-
公开(公告)号：CN118762176A
公开(公告)日：2024-10-11
申请号：CN202410752725.X
申请日：2024-06-12
Applicant: 常州大学
IPC: G06V10/26 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/0464 , G06V10/44 , G06V10/764 , G06T1/00
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种基于种子区域生长的桃树枝干弱监督图像分割方法，包括采集果园果树枝干原始图像，并对图像进行预处理；将原始图像输入基于线级的稀疏标注的种子算法，生成初始种子图；利用分割网络对原始图像中的桃枝进行深度语义特征的提取，得到分割特征图；将SRG融合算法集成到分割网络中进行弱监督语义分割；将初始种子图在分割特征图中迭代生长，并输出标签图。本发明在实现智能剪枝的机械化、自动化以及智能化以及在稀疏标注的基础上实现对桃树枝干的弱监督图像分割。
-
公开(公告)号：CN117523311A
公开(公告)日：2024-02-06
申请号：CN202311679498.4
申请日：2023-12-08
Applicant: 常州大学
IPC: G06V10/764 , G06T7/00 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/096
Abstract: 本发明涉及三通管检测技术领域，尤其涉及一种基于改进YOLOv7的三通管检测方法及系统，包括采集三通管图像；利用ImageNet预训练模型对训练集进行迁移学习，并将未标注图像输入训练后的ImageNet模型；对YOLOv7网络进行改进，将backbone网络的第0至4层CBS模块替换为CVS模块，提高识别精度；并在backbone和head网络之间引入IFPN网络，利用不同膨胀率卷积，覆盖不同尺度的感受野，增强对特征图上下文感知能力；利用改进YOLOv7对三通管进行识别。本发明采用多尺度特征感知聚合的特质，针对低纹理、颜色单一的三通管整体目标进行目标检测时，更加稳定和准确。
-
公开(公告)号：CN117415831A
公开(公告)日：2024-01-19
申请号：CN202311415840.X
申请日：2023-10-30
Applicant: 常州大学
Abstract: 本发明提供一种旨在提升净食率的智能助餐机器人控制方法及系统。旨在提升净食率的智能助餐机器人控制方法包括：基于颜色分割技术和深度学习模型对食物进行定位和识别处理，得到食物的位置和种类；根据食物的位置和种类，制定抓取运行轨迹和取食方式；根据抓取运行轨迹和取食方式执行助餐任务；通过视觉反馈系统获取助餐任务的单次执行结果；根据单次执行结果对抓取运行轨迹进行调整，直至完成助餐任务。本发明的旨在提升净食率的智能助餐机器人控制方法提高了机器人搬运食物的准确性和效率，为用户提供更好的用餐体验。
-
公开(公告)号：CN117351182A
公开(公告)日：2024-01-05
申请号：CN202311347623.1
申请日：2023-10-18
Applicant: 常州大学
Abstract: 本发明涉及图像处理技术领域，尤其涉及基于深度学习的瓷绝缘子表面反光去除方法及系统，包括获取瓷绝缘子的图像和深度图像；对带反光瓷绝缘子的深度图像进行预处理；构建基于DIAN子网络和IDN子网络，IDN子网络用于绝缘子图像恢复；DIAN子网络利用深度信息，引导IDN子网络反光去除；在结构相似度指数和均方误差损失函数相结合的基础上引入梯度损失，构建GL‑SSIM损失函数。本发明解决现有网络无法有效预处理瓷绝缘子表面反光问题。
-
公开(公告)号：CN116883355A
公开(公告)日：2023-10-13
申请号：CN202310843095.2
申请日：2023-07-11
Applicant: 常州大学
Abstract: 本发明涉及图像技术领域，尤其涉及瓷绝缘子表面开裂缺陷识别方法、系统及计算机可读介质，包括采集瓷绝缘子表面缺陷图像；对瓷绝缘子缺陷图像进行标准化和归一化处理；利用DCN‑bifpn模块改进YOLOV5s网络，并对缺陷数据进行检测和识别；利用DCN‑C3ECA模块改进YOLOV5s网络，将neck层的三个C3模块替换为DCN‑C3ECA模块。本发明解决现有方法识别瓷绝缘子出现长条状缺陷检测准确性不高的问题。
-
Patent Agency Ranking
公开(公告)号：CN109559299B
公开(公告)日：2023-07-25
申请号：CN201811373459.0
