CN110674799B - 一种基于图像处理的植物提取参数设置系统 - Google Patents

一种基于图像处理的植物提取参数设置系统 Download PDF

Info

Publication number
CN110674799B
CN110674799B CN201911117833.5A CN201911117833A CN110674799B CN 110674799 B CN110674799 B CN 110674799B CN 201911117833 A CN201911117833 A CN 201911117833A CN 110674799 B CN110674799 B CN 110674799B
Authority
CN
China
Prior art keywords
plant
image
extraction
module
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911117833.5A
Other languages
English (en)
Other versions
CN110674799A (zh
Inventor
谭继武
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Nuanyangyi Technology Co ltd
Original Assignee
Nanchang Woody Medical Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanchang Woody Medical Technology Co ltd filed Critical Nanchang Woody Medical Technology Co ltd
Priority to CN201911117833.5A priority Critical patent/CN110674799B/zh
Priority to CN202111484337.0A priority patent/CN114140693A/zh
Publication of CN110674799A publication Critical patent/CN110674799A/zh
Application granted granted Critical
Publication of CN110674799B publication Critical patent/CN110674799B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

一种基于图像处理的植物提取参数设置系统,包括植物称重模块、图像采集模块、控制器、植物提取模块和智能控制终端,所述植物称重模块用于对待提取的植物进行称重,并将获取的植物重量输入控制器,所述图像采集模块用于对正在称重的植物进行图像采集,并将采集得到的植物图像传输至智能控制终端,所述植物提取模块用于对称重后的植物中的有效成分进行提取,所述智能监控终端用于对植物图像中的植物进行识别,并将识别的植物对应的植物提取参数发送至控制器,所述控制器根据接收到的植物重量和植物提取参数控制植物提取模块进行植物提取。本发明的有益效果为:将图像处理技术应用到植物提取系统中,增加了植物提取系统的智能化。

