本发明公开了一种基于非完全更新超图的茶叶病害检测系统，包括以下步骤：采集茶叶病害叶片图像并进行预处理；对图像进行特征提取，通过通道切片模块构成节点集；采用基于非完全更新超图的检测网络实现茶叶病害检测，分别构建包含特征高阶关系的两种尺度超图，节点更新选取与待更新节点关联性最强的前K组节点组及超边参与更新，通过超边聚合并连接原本节点信息，实现节点更新；融合多尺度超图茶叶病害特征，最终将检测结果通过交互式界面显示。本发明涉及图像目标检测领域，该种基于非完全更新超图的茶叶病害检测系统，解决了现有方法难以建立通道特征间高阶关系的局限性，提高了对茶叶病害识别的准确性。
📄 2025117298571
📂 G06V20_10
👤 安徽大学
📅 2025-11-24
本发明涉及一种用于茶叶病害的识别方法，包括如下步骤：步骤一、数据预处理：采集茶叶病害图像数据，将每一幅包含多个病害和背景噪声的图片进行裁剪，将所拍摄到的图片裁剪成单个病害叶片为一幅图像；步骤二、构造最优小样本图网络模型并训练模型：首先将茶叶病害图像嵌入成特征向量，然后将每个特征向量作为茶叶病害图像的双域节点初始化图，根据构建好的双域节点初始化图进行图的更新优化，最优小样本图网络模型包含自下而上推理、自上而下推理和跳跃连接三个部分；步骤三、对图像进行茶叶病害图像识别。本发明减少人为识别病害耗费的人力物力，使用智能识别技术进行茶叶病害识别。
📄 2023105589257
📂 G06V10_44
👤 安徽大学
📅 2023-05-18
本发明公开一种支持精准检查的医疗共享云存储文件审计方法，其步骤包括：1，系统初始化步骤；2，用户私钥生成步骤；3，外包文件加密步骤；4，安全索引生成步骤；5，文件验证标签生成步骤；6，文件访问授权步骤；7，审计挑战生成步骤；8，审计证据验证步骤。本发明利用基于身份的密文转换技术实现医疗领域中存储在云服务器中的诸如个人电子病历的隐私数据共享给其他医疗专家访问，并且通过基于关键字的审计方法对云服务器上的存储数据进行完整性检查，从而能保证在对云服务器上存储的数据的使用安全性。
📄 202210921836X
📂 H04L9_30
👤 安徽大学
📅 2022-08-02
本发明公开了一种VANET中面向紧急救援场景的道路规避方法，是应用于由监测中心、若干个车辆用户、若干个路侧单元和若干个紧急救援车辆所组成的系统中，其步骤包括：1系统初始化、实体注册、紧急路况信息报告、规避消息分发与接收；2在紧急路况消息上报过程，车辆采用收敛加密密钥对其加密，从而路侧单元可在转发过程中根据消息密文过滤重复消息；3监测中心采用基于身份的广播加密方案将规避消息广播给车辆，消息可在公开信道传播并且能避免一对多通信中的冗余加密操作。本发明能在保护紧急路况信息上报车辆用户隐私的同时，减少上报过程的冗余传输操作与监测中心冗余加解密操作，保障救援任务的及时完成，减少人员伤亡与财产损失。
📄 202210921829X
📂 H04W4_48
👤 安徽大学
📅 2022-08-02
本发明公开了一种基于联邦模型蒸馏的混合隐私保护图像分类方法，其步骤包括：1客户端预训练本地神经网络；2中心服务器获取公共数据集并随机采样，然后下发至客户端；3客户端对下发数据进行预测；4客户端对预测结果进行范数裁剪并随机拆分为预测分片，按照编号发送给对应客户端；5客户端聚合预测分片得到混淆预测并上传中心服务器；6中心服务器聚合混淆预测并添加噪声后得到全局预测，然后下发至客户端；7客户端利用全局预测蒸馏训练本地神经网络，然后再复习训练本地神经网络；8客户端利用本地神经网络进行图像分类。本发明基于联邦模型蒸馏算法，利用秘密共享思想和差分隐私技术，实现了隐私保护的图像分类。
📄 2022104810801
📂 G06V10_764
👤 安徽大学
📅 2022-05-05
本发明公开了一种基于多特征分段式训练的茶叶病害分类系统，包含以下阶段：第一阶段、数据预处理；第二阶段、最优网络训练；第三阶段、图像分类功能；所述的第一阶段、数据预处理包括病害图片的裁切和数据的扩充两步；所述的第二阶段、最优网络训练包括数据划分和特征学习网络迭代训练两步本发明通过深度学习的方法设计了一种茶叶病害特征学习网络对茶叶病害数据进行训练，然后及那个已训练好的网络模型进行迁移，将最终的茶叶病害分类智能化，并且排除人为主观因素，使得到的结果较好。
📄 2021101411684
📂 G06K9_62
👤 安徽大学
📅 2021-02-01
