穗图像中每株麦穗的麦穗区域和染病区域，以此计算出麦穗的病害严重度；(D)计算第n个麦穗病害严重度均值。通过多角度拍摄，可以避免某个角度下麦穗因遮挡而导致的结果不准确现象，为了匹配多角度图片中相同的麦穗，这里通过疏松架对麦穗进行分割，保证后续麦穗匹配的准确度和处理速度，同时还能让麦穗更整齐，拍摄的图片处理效果更佳
一种基于角度田间成像小麦赤霉病检测方法

[发明专利]一种基于Faster R-CNN的小麦穗数识别方法、系统和介质-CN202111589730.6在审
发明人：肖永贵;李磊;杨梦娇;穆哈默德艾迪尔·哈森;韩志国;夏先春;何中虎 -专利权人：中国农业科学院作物科学研究所
申请日： 2021-12-23 - 公布日： 2022-04-01 - 主分类号： G06T7/00 文献下载
摘要：本发明属于智能生物技术领域，涉及一种基于Faster R‑CNN的小麦穗数识别方法、系统和介质，包括：提取不同家系麦穗冠层图像，并在图像中的麦穗进行标定，获得各个麦穗对应的标签；将麦穗的图像和标签输入ResNet网络模型中进行特征提取，获得麦穗的特征图，并根据麦穗轮廓建立对应的候选框；通过特征图对Faster R‑CNN模型进行训练，获得最优的麦穗识别模型；将待测麦穗图像输入麦穗识别模型，获得与各个麦穗对应的候选框；统计候选框的个数，从而获得小麦麦穗数。其能够对小麦进行准确的QTL定位，能够准确对具有高重叠特点的小麦穗数的小麦进行识别，有望为小麦分子育种种产量相关表型鉴定提供高通量分析工具。
一种基于 faster cnn 麦穗识别方法系统介质

[发明专利]一种Adaboost与NCC相结合的完整麦穗识别方法及系统-CN201710434025.6在审
发明人：孔斌;王宁;徐海明;杨静;李伟;王儒敬;王灿 -专利权人：中国科学院合肥物质科学研究院
申请日： 2017-06-09 - 公布日： 2017-11-24 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种Adaboost与NCC相结合的完整麦穗识别方法，包括以下步骤S1、设置完整麦穗模版，并设置相似阈值；S2、获取麦穗样本，并通过rotation&uniform invariant LBP提取麦穗样本纹理特征；S3、对麦穗样本纹理特征使用Adaboost训练分类器；S4、通过分类器对获取的小麦图像进行麦穗识别，提取完整麦穗的候选目标；S5、将候选目标逐一与完整麦穗模版进行NCC相似性分析，根据相似度与相似阈值的比较结果从候选目标中提取完整麦穗目标并输出。通过本发明，可得到完整的麦穗目标，以便达到能够使用麦穗目标进行麦穗粒数等性状参数计算的目的。
一种 adaboost ncc 相结合完整麦穗识别方法系统

[发明专利]一种麦穗性状分析方法、装置、设备和存储介质-CN202310180927.7在审
发明人：蒋霓;郑树松;杨凌杰;鲁任翔;孙孚俊;陈煜宁 -专利权人：中国科学院遗传与发育生物学研究所
申请日： 2023-02-16 - 公布日： 2023-05-09 - 主分类号： G06T7/00 文献下载
摘要：本发明实施例公开了一种麦穗性状分析方法、装置、设备和存储介质，其中，方法包括：获取待处理正视麦穗图像，并对所述待处理正视麦穗图像进行图像预处理得到至少一个单麦穗图像；将所述单麦穗图像输入到经过预训练的籽粒识别模型，得到所述单麦穗图像中麦穗的各识别籽粒位置信息；基于所述各识别籽粒位置信息进行统计分析，得到所述单麦穗图像中麦穗的小穗数量分析结果和籽粒数量分析结果。本发明实施例的技术方案解决了现有技术中对麦穗性状进行分析时主要依赖于人工测量，测量效率和测量准确度低的问题，可以自动对麦穗性状进行分析，提高麦穗性状分析的效率和准确度。
一种麦穗性状分析方法装置设备存储介质