Description

一种基于图像处理的植物提取参数设置系统
技术领域
本发明创造涉及植物提取领域,具体涉及一种基于图像处理的植物提取参数设置系统。
背景技术
提取类制药系指运用物理、化学、生物学的方法,将植物中起重要作用的各种物质经过提取、分离、纯化等手段进行提取的方法。提取类药物大多数是以植物提取为主的天然药物,植物提取过程主要包括三个工段:提取工段、浓缩工段、醇沉及稀醇回收工段。目前大多数的植物提取都是完全依靠操作工人的观察,利用多年积累的经验进行手动调节,所采用工艺方法也比较落后,基本没有采用对设备及工艺要求较高的新方法、新技术,这样既无法实现对质量的严格控制,对今后的产业化发展也极为不利。随着控制技术的发展,在中药生产行业应用智能控制技术,使得植物提取的各个环节具有科学的、严格的控制,是改变这种现状的主要途径。
针对上述现状,本发明将图像处理技术结合自动化控制系统引入到植物提取中,采用图像处理技术对待提取的植物进行识别,植物提取系统根据识别的植物类别对植物提取模块的参数进行设置,实现了植物提取系统的智能化,降低了人力成本。
发明内容
针对上述问题,本发明旨在提供一种基于图像处理的植物提取参数设置系统。
本发明创造的目的通过以下技术方案实现:
一种基于图像处理的植物提取参数设置系统,包括植物称重模块、图像采集模块、控制器、植物提取模块和智能控制终端,所述植物称重模块用于对待提取的植物进行称重,并将获取的植物重量输入控制器,所述图像采集模块包括摄像头和图像传输单元,所述摄像头设置于植物称重模块的上端,用于对正在称重的植物进行图像采集,并将采集得到的植物图像通过图像传输单元传输至智能控制终端,所述植物提取模块连接所述植物称重模块,用于对称重后的植物中的有效成分进行提取、过滤和浓缩,所述智能控制终端包括图像识别单元、数据库和参数匹配单元,所述图像识别单元用于对接收到的植物图像中的植物类别进行识别,所述参数匹配单元根据识别的植物类别将存储在数据库中对应的植物提取参数发送至控制器,所述控制器根据获得的植物重量和植物提取参数控制植物提取模块对植物中的有效成分进行提取、过滤和浓缩。
本发明创造的有益效果:提供一种基于图像处理的植物提取参数设置系统,将图像处理技术结合自动化控制系统引入到植物提取中,采用图像处理技术对待提取的植物进行识别,植物提取系统根据识别的植物类别对植物提取模块的参数进行设置,实现了植物提取系统的智能化,降低了人力成本。
附图说明
利用附图对发明创造作进一步说明,但附图中的实施例不构成对本发明创造的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明结构示意图。
附图标记:
植物称重模块1;图像采集模块2;控制器3;植物提取模块4;智能控制终端5。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种基于图像处理的植物提取参数设置系统,包括植物称重模块1、图像采集模块2、控制器3、植物提取模块4和智能控制终端5,所述植物称重模块1用于对待提取的植物进行称重,并将获取的植物重量输入控制器3,所述图像采集模块2包括摄像头和图像传输单元,所述摄像头设置于植物称重模块1的上端,用于对正在称重的植物进行图像采集,并将采集得到的植物图像通过图像传输单元传输至智能控制终端5,所述植物提取模块4连接所述植物称重模块1,用于对称重后的植物中的有效成分进行提取、过滤和浓缩,所述智能控制终端5包括图像识别单元、数据库和参数匹配单元,所述图像识别单元用于对接收到的植物图像中的植物类别进行识别,所述参数匹配单元根据识别的植物类别将存储在数据库中对应的植物提取参数发送至控制器3,所述控制器3根据获得的植物重量和植物提取参数控制植物提取模块4对植物中的有效成分进行提取、过滤和浓缩。
优选地,所述植物提取模块4包括植物提取单元、杂质过滤单元和蒸发浓缩单元,所述植物提取单元用于获取包含植物中有效成分的提取液,所述杂质过滤单元用于对所述提取液进行杀菌过滤,得到滤液,所述蒸发浓缩单元采用蒸发的方式对所述滤液进行浓缩,得到浓缩后的提取液。
优选地,所述植物提取参数包括植物提取单元对所述植物中有效成分进行提取的提取温度和提取时间以及蒸发浓缩单元对所述滤液进行浓缩的浓度阈值。
本优选实施例将图像处理技术结合自动化控制系统引入到植物提取中,采用图像处理技术对待提取的植物进行识别,植物提取系统根据识别的植物类别对植物提取模块的参数进行设置,实现了植物提取系统的智能化,降低了人力成本。
优选地,所述图像识别单元包括图像处理部分和植物识别部分,所述图像处理部分用于确定所述植物图像中的植物区域,所述植物识别部分用于对所述植物区域中的植物类别进行识别。
优选地,所述图像处理部分对接收到的植物图像进行预处理,构建像素检测函数F(x,y):
Figure GDA0003502173440000031
式中,f(x,y)表示植物图像中坐标(x,y)处像素的灰度值,F(x,y)为植物图像中坐标(x,y)处像素对应的像素检测函数,σ1和σ2为空间约束因子,且σ1=0.1,σ2=0.05,*表示卷积运算;
当F(x,y)>0时,则
Figure GDA0003502173440000032
当F(x,y)<0时,则
Figure GDA0003502173440000033
Figure GDA0003502173440000034
本优选实施例用于对接收到的植物图像进行预处理,构建像素检测函数F(x,y)对植物图像中的像素进行检测,在构建的像素检测函数F(x,y)中通过对植物图像中像素进行卷积运算实现了对植物图像的平滑处理,所述像素检测函数F(x,y)由两部分组成,在这两部分中选用不同的空间约束因子σ1和σ2控制对植物图像中像素进行卷积运算的邻域像素范围,像素检测函数F(x,y)的第一部分选用较大的空间约束因子σ1使得参与卷积运算的邻域像素范围较大,像素检测函数F(x,y)的第二部分选用较小的空间约束因子σ2使得参与卷积运算的邻域像素范围较小,对这两部分做差值运算能够有效的检测出该像素和其邻域像素之间的分布差异;根据像素检测函数F(x,y)的正负判断该像素灰度值和其邻域像素灰度值的差异情况,进而采用不同的像素灰度值基数对该像素进行处理,当像素检测函数F(x,y)的值为正时,说明该像素灰度值高于其邻域像素灰度值,即在对该像素灰度值进行调整时,选用较小的灰度值基数
