公共文化服务平台

金秀: 作品数：110 被引量：150H指数：7; 供职机构：安徽农业大学更多>>; 发文基金：引进国际先进农业科技计划国家自然科学基金安徽省教育厅教学研究项目更多>>; 相关领域：自动化与计算机技术农业科学理学文化科学更多>>

合作作者

一种田间智能机器人及其工作方法: 本发明适用于智能机器人技术领域，尤其涉及一种田间智能机器人，所述田间智能机器人包括：移动平台，用于带动所述机器人移动；多目标识别测距模块，用于采集田间图像信息；控制器，用于接收所述田间图像信息，根据所述田间图像信息识别田...; 李绍稳张乐李志强孟余耀傅雷扬金秀

一种多模态果实感知系统、装置及存储介质: 本发明公开了一种多模态果实感知系统、装置及存储介质，属于计算机视觉技术领域。针对现有技术中存在的果实感知模型在弱光环境下感知效果不佳的问题，本发明通过多角度采集果实植株视频流数据，构建多模态果实图像数据集，将多模态视觉数...; 陈文骏饶元王坦王玉伟王丰仪徐峰金秀张雨柳迎春张武

小麦赤霉病害高光谱时序与敏感特征研究: 采用高光谱成像光谱仪OKSI,连续观测了健康未发病、具有发病趋势和发病小麦麦穗的时序高光谱,分析了小麦赤霉病病害光谱的时序一致性、敏感时期和敏感特征。结果表明：与健康小麦相比,具有赤霉病病害小麦麦穗时序光谱差异较大,健康...; 王帅李绍稳金秀王文才

基于虚拟数据和旋转目标检测分析的大豆豆荚表型参数测量方法: 2024年; 为解决传统大豆考种过程中人工测量大豆豆荚表型参数耗时费力的问题以及现有的自动化测量方式存在的人工数据标注需求量大、环境适应能力弱、计算代价高等问题,本研究提出一种基于虚拟数据集生成和旋转目标检测分析的豆荚关键表型参数自动化测量方法,重点关注荚长和荚宽的测量。该方法基于YOLOv7-tiny提出一种改进的豆荚检测模型(CSL-YOLOv7-tiny),通过引入环形平滑标签使模型获得对旋转目标的检测能力,提升对无序摆放的狭长豆荚目标检测的质量。为避免人工标注训练数据,采用虚拟图像生成方法得到含标注信息的虚拟豆荚数据集和虚拟硬币与豆荚混合数据集。利用迁移学习策略,将模型从虚拟豆荚数据集迁移至虚拟硬币与豆荚混合数据集,积累模型对豆荚特征的提取能力。设计一种基于K-均值聚类的后处理方法,对检测到的旋转边界框进行分析,得到荚长和荚宽,以减少拍摄环境差异带来的测量误差。试验结果表明,在无任何训练数据标注的条件下,使用虚拟图像训练的CSL-YOLOv7-tiny对硬币和豆荚目标检测的最优mAP_(0.50)和mAP_(0.50∶0.95)分别达到了99.3%和78.0%,其模型大小和推理时间分别仅为12.92 MB和12.5 ms,荚长和荚宽测量的决定系数(R^(2))分别达到了0.94和0.86,与实际测量均值分别仅相差0.42 mm和0.02 mm。此外,通过对本研究提出的方法进行对比分析,验证了其在模型训练、轻量化部署以及不同考种环境适应能力上的优势。研究结果可为大豆豆荚表型参数的自动化、智能化测量系统的研发提供参考,为加速优质高产大豆的选育进程提供支撑。; 吴康磊金秀饶元饶元王晓波李佳佳王晓波; 关键词：虚拟数据

一种基于多模态数据融合的目标检测方法以及基于目标检测模型的在体果实采摘方法: 本发明公开了一种基于多模态数据融合的目标检测方法以及基于目标检测模型的在体果实采摘方法，属于智能检测技术领域。一方面目标检测模型的训练方法中，利用深度相机获取自然环境下在体果实的多模态视觉数据，引入坐标注意力机制增强特征...; 饶元束雅丽罗庆金秀江朝晖张武张筱丹

一种田间智能机器人: 本实用新型适用于智能机器人技术领域，尤其涉及一种田间智能机器人，所述田间智能机器人包括：移动平台，用于带动所述机器人移动；多目标识别测距模块，用于采集田间图像信息；控制器，用于接收所述田间图像信息，根据所述田间图像信息识...; 李绍稳张乐李志强孟余耀傅雷扬金秀; 文献传递

土壤速效磷成像和非成像高光谱预测的对比研究: 本文对成像和非成像高光谱数据进行对比分析，验证成像高光谱数据在土壤速效磷预测上的可行性。利用成像光谱仪和地物光谱仪获取经处理后的土壤光谱信息，比较两高光谱数据在450-850 nm的光谱曲线特征;对两高光谱数据进行预处理...; 王文才李绍稳齐海军金秀王帅; 关键词：速效磷

基于Faster R-CNN深度网络的油菜田间杂草识别方法被引量：32: 2020年; 为自动识别油菜田间的杂草,提出基于Faster R-CNN深度网络的油菜田间杂草识别方法,利用COCO数据集的深度网络模型进行迁移训练。首先,以自然环境条件下的油菜与杂草图像为样本,利用Faster R-CNN深度网络模型共享卷积特征,对比VGG-16、ResNet-50和ResNet-101这3种特征提取网络的结果;该方法还与采用3种相同特征提取网络的SSD深度网络模型进行对比。结果表明,基于VGG-16的Faster R-CNN深度网络模型在油菜与杂草目标识别中具有明显的优势,其油菜与杂草的目标识别精确度可达83.90%,召回率达到78.86%,F1值为81.30%。该深度学习方法能够有效实现油菜与杂草目标的准确、高效识别,为多类型杂草目标识别的研究提供了参考。; 张乐金秀傅雷扬李绍稳; 关键词：机器视觉 FASTER 目标识别

一种基于深度学习的传感器漂移校准方法、电子设备及存储介质: 本发明公开了一种基于深度学习的传感器漂移校准方法、电子设备及存储介质，属于传感器校准技术领域。该方法采用数据增广方法扩充数据样本，为传感器漂移校准提供了数据保障，所提出的传感器漂移校准方法包括漂移特征提取和漂移校准两个部...; 饶元王文金秀李绍稳朱军梁惠; 文献传递

基于动态时间弯曲的马铃薯干腐病发病期时序高光谱诊断方法被引量：6: 2018年; 本实验针对马铃薯干腐病潜育期到发病期的诊断方法进行研究,利用时序高光谱对病害发生过程中的病症特征进行分析和提取,并基于时序性特征采用动态时间弯曲(dynamic time warping,DTW)聚类算法对时序关键点进行分析,即对发病期初始点进行诊断。本研究在数据预处理中使用图像阈值分割算法提取动态感兴趣区域,利用概率密度比算法剔除病害光谱异常值,在对比病症的光谱与外观后,发现马铃薯干腐病的光谱具有非单调性特征,再基于该非单调性特征使用高斯核函数的主成分权重系数法进行光谱特征提取。最后基于病害特征,利用模糊聚类方法判定时序关键点,其结果正确率仅为66.7%;针对特征时序性再利用DTW聚类算法判定时序关键点,其结果正确率达94.4%。本实验研究表明基于DTW的时序高光谱诊断方法能对马铃薯干腐病发病期进行有效诊断。; 金秀齐海军李绍稳; 关键词：马铃薯干腐病模糊聚类动态时间弯曲

金秀

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

金秀

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