[发明专利]基于深度学习的无人机影像麦穗识别方法-CN202110677003.9有效
发明人：张小虎;赵健清;张羽;严佳炜;邱小雷;姚霞;田永超;朱艳;曹卫星 -专利权人：南京农业大学
申请日： 2021-06-18 - 公布日： 2021-12-21 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于深度学习的无人机影像麦穗识别方法，通过将无人机测试影像输入至麦穗识别模型识别出麦穗信息，所述识别模型的构建包括：S1、数据采集步骤；S2、数据处理步骤；S3、构建适用于无人机影像麦穗识别网络，对所述无人机影像数据进行训练，得到麦穗识别模型；S4、利用训练好的麦穗识别模型对无人机影像中的待检测麦穗进行识别，融合麦穗识别模型的检测框，得到识别结果；其特征在于S3构建多尺度网络特征架构，通过多尺度检测层提取麦穗特征，增强网络对小尺寸麦穗特征的提取能力；基于交并比计算检测层的置信度损失权重，提高小尺寸麦穗特征对网络的贡献。本发明提出的方案具有检测小尺寸密集麦穗影像的优点，很好解决了麦穗识别的技术困境。
基于深度学习无人机影像麦穗识别方法

[发明专利]一种基于图像识别的麦穗粒数计算的方法及系统-CN201510908234.0在审
发明人：孔斌;王宁;徐海明;李伟;王儒敬;宋良图 -专利权人：中国科学院合肥物质科学研究院
申请日： 2015-12-07 - 公布日： 2016-05-11 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于图像识别的麦穗粒数计算的方法，包括以下步骤：S1、获取麦田图像，并对麦田图像进行灰度处理；S2、根据麦田图像截取麦穗图像，并将麦穗图像竖直排列，每一个麦穗图像仅包含一棵麦穗；S3、设置经验阈值；S4、计算麦穗图像的纹理特征，并根据经验阈值对麦穗图像进行分割，获得分割图像，分割图像中，麦穗粒与背景区别显示；S5、根据分割图像统计麦穗粒数。本发明根据实时获取的图像截取的麦穗图像，然后自动计算麦穗的粒数，为小麦产量估计提供了一种更快速的、智能的方法，有利于更精确地对小麦的产量进行估计，更清楚的了解小麦生长情况。
一种基于图像识别麦穗计算方法系统

[发明专利]一种基于卷积神经网络的小麦麦穗赤霉病识别方法及系统-CN202111277730.2在审
发明人：陈鹏;马子涵;章军;王兵;夏懿;张东彦;黄林生;赵晋陵;梁栋 -专利权人：安徽大学
申请日： 2021-10-29 - 公布日： 2022-03-15 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于卷积神经网络的小麦麦穗赤霉病识别方法，包括：获取待识别麦穗图片；将所述待识别麦穗图片输送至分割网络模型中，得到麦穗分割结果图；将所述麦穗分割结果图输送至可视化模块中进行显示。本申请解决了现有技术中需要在纯背景或者受控环境下才能进行麦穗图片处理和机器学习的技术问题，实现了可以适应不同环境下的麦穗图像处理，实现了对小麦麦穗赤霉病的有效准确分割，以提高对小麦麦穗赤霉病识别的环境适应能力和精准度
一种基于卷积神经网络小麦麦穗赤霉病识别方法系统

[发明专利]基于改进YoloV4的田间小麦赤霉病发生程度评估方法-CN202111452227.6在审
发明人：张东彦;罗瀚森;李威风;严海峰;谷春艳;杜世州 -专利权人：安徽大学;安徽黄鹄电子信息技术有限公司
申请日： 2021-12-01 - 公布日： 2022-03-01 - 主分类号： G06V20/40 文献下载
摘要：本发明涉及一种基于改进YoloV4的田间小麦赤霉病发生程度评估方法，包括如下步骤：S100、拍摄观测区群体麦穗图像；S200、利用训练好的改进YoloV4目标检测网络模型对观测区群体麦穗图像进行检测并获得单个麦穗图像；S300、统计麦穗个数得到麦穗总数，同时对单个麦穗图像进行特征提取和随机森林分类并统计患病麦穗个数；S400、根据麦穗总数和患病麦穗个数计算群体麦穗的病穗率，按照国家相关标准得到该群体麦穗的赤霉病发生程度本方法提高了小麦赤霉病发生程度的预测精度，且能够在复杂条件下使用，无需辅助设备或材料，拥有良好的泛用性，有效解决了拍摄角度导致的麦穗遮挡而无法检测的情况，目标检测网络模型的检测精度也得到提高，缩短了模型训练时间
基于改进 yolov4 田间小麦赤霉病发生程度评估方法

