专利交易市场

本发明提供了一种基于深度学习的羊只生命特征识别方法，该方法包括：确定研究的羊只生命特征，制作羊只生命特征数据集，构建羊只生命特征识别模型，基于羊只生命特征数据集对羊只生命特征识别模型进行训练，基于羊只生命特征数据集对训练后的羊只生命特征识别模型进行性能评估，输出羊只生命特征识别结果。本发明能够实现羊只生命特征识别，且参数量和计算量小于其他广泛使用的目标检测网络模型，综合精度高于其他目标检测网络模型，可广泛应用于人工智能与畜牧业的交叉领域。

本发明公开了一种基于CNN和ViT的时间序列遥感影像农作物分类方法，属于遥感影像农作物分类技术领域。首先，获取时间序列遥感影像数据并构建标准化数据集。其次，采用CNN提取影像局部空间特征，增强模型对空间细节的感知能力。随后，引入动态时间位置编码和静态空间位置编码，结合Transformer模块建模时间维度的帧间动态变化和空间维度的特征交互关系，生成统一的时空联合特征表示。最后，通过像素级分割头将时空特征映射为类别概率分布，生成完整的分类结果图，实现农作物种植类别的精准预测。本发明通过结合CNN的局部特征提取能力和Transformer的全局特征建模能力，引入时空位置编码，有效捕捉时间与空间特征，显著提升了时序遥感影像农作物分类的精度和效率。

本发明公开了一种基于深度学习与深度信息融合的葡萄采摘方法，包括采集葡萄的图片。本方法为了在获取葡萄采摘点的过程中，减少背景对图像处理的干扰，使图像处理结果更加准确，在轮廓检测的过程中引入深度信息，通过比较深度信息对葡萄目标点进行标记，再根据标记点的值转化为二值图，结合canny算法，减少了环境相近颜色及背景信息的干扰，提升了轮廓检测的准确性；由于葡萄的ROI区存在葡萄及少许背景信息，因此采用葡萄轮廓内的深度计算方法代替用ROI区内所有深度值的平均值来推测果梗所在深度区间的方法，所获得的深度区间更小，可排除的背景信息更多，受到的环境干扰更少，结果更加准确，且只需对葡萄进行检测，无需对果梗检测，降低硬件的要求。

本发明公开了一种基于深度学习的柑橘病虫害智能诊断方法及系统，该方法的步骤：步骤1：基于专家经验建立黄龙病、炭疽病、溃疡病、黑星病、砂皮病和疮痂病这6类柑橘病害的图像数据集；步骤2：使用五种数据增强的方法扩充训练集和测试集；利用增强后的训练集和验证集对简化的DenseNet网络进行训练，保存模型至系统中；利用测试集对模型的性能进行评价。步骤3：在微信小程序的基础上建立了柑橘病诊断系统，用户通过手机使用小程序拍照/上传图像，通过上传的训练好的卷积网络模型进行诊断，再返回智能诊断结果及病虫害防治建议给用户，实现柑橘病虫害智能诊断。