本申请提供了茶叶病害的检测方法及相关装置，用于对茶叶进行检测，所述方法包括：将待测茶叶图像输入至茶叶病害检测模型，以得到待测茶叶图像的病害检测结果。其中，用于训练茶叶病害检测模型的深度学习模型包括BackBone单元、Neck单元和Head单元，BackBone单元添加有RFB模块，Neck单元添加有二维混合注意力模块，该二维混合注意力模块分为上下两个并行分支，它是由上分支的通道注意力子模块、空间注意力子模块和下分支的坐标注意力子模块混合而成。另外，采用无人机拍摄得到的遥感数据进行超分辨率重建，制作得到训练集。在茶叶病害检测模型中使用了平均精度更高、检测速度更快的单元和模块，定位到需要注意的茶叶病害位置，解决传统检测方法耗时耗力和漏检误检的问题。
📄 2022108683078
📂 G06V20_13
👤 安徽大学
📅 2022-07-22
本发明涉及一种渐进式双解耦的SAR辅助遥感影像厚云去除方法，所述方法包括以下步骤：获取厚云遮挡光学遥感影像、无云参考影像和SAR影像三元数据集；构建渐进式双解耦的SAR辅助遥感影像厚云去除模型；训练渐进式双解耦的SAR辅助遥感影像厚云去除模型；待厚云去除的厚云遮挡光学遥感影像及对应SAR影像数据的获得及预处理；光学遥感影像厚云去除结果的获得。与现有技术相比，通过构建SAR和光学影像渐进式融合模块，充分利用两种模态间的互补信息，加强对光学影像缺失信息的补充和对SAR影像中噪声、形变的抑制。同时本发明设计的频域和空域双解耦特征处理架构，使得去云影像在光谱信息和结构信息的保持上均表现优异。
📄 2023117040912
📂 G06T5_73
👤 安徽大学
📅 2023-12-12
本发明涉及一种基于域知识库的多源域泛化的云和云阴影检测方法，所述方法包括以下步骤：基于域知识库的多源域泛化的云和云阴影检测准备工作、构建与训练基于域知识库的多源域泛化的云和云阴影检测模型、对基于域知识库的多源域泛化的云和云阴影检测模型测试和求解。与现有技术相比，通过基于域知识库的多源域泛化的云和云阴影检测网络，本发明解决了现有云和云阴影检测任务中由于数据量局限以及域差异导致的难以将源训练模型推广至目标数据集的问题，实现了一个可以适应到其他卫星域的较好泛化能力的模型。
📄 2023115311178
📂 G06T7_00
👤 安徽大学
📅 2023-11-16
本发明涉及一种融合时空频信息的非均匀遥感视频影像去雾方法，所述方法包括以下步骤：获取合成有雾遥感视频影像数据集；构建融合时域、空域和频域信息的非均匀遥感视频影像去雾模型；非均匀遥感视频影像去雾模型训练；待去雾真实遥感视频影像数据获取；待去雾真实遥感视频影像去雾结果的获取。与现有技术相比，通过构建帧间三维卷积时空特征聚合模块，能够有效利用遥感视频影像数据连续帧间的相似信息，挖掘时空特征，提高图像恢复的质量，同时本发明结合频域分析的方法进行帧内去雾，充分考虑影像低频信息和高频信息的差异，均衡影像全局亮度、对比度、颜色信息和恢复局部细节纹理。
📄 2023114259985
📂 G06T5_73
👤 安徽大学
📅 2023-10-30
本发明涉及一种结合CNN和Transformer的渐进式学习梯度的弱监督云检测方法，所述方法包括以下步骤：结合CNN和Transformer的渐进式学习梯度的弱监督云检测准备工作、构建与训练结合CNN和Transformer的渐进式学习梯度的弱监督云检测模型、对结合CNN和Transformer的渐进式学习梯度的弱监督云检测模型测试和求解。与现有技术相比，通过构建结合CNN和Transformer的渐进式学习梯度的两阶段云检测网络，通过显式地引入梯度信息，使云检测网络学习到云和类云地物在梯度上的差别，从而解决云和类云地物的错分和误判问题。同时，通过构建具有主动学习策略的弱监督结构，使用最小化的具有代表性的数据标签实现准确的云检测。
📄 2023107642342
📂 G06V20_13
👤 安徽大学
📅 2023-06-25
本发明涉及应用SAR影像提升国产光学卫星影像无控几何质量方法及系统，与现有技术相比解决了稳健提升国产光学卫星无控几何定位精度。本发明包括以下步骤：构建附加太阳高度角变量的无控几何定位误差补偿模型；应用SAR影像提升国产光学卫星影像无控几何质量准备工作；应用从SAR影像中提取的参考数据对无控几何定位误差补偿模型系数进行求解。本发明提出一种对影响国产光学卫星无控几何质量的热稳定性误差进行补偿方法及系统，对影响无控几何定位误差根本原因进行建模，形成可操作性的无控几何质量提升途径，进而有效提升国产光学卫星影像的无控几何质量。
📄 2022105035105
📂 G06T5_00
👤 安徽大学
📅 2022-05-09
柿子坊 · 知识产权运营
柿子坊知识产权运营平台