[发明专利]小麦矮杆与穗形圆长粒多的培育方法-CN201110384812.7无效
发明人：谷永玲;张广武;谷继超;张文信;师国强;刘学军;郭广领 -专利权人：谷永玲;张文信
申请日： 2011-11-22 - 公布日： 2013-06-05 - 主分类号： A01G1/00 文献下载
摘要：本发明涉及一种培育选种麦穗层数的培育方法，其培育方法为：由下列各麦穗的层数选穗，按麦穗麦子的颗粒千粒重称制而成；9层麦穗麦子千粒重9份、10层麦穗麦子千粒重10份、11层麦穗麦子千粒重11份、12层麦穗麦子千粒重12份、13层麦穗麦子千粒重13份、14层麦穗麦子千粒重14份、15层麦穗麦子千粒重15份、16层麦穗麦子千粒重16份。本发明的目的是做样实现的豫东130，颗粒、千粒重称制而成：豫东130有麦穗16层之优点。具有本品种的基因变异形状表现优于原有品种之特点。它具有麦苗整齐、油绿、叶茂、色正、深墨绿旺盛成长之独优。
小麦穗形圆长粒多培育方法

[发明专利]玉东吨麦特号及其培育方法-CN201110075079.0无效
发明人：于从海 -专利权人：于从海
申请日： 2011-03-28 - 公布日： 2011-10-05 - 主分类号： A01G1/00 文献下载
摘要：本发明涉及一种培育选种麦穗的层数培育而玉东吨麦特号及其培育方法，其培育方法为：由下列各麦穗的层数选穗，按麦穗的千粒重称制而成：15层麦穗麦子千粒重15份、16层麦穗麦子千粒重16、17层麦穗麦子千粒重17份、18层麦穗麦子千粒重18份、19层麦穗麦子千粒重19份、20层麦穗麦子千粒重20份、21层麦穗麦子千粒重21份、22层麦穗麦子千粒重22份。具有麦穗22层之优点，有具有每层8粒籽粒饱满之优势。特具有杆粗节硬不到付千粒重之特点。具有每穗、小麦每层8粒，每穗小麦22层，196粒籽粒饱满之独做。威特具有亩产吨麦丰产之独特。
玉东吨麦特号及其培育方法

[发明专利]综合麦穗正反面病情的小麦赤霉病检测方法及装置-CN201910414797.2在审
发明人：张东彦;尹勋;梁栋;王道勇;梁洪弋;陈雨;杜世州;黄林生 -专利权人：安徽大学
申请日： 2019-05-18 - 公布日： 2019-09-06 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及特别涉及一种综合麦穗正反面病情的小麦赤霉病检测方法，包括以下步骤：采集麦穗的正面图像和反面图像；对麦穗的正面图像和反面图像分别进行处理，得到正面图像中麦穗面积S₁₁和病斑区域面积S₁₂以及反面图像中麦穗面积S₂₁和病斑区域面积S₂₂；(C)按如下公式计算麦穗的病斑面积和麦穗面积比值：R＝(S₁₂+S₂₂)/(S₁₁+S₂₁)；(D)根据比值R以及国家标准对麦穗进行病害分级；并公开了对应的检测装置。相较于以往的单面检测而言，本发明通过对正反两面的麦穗进行分割，并计算正反两面的麦穗面积和病斑面积，把正反两面的病害面积和麦穗面积线性相加，最后，计算病害面积与麦穗面积的比值，划分病害等级，为植保人员调查病情和精准施药防治病害提供更加可靠的技术支持
麦穗病斑病害反面图像正反两面正面图像面积和小麦赤霉病正反面检测病害分级公式计算技术支持检测装置比值R 施药相加植保采集分割防治调查

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 1048 条