Figure GDA0003502173440000035
对该像素灰度值进行调整,当像素检测函数F(x,y)的值为负时,说明该像素灰度值低于其邻域像素灰度值,即在对该像素灰度值进行调整时,选用较大的灰度值基数
Figure GDA0003502173440000036
对该像素灰度值进行调整,提高了像素灰度值调整的准确性和调整效率;此外,在对像素的灰度值进行调理时,通过像素检测函数F(x,y)的平方值确定对该像素进行调整的尺度范围,从而自适应的调整对该像素灰度值进行调整的强度,使得该像素经调整后的灰度值接近其真实值。
优选地,所述图像处理部分采用FCM算法将预处理后的植物图像划分为c个区域图像块,采用下列方式确定c的值:
设所述植物图像的大小为M×N,定义像素遍历阈值T,则预处理后的植物图像中坐标(i,j)处的像素对应的像素遍历阈值T(i,j)的表达式为:
Figure GDA0003502173440000041
式中,
Figure GDA0003502173440000042
表示坐标(i,j)处像素的第l个参考值,
Figure GDA0003502173440000043
Figure GDA0003502173440000044
表示
Figure GDA0003502173440000045
的中值,其中,f'(i+1,j+l)表示预处理后的植物图像中坐标(i+1,j+l)处像素的灰度值,f'(i,j+l)表示预处理后的植物图像中坐标(i,j+l)处像素的灰度值;
当预处理后的植物图像中坐标(i,j)处像素满足f'(i+1,j)-f'(i,j)>T(i,j)时,则将预处理后的植物图像中坐标(i,j)处像素进行标记,且标记值为bn=i,其中,f'(i+1,j)表示预处理后的植物图像中坐标(i+1,j)处像素的灰度值;继续对坐标(i+1,j)处的像素进行遍历,直到i=M-1时停止遍历;设预处理后的植物图像中像素的标记值集合为B={bn,n=1,2,…,m},其中,m表示预处理后的植物图像中被标记的像素数,则划分的区域图像块数c的值为:
Figure GDA0003502173440000046
L(n)=|bn+1-bn|
式中,bn+1表示标记值集合B中第(n+1)个标记值,bn表示标记值集合B中第n个标记值,S表示预处理后的植物图像中的像素总数,mid{}表示取中值运算。
本优选实施例采用FCM算法将预处理后的植物图像划分为c个区域图像块,相较于传统的随机确定c值的方式,本优选实施例提出一种新的确定区域图像块数c值的方式,定义像素遍历阈值T,对植物图像中的行像素进行遍历,定义的像素遍历阈值T反应了该像素的邻域特性,将该像素和其对应的像素遍历阈值T进行比较,能够有效的检测出该植物图像中目标区域和背景区域之间的边缘位置,根据检测到的边缘位置和植物图像中的总像素数确定区域图像块数c,使得确定的区域图像块数能够有效的符合植物图像自身的特性,提高了FCM算法的分割的准确性,减少了植物图像划分的冗余性。
优选地,对划分的c个区域图像块进行目标检测,设划分的c个区域图像块的集合为I={Ii,i=1,2,…,c},其中,Ii表示第i个区域图像块,定义目标检测系数Y,则区域图像块Ii对应的目标检测系数Y(Ii)的表达式为:
Figure GDA0003502173440000051
式中,x(Ii)和y(Ii)分别表示区域图像块Ii中心的横坐标和纵坐标,x(Ij)和y(Ij)分别表示区域图像块Ij中心的横坐标和纵坐标,E(Ii)表示区域图像块Ii的像素灰度值均值,E(Ij)表示区域图像块E(Ij)的像素灰度值均值,β(Ij)为定义的区域图像块Ij对应的背景检测因子,且采用下列方式确定β(Ij)的值:
定义区域图像块Is对应的区域分割系数为G(Is),且
Figure GDA0003502173440000052
其中,f'(x,y)表示区域图像块Is中坐标(x,y)处像素的灰度值,E(Is)表示区域图像块Is中像素灰度值均值,N(Is)表示区域图像块Is中的像素数;当
Figure GDA0003502173440000053
时,则将区域图像块Is定义为参考区域图像块,设参考区域图像块组成的集合为P={Is,s=1,2,…o},其中,o表示参考区域图像块的个数,则β(Ij)的值为:
Figure GDA0003502173440000054
式中,Is为参考区域图像块集合P中的参考区域图像块,Ω(Ij)表示区域图像块Ij的相邻区域图像块集合,N(Ω(Ij))表示区域图像块Ij的相邻区域图像块数,γ{Is∈Ω(Ij)}为判断函数,当Is为区域图像块Ij的相邻区域图像块时,则γ{Is∈Ω(Ij)}=1,否则γ{Is∈Ω(Ij)}=0;
当区域图像块Ii的目标检测系数
Figure GDA0003502173440000055
时,则判定区域图像块Ii为植物区域,否则判定区域图像块Ii为背景区域,将判定为植物区域的区域图像块进行合并,合并后的植物区域图像即为检测所得的植物区域。
本优选实施例用于对FCM算法划分的c个区域图像块进行目标检测,在目标检测过程中,定义目标检测系数Y对区域图像块的特性进行描述,目标检测系数Y的分子通过该区域图像块和其它区域图像块之间的纹理特征差异检测其属于植物区域的概率,在分母部分对所述其他区域图像块的空间进行约束,减小了距离该植物区域图像块距离较远的其他植物区域图像块的影响程度,提高了检测结果的准确性,此外,在目标检测系数Y中引入了所述其他区域图像块的背景检测因子,通过所述背景检测因子判断该其他区域图像块和背景区域的相似性,当所述其他区域图像块和背景区域较为相似时,所述其他区域图像块的背景检测因子值较大,即增加了区域图像块和所述其他区域图像块之间的纹理特征的差异,提高了植物区域检测的准确性;在计算区域图像块的背景检测因子时,考虑到背景区域具有较高的稳定性而植物区域具有较多的变化特性,本优选实施例通过定义的区域分割系数G反应了区域图像块内部的稳定性,并根据各区域图像块的区域分割系数G选取参与背景检测因子计算的参考区域图像块,提高了背景检测因子计算的准确性,在背景检测因子Y综合引入了区域图像块和参考区域图像块之间的像素差异和其相邻区域图像块中存在参考区域图像块的个数,提高了背景检测的准确性,进而提高了植物区域检测的准确性。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。