申请日：2018-11-19
Applicant: 常州大学
Abstract: 本发明公开了一种双果重叠果实的分离方法，包括：1、图像采集；2、果实图像获取：对采集图像提取R‑G色差图像，对其进行阈值分割，再通过一系列形态学运算获取果实图像；3、边缘检测粗化：对果实图像进行边缘检测后再粗化所检测边缘；4、迭代开运算操作：对果实图像进行减增迭代开运算操作直至图像果实二次消失；5、边缘检测细化：对4中图像果实二次消失前邻近开运算操作图像进行边缘检测并细化所检测边缘；6、边缘平滑：对细化后的边缘进行平滑；7、边缘叠加：将平滑后的细化边缘和3中粗化边缘叠加；8、分离线提取：基于叠加边缘信息水平垂直4指向搜索判别提取出双果重叠果实的分离线。本发明为双果重叠果实提供了一种有效的分离方法。
-
公开(公告)号：CN113143288B
公开(公告)日：2023-06-06
申请号：CN202110274032.0
申请日：2021-03-15
Applicant: 常州大学
Abstract: 本发明公开了一种抑郁症脑电神经反馈方法及系统，该方法采用优化后的二次规划特征选择方法，在全局范围下有效选取最优电极，将64导联降至20导联，大大降低了后续计算量，从而提高反馈的实时性。然后，采用快速过渡过程方法捕捉脑电信号振幅的瞬时变化，进而计算结构同步指数和脑连接不对称指标；最后，基于所计算的脑连接不对称指标对脑区进行自适应调节，不仅可以体现大脑左右半球网络之间的协同控制程度，还能从指标变化的角度对抑郁症的神经机理进行更好的分析。
-
公开(公告)号：CN115205782A
公开(公告)日：2022-10-18
申请号：CN202210778801.5
申请日：2022-07-04
Applicant: 常州大学
IPC: G06V20/52 , G06V10/762 , G06V10/764 , G06V10/77 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及喂饭机器人技术领域，尤其涉及一种基于数字孪生技术的喂饭机器人集群监测管理方法，包括创建虚拟孪生空间，采集虚拟孪生空间中喂饭机器人的数据；采用K‑means算法对训练数据集进行预处理；采用PCA算法对预处理后的数据进行降维处理；将降维后的数据分别输入SVM分类器构建故障识别模型，LSTM网络构建寿命预测模型；对故障识别模型和寿命预测模型进行验证。本发明利用现实世界的物理实体构建数字孪生技术的高保真虚拟模型，虚拟模型仿真运行，采集运行时的仿真孪生数据以及喂饭机器人历史运行数据作为输入，通过SVM分类和LSTM网络进行训练，从而实现对喂饭机器人集群的运行监测、故障预警、寿命预测。
-
公开(公告)号：CN113837039A
公开(公告)日：2021-12-24
申请号：CN202111067533.8
申请日：2021-09-13
Applicant: 常州大学
Abstract: 本发明涉及卷积神经网络技术领域，涉及一种基于卷积神经网络的果实生长形态视觉辨识方法，包括以下步骤：S1、图像采集：采集果园不同形态的果实图像，并对图像进行标注；S2、图像增强：将采集到的图像进行数据增强以扩充数据集；S3、搭建卷积神经网络模型；S4、使用SGD优化器对网络参数进行优化；S5、使用训练完的最优模型对测试集进行检测，给出每个目标的预测框、类别和置信度。本发明基于深度学习技术提出了果实生长形态的辨识方法，该方法与Faster‑RCNN、YOLO算法相比，有更高的识别准确率和更快的识别速度，同时模型参数量也更少。
-
公开(公告)号：CN108491835B
公开(公告)日：2021-11-30
申请号：CN201810599295.7
申请日：2018-06-12
Applicant: 常州大学
Abstract: 本发明公开了一种双通道卷积神经网络对人脸面部表情识别的方法，首先针对不同的输入图像进行预处理包括人脸检测、旋转校正、降采样以及数据样本扩充(若输入RGB图像，则将其灰度化以降低计算复杂度)，从而提高人脸检测精度。其次对于样本扩充后的灰度图像，计算对应的LBP图像，从而构成双通道样本集，用于后续的模型训练与测试。然后利用双通道特征提取网络(Binary Channel‑Feature Extraction Network，BC‑FEN)进行人脸图像全局及局部特征的有效提取。最后利用加权融合分类网络(Weighted Merge Classify Network，WMCN)完成人脸图像的特征融合及表情分类，提高了人脸表情识别精度。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.02 seconds)
