-
公开(公告)号：CN117741773A
公开(公告)日：2024-03-22
申请号：CN202311771223.3
申请日：2023-12-21
Applicant: 无锡学院
IPC: G01V3/00
Abstract: 本发明提供一种物料检测装置，包括保护外壳；所述保护外壳内设置有传感器、传动机构和旋转轴，且所述传动机构位于所述传感器的下方；所述传动机构包括推杆式电磁铁，以及可在所述推杆式电磁铁内来回往复运动的推杆式电磁铁运动杆；所述推杆式电磁铁运动杆的一端外周设有弹簧，且与所述传感器相近但不接触，另一端固定连接有滚筒；所述旋转轴的一端伸入所述滚筒内，并通过卡接件与滚筒的侧壁活动连接，另一端延伸出保护外壳并设置有物料铲斗。本发明的物料检测装置，其结构简单易操作，安装方便，能在多种情况下对各种物料进行可靠检测，并且本装置灵敏度高、准确可靠、使用寿命长。
-
公开(公告)号：CN120014407A
公开(公告)日：2025-05-16
申请号：CN202510010746.9
申请日：2025-01-03
Applicant: 无锡学院
IPC: G06V10/82 , G06V10/20 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于改进的YOLOv8模型的目标识别方法，涉及图像识别的技术领域。首先，获取待识别的图像并进行预处理。接着，构建改进的YOLOv8模型；在原有的YOLOv8模型的基础上，所述改进的YOLOv8模型增加了用于增强特征表达能力的C2f_SENet模块和用于提高多尺度目标检测能力的Dyhead_DCNv3模块。对改进的YOLOv8模型进行训练，得到训练好的改进的YOLOv8模型。最后，将进行预处理后的图像输入至训练好的改进的YOLOv8模型，得到目标识别结果。本发明提高了现有的YOLOv8模型目标识别的准确率和效率，应用于光照强度过高或者过低、电动车被遮挡等复杂情况下，提高电梯中电动车识别的准确率和效率。
-
公开(公告)号：CN116977624B
公开(公告)日：2024-10-29
申请号：CN202310823862.3
申请日：2023-07-06
Applicant: 无锡学院
IPC: G06V10/25 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于YOLOv7模型的目标识别方法、系统、电子设备及介质，所述方法包括：S1：获取待识别垃圾图像集；S2：改进YOLOv7模型，所述改进后的YOLOv7模型包括依次连接的Backbone网络、Neck网络和Head网络；在Backbone网络中，使用多分支堆叠模块ELAN‑GR代替堆叠模块ELAN；在Backbone网络的第一个多分支堆叠模块ELAN‑GR后添加两个依次连接的强全局注意力组合模块CMH，两个依次连接的强全局注意力组合模块CMH作为强位置信息的特征图生成分支B1；S3：采用待识别垃圾图像集对改进YOLOv7模型进行训练；S4：将待测图像输入训练得到的改进YOLOv7模型中，得到识别结果。本发明以YOLOv7模型作为基础识别网络，并对其网络模型结构进行改进，提高了YOLOv7模型的检测精度。
-
公开(公告)号：CN118446918A
公开(公告)日：2024-08-06
申请号：CN202410511465.7
申请日：2024-04-26
Applicant: 无锡学院
IPC: G06T5/70 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明提出了一种基于改进动态U型网络的真实图像去噪算法。该网络采用U型编码器‑解码器结构，通过结合使用动态卷积提取丰富上下文的信息；利用可变形卷积和动态卷积生成共享自适应核以更好地学习和处理高频信息；将非线性无激活块与多尺度动态卷积块模块顺序连接，充分利用共享自适应核和扩张卷积的思想，实现多尺度特征的捕获和利用。在真实噪声图像数据集上的实验结果表明，本发明提出的算法相较于现有算法在去噪性能上有着明显的提升。
-
公开(公告)号：CN118037777A
公开(公告)日：2024-05-14
申请号：CN202410191261.X
申请日：2024-02-21
Applicant: 无锡学院
Abstract: 本发明公开了一种基于DeepSort的行人追踪方法，包括：获取行人包括当前帧在内的多个连续的视频帧；使用DeepSort模型对当前帧中的移动行人目标进行多目标检测，获取所述当前帧中的目标检测结果；根据当前帧中的目标检测结果，为每一所述移动行人目标分配目标id；根据目标id锁定需要追踪的移动行人目标的目标id；为每一个移动行人目标设置一个轨迹，记录移动行人目标的轨迹；获取根据所述当前帧之前的多个连续帧确定的第一目标追踪结果；根据所述需要追踪的移动行人目标以及所述第一目标追踪结果，确定第二目标追踪结果，以实现对所述需要追踪的移动行人目标的追踪。本发明使用Cross Attention算法代替匈牙利算法，防止多人重叠时以及短暂消失时达到准确识别。
-
Patent Agency Ranking
公开(公告)号：CN117741773B
公开(公告)日：2024-08-23
申请号：CN202311771223.3