Claims (3)

1.一种基于图像处理的植物提取参数设置系统,其特征是,包括植物称重模块、图像采集模块、控制器、植物提取模块和智能控制终端,所述植物称重模块用于对待提取的植物进行称重,并将获取的植物重量输入控制器,所述图像采集模块包括摄像头和图像传输单元,所述摄像头设置于植物称重模块的上端,用于对正在称重的植物进行图像采集,并将采集得到的植物图像通过图像传输单元传输至智能控制终端,所述植物提取模块连接所述植物称重模块,用于对称重后的植物中的有效成分进行提取、过滤和浓缩,所述智能控制终端包括图像识别单元、数据库和参数匹配单元,所述图像识别单元用于对接收到的植物图像中的植物类别进行识别,所述参数匹配单元根据识别的植物类别将存储在数据库中对应的植物提取参数发送至控制器,所述控制器根据获得的植物重量和植物提取参数控制植物提取模块对植物中的有效成分进行提取、过滤和浓缩;图像识别单元包括图像处理部分和植物识别部分,所述图像处理部分用于确定所述植物图像中的植物区域,所述植物识别部分用于对所述植物区域中的植物类别进行识别;所述图像处理部分对接收到的植物图像进行预处理,构建像素检测函数F(x,y):
Figure FDA0003398632090000011
式中,f(x,y)表示植物图像中坐标(x,y)处像素的灰度值,F(x,y)为植物图像中坐标(x,y)处像素对应的像素检测函数,σ1和σ2为空间约束因子,且σ1=0.1,σ2=0.05,*表示卷积运算;
当F(x,y)>0时,则
Figure FDA0003398632090000012
当F(x,y)<0时,则
Figure FDA0003398632090000013
Figure FDA0003398632090000014
2.根据权利要求1所述的一种基于图像处理的植物提取参数设置系统,其特征是,所述植物提取模块包括植物提取单元、杂质过滤单元和蒸发浓缩单元,所述植物提取单元用于获取包含植物中有效成分的提取液,所述杂质过滤单元用于对所述提取液进行杀菌过滤,得到滤液,所述蒸发浓缩单元采用蒸发的方式对所述滤液进行浓缩,得到浓缩后的提取液。
3.根据权利要求2所述的一种基于图像处理的植物提取参数设置系统,其特征是,所述植物提取参数包括植物提取单元对所述植物中有效成分进行提取的提取温度和提取时间以及蒸发浓缩单元对所述滤液进行浓缩的浓度阈值。
CN201911117833.5A 2019-11-15 2019-11-15 一种基于图像处理的植物提取参数设置系统 Active CN110674799B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201911117833.5A CN110674799B (zh) 2019-11-15 2019-11-15 一种基于图像处理的植物提取参数设置系统
CN202111484337.0A CN114140693A (zh) 2019-11-15 2019-11-15 一种基于fcm算法和图像处理的植物提取参数设置系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911117833.5A CN110674799B (zh) 2019-11-15 2019-11-15 一种基于图像处理的植物提取参数设置系统

