公开(公告)号：CN118590915A

公开(公告)日：2024-09-03

申请号：CN202410805781.5

申请日：2024-06-21

Applicant: 南京信息职业技术学院

Inventor： 汪宏艳 ,  李维勇 ,  顾振飞 ,  蒋萧憶 ,  张永芹 ,  宋鸿静 ,  杜宏旭

IPC: H04W24/02 ,  H04W24/10 ,  H04W24/08

Abstract: 本发明公开了一种基于智能超表面的去蜂窝网络能效优化方法及系统，涉及网络能效优化技术领域，包括部署传感器收集去蜂窝网络和信道数据并预处理后存储至数据库中；基于数据库数据构建去蜂窝网络模型；定义去蜂窝网络智能超表面配置，基于粒子群优化算法进行智能超表面配置优化；基于智能超表面配置进行去蜂窝网络能效优化。本发明通过收集去蜂窝网络相关数据构建去蜂窝网络模型，并基于去蜂窝网络模型和粒子群优化算法定义智能超表面配置进行优化，从而完成对去蜂窝网络的能效优化，有效提高了去蜂窝网络的运行能效和稳定性，大幅提升了去蜂窝网络的适用性和灵活性。

公开(公告)号：CN116363702A

公开(公告)日：2023-06-30

申请号：CN202310390458.1

申请日：2023-04-13

Applicant: 南京信息职业技术学院

Inventor： 安明伟 ,  宋鸿静 ,  钱丽英

IPC: G06V40/10 ,  G06V10/25 ,  G06V10/30 ,  G06V10/40 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种指静脉图像识别方法、装置及存储介质，所述方法包括获取指静脉图像；对指静脉图像进行提取，获取含有指静脉信息的图像；将含有指静脉信息的图像输入至预先构建的改进的YOLOv5目标检测模型中，获取静脉识别结果；其中：改进的YOLOv5目标检测模型设置一种包括卷积网络结构的多分支拓扑模块，其中卷积网络结构包括3*3卷积层与NECK层，所述多分支拓扑模块用于对所述改进的YOLOv5目标检测模型进行训练；将三支特征向量进行拼接操作，作为下层网络的输入特征向量，本发明能够描述更加精细的结构，具有更快的速度，达实时响应的水平，并能够高效稳定的识别指静脉，提高指静脉识别效率。

公开(公告)号：CN118840599A

公开(公告)日：2024-10-25

申请号：CN202410869716.9

申请日：2024-07-01

Applicant: 南京信息职业技术学院

Inventor： 宋鸿静 ,  安明伟 ,  钱丽英

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/762 ,  G06V10/766 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种工业品表面瑕疵检测方法和装置。针对产品质量采用人工方式检测导致检测效率较低的问题，充分利用图像的高层语义特征及低层的细节特征，提高对小目标的识别能力，运用深度学习相关技术，构造了基于改进YOLOv3网络的小目标检测算法。在图像上进行卷积神经网络的训练，对融合特征进行瑕疵分类和位置回归，基于所构建的检测模型的置信度，对最终获得的所有结果进行假定处理，输出瑕疵的边界框和分类。方法解决瑕疵品检测标签重写和聚类问题，试验结果表明，基于机器视觉的工业品表面瑕疵检测方法效率高、精度高、成本低，环境适应性强。