申请日：2023-12-21
Applicant: 无锡学院
IPC: G01V3/00
Abstract: 本发明提供一种物料检测装置，包括保护外壳；所述保护外壳内设置有传感器、传动机构和旋转轴，且所述传动机构位于所述传感器的下方；所述传动机构包括推杆式电磁铁，以及可在所述推杆式电磁铁内来回往复运动的推杆式电磁铁运动杆；所述推杆式电磁铁运动杆的一端外周设有弹簧，且与所述传感器相近但不接触，另一端固定连接有滚筒；所述旋转轴的一端伸入所述滚筒内，并通过卡接件与滚筒的侧壁活动连接，另一端延伸出保护外壳并设置有物料铲斗。本发明的物料检测装置，其结构简单易操作，安装方便，能在多种情况下对各种物料进行可靠检测，并且本装置灵敏度高、准确可靠、使用寿命长。
-
公开(公告)号：CN118037777B
公开(公告)日：2024-07-26
申请号：CN202410191261.X
申请日：2024-02-21
Applicant: 无锡学院
Abstract: 本发明公开了一种基于DeepSort的行人追踪方法，包括：获取行人包括当前帧在内的多个连续的视频帧；使用DeepSort模型对当前帧中的移动行人目标进行多目标检测，获取所述当前帧中的目标检测结果；根据当前帧中的目标检测结果，为每一所述移动行人目标分配目标id；根据目标id锁定需要追踪的移动行人目标的目标id；为每一个移动行人目标设置一个轨迹，记录移动行人目标的轨迹；获取根据所述当前帧之前的多个连续帧确定的第一目标追踪结果；根据所述需要追踪的移动行人目标以及所述第一目标追踪结果，确定第二目标追踪结果，以实现对所述需要追踪的移动行人目标的追踪。本发明使用Cross Attention算法代替匈牙利算法，防止多人重叠时以及短暂消失时达到准确识别。
-
公开(公告)号：CN119107532A
公开(公告)日：2024-12-10
申请号：CN202411084821.8
申请日：2024-08-08
Applicant: 无锡学院
IPC: G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于YOLOv8模型的PCB缺陷识别方法，所述方法包括：S1：获取待识别图像集；S2：改进YOLOv8模型，所述YOLOv8模型包括依次连接的Backbone网络、Neck网络和Head网络；改进的方法基于BiFPN双向特征金字塔网络，在其基础上整合了P2特征层，以提升小型目标的检测精度，并采用适合YOLOv8的卷积修改网络连接；引入TA层(Convolutional Triplet Attention Module)，以提高模型的识别准确度；设计了全新的CSC模块来替代部分C2f模块，减少模型参数冗余，从而更快速、更精准地定位目标。S3：采用待识别图像集对改进YOLOv8模型进行训练；S4：将待测图像输入训练得到的改进YOLOv8模型中，得到PCB缺陷识别结果。本发明以YOLOv8模型作为基础识别网络，并对其网络模型结构进行改进，提高了YOLOv8模型的检测精度。
-
公开(公告)号：CN118747748A
公开(公告)日：2024-10-08
申请号：CN202410914272.6
申请日：2024-07-09
Applicant: 无锡学院
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/764
Abstract: 本发明公开了一种基于YOLOv5模型的缺陷PCB检测方法，所述方法包括：S1：获取缺陷PCB图像集；S2：改进YOLOv5模型，所述YOLOv5模型包括依次连接的Backbone网络、Neck网络和Head网络；在Backbone网络中的每个C3模块后添加通道注意力模块SE；在Neck网络中，使用改进SWPC3模块替代原C3模块；将CIoU损失函数替换为EIoU损失函数；S3：采用缺陷PCB图像集对改进YOLOv5模型进行训练；S4：将待测图像输入训练得到的改进YOLOv5模型中，得到识别结果。本发明以YOLOv5模型作为基础识别网络，并对其网络模型结构进行改进，提高了YOLOv5模型的检测精度。
-
公开(公告)号：CN117853881A
公开(公告)日：2024-04-09
申请号：CN202410127593.1
申请日：2024-01-30
Applicant: 无锡学院
IPC: G06V20/00 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种无人售货机商品识别方法及系统，属于图像处理技术领域，采集待识别的无人售货机商品的图像信息，并进行标注，构造训练集；建立YOLOv5s‑F模型，使用训练集对YOLOv5s‑F模型进行训练；当获取开门的电信号后，利用训练后的YOLOv5s‑F模型对待识别的商品的图像进行图像推理，得到识别的商品总数以及当前商品总重量；当收到关门电信号时，再次对待识别的商品的图像进行图像推理，将前后两次的商品识别数量以及两次重量进行对比，获得对比结果，计算商品价格并下单，生成下单信息。该方法能够确保无人售货机在大规模使用时能够轻量化、快速准确地进行商品识别。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.014 seconds)