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202111484337.0A Division CN114140693A (zh) 2019-11-15 2019-11-15 一种基于fcm算法和图像处理的植物提取参数设置系统

Publications (2)

Publication Number Publication Date
CN110674799A CN110674799A (zh) 2020-01-10
CN110674799B true CN110674799B (zh) 2022-04-05

Family

ID=69087783

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202111484337.0A Withdrawn CN114140693A (zh) 2019-11-15 2019-11-15 一种基于fcm算法和图像处理的植物提取参数设置系统
CN201911117833.5A Active CN110674799B (zh) 2019-11-15 2019-11-15 一种基于图像处理的植物提取参数设置系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202111484337.0A Withdrawn CN114140693A (zh) 2019-11-15 2019-11-15 一种基于fcm算法和图像处理的植物提取参数设置系统

Country Status (1)

Country Link
CN (2) CN114140693A (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117444960B (zh) * 2023-10-23 2024-04-16 广州普诺环境检测技术服务有限公司 一种固体液体样品二噁英检测预处理的智能控制机器人
CN117357928B (zh) * 2023-12-08 2024-04-12 广州泽力医药科技有限公司 一种基于物联网的植物提取方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106504262A (zh) * 2016-10-21 2017-03-15 泉州装备制造研究所 一种多特征融合的小瓷砖智能定位方法
CN107368792A (zh) * 2017-06-29 2017-11-21 广州智慧城市发展研究院 一种基于滤波器以及主干边缘的指静脉识别方法及系统
CN108022233A (zh) * 2016-10-28 2018-05-11 沈阳高精数控智能技术股份有限公司 一种基于改进型Canny算子的工件边缘提取方法
CN108492517A (zh) * 2018-03-06 2018-09-04 深圳智达机械技术有限公司 一种用于楼宇的火灾监控系统
CN109118528A (zh) * 2018-07-24 2019-01-01 西安工程大学 基于区域分块的奇异值分解图像匹配算法
CN109242791A (zh) * 2018-08-22 2019-01-18 东北农业大学 一种针对破损植物叶片的批量修复方法
CN109479683A (zh) * 2018-12-26 2019-03-19 浙江师范大学 一种智能花卉灌溉系统及其种植花卉识别方法
CN208741980U (zh) * 2018-05-21 2019-04-16 广东分子态生物股份有限公司 一种中药有效成分定向提取集成系统
CN109711284A (zh) * 2018-12-11 2019-05-03 江苏博墨教育科技有限公司 一种考试答题卡系统智能识别分析方法
CN110494880A (zh) * 2017-01-27 2019-11-22 欧瑞3恩公司 基于个人基因轮廓来判定和展现购买建议的系统和方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8731295B2 (en) * 2009-07-01 2014-05-20 Mtd Products Inc. Visual segmentation of lawn grass
US10181205B2 (en) * 2017-05-10 2019-01-15 Novatek Microelectronics Corp. Image processing method and image processing apparatus

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106504262A (zh) * 2016-10-21 2017-03-15 泉州装备制造研究所 一种多特征融合的小瓷砖智能定位方法
CN108022233A (zh) * 2016-10-28 2018-05-11 沈阳高精数控智能技术股份有限公司 一种基于改进型Canny算子的工件边缘提取方法
CN110494880A (zh) * 2017-01-27 2019-11-22 欧瑞3恩公司 基于个人基因轮廓来判定和展现购买建议的系统和方法
CN107368792A (zh) * 2017-06-29 2017-11-21 广州智慧城市发展研究院 一种基于滤波器以及主干边缘的指静脉识别方法及系统
CN108492517A (zh) * 2018-03-06 2018-09-04 深圳智达机械技术有限公司 一种用于楼宇的火灾监控系统
CN208741980U (zh) * 2018-05-21 2019-04-16 广东分子态生物股份有限公司 一种中药有效成分定向提取集成系统
CN109118528A (zh) * 2018-07-24 2019-01-01 西安工程大学 基于区域分块的奇异值分解图像匹配算法
CN109242791A (zh) * 2018-08-22 2019-01-18 东北农业大学 一种针对破损植物叶片的批量修复方法
CN109711284A (zh) * 2018-12-11 2019-05-03 江苏博墨教育科技有限公司 一种考试答题卡系统智能识别分析方法
CN109479683A (zh) * 2018-12-26 2019-03-19 浙江师范大学 一种智能花卉灌溉系统及其种植花卉识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于深度学习的高分辨率遥感影像建筑物提取方法;范荣双;《测绘学报》;20170420 *

Also Published As

Publication number Publication date
CN110674799A (zh) 2020-01-10
CN114140693A (zh) 2022-03-04

Similar Documents

Publication Publication Date Title
CN109308697B (zh) 一种基于机器学习算法的树叶病害识别方法
Fu et al. A novel image processing algorithm to separate linearly clustered kiwifruits
CN110674799B (zh) 一种基于图像处理的植物提取参数设置系统
CN106682639B (zh) 一种基于视频监测的作物叶部异常图像提取方法
CN112257702A (zh) 一种基于增量学习的农作物病害识别方法
CN103646249A (zh) 一种温室智能移动机器人视觉导航路径识别方法
CN109872301B (zh) 一种用于水稻病虫害识别计数的彩色图像预处理方法
CN115861721B (zh) 基于图像数据的畜禽养殖喷雾设备状态识别方法
CN104751122A (zh) 一种农作物病情指数的计算方法及系统
Patel et al. A survey on the plant leaf disease detection techniques
Mattihalli et al. Real time automation of agriculture land, by automatically detecting plant leaf diseases and auto medicine
CN105427279A (zh) 一种基于计算机视觉及物联网的草原旱情监测系统和方法
CN114821268A (zh) 一种基于机器学习的杂草与作物识别方法
CN113377062B (zh) 一种具有病虫害和旱情监控的多功能预警系统
CN113205006B (zh) 一种基于水稻指数的多时相遥感影像水稻提取方法
Zhong et al. Identification and depth localization of clustered pod pepper based on improved Faster R-CNN
Sahoo et al. Automatic Dead zone detection in 2-D leaf image using clustering and segmentation technique
CN111369497B (zh) 一种行走式树上果实连续计数方法及装置
CN109118540B (zh) 基于脊线提取的鲟鱼快速统计方法
Barbedo Counting clustered soybean seeds
CN110598516A (zh) 基于随机森林的多方位分层采集组合稻田杂草识别方法
CN114332626A (zh) 一种基于视觉分析的水稻产量预测方法
CN110633720A (zh) 一种玉米病害识别方法
CN108834667A (zh) 一种基于物联网的大棚系统
CN115330868A (zh) 一种基于深度学习与深度信息融合的葡萄采摘方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230918

Address after: 2704, Building 7, Qiaoxiang Mansion, No. 3028 Qiaoxiang Road, Futian District, Shenzhen City, Guangdong Province, 518000

Patentee after: Qiu Lin

Address before: 330000 room 611-11, Ziyang pearl phase I office building, No. 2999, Ziyang Avenue, Nanchang high tech Industrial Development Zone, Nanchang, Jiangxi Province

Patentee before: Nanchang woody Medical Technology Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231102

Address after: 6A-1462, Science and Technology Building, Haijinger Road, Pengwan Community, Haishan Street, Yantian District, Shenzhen, Guangdong 518000

Patentee after: Guangdong Nuanyangyi Technology Co.,Ltd.

Address before: 2704, Building 7, Qiaoxiang Mansion, No. 3028 Qiaoxiang Road, Futian District, Shenzhen City, Guangdong Province, 518000

Patentee before: Qiu Lin