-
公开(公告)号：CN114120057A
公开(公告)日：2022-03-01
申请号：CN202111320510.3
申请日：2021-11-09
Applicant: 华侨大学
IPC: G06V10/774 , G06K9/62 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于PaddleDetection的混淆矩阵生成方法，包括：在PaddlePaddle平台下运用PaddleDetection目标检测开发套件训练目标检测网络；获取有标注的测试数据集，分为两个文件夹，一个文件夹放json文件，另一个放对应的图片文件，并得到真实的目标物体外接矩形框；运用infer.py图片文件进行预测，得到预测标签；得出预测修正得到的矩形检测框；将真实矩形框与预测修正得到的矩形检测框进行循环匹配，将统计得到的值记录在矩阵上；创建excle表格，将记录的矩阵填充到excle表格中，绘制出用于评价模型实际应用效果的混淆矩阵，本发明方法能通过目标检测网络预测的检测框与实际的目标检测框进行匹配，绘制在混淆矩阵上，以便对于模型各个种类的识别结果进行统计研究，优化网络模型的训练方法。
-
公开(公告)号：CN113731836A
公开(公告)日：2021-12-03
申请号：CN202110891690.4
申请日：2021-08-04
Applicant: 华侨大学
Abstract: 本发明提供了一种基于深度学习的城市固体废弃物在线分选系统，包括：输送带、图像采集系统、工控机、分选执行机构；所述输送带用于散布并输送城市固体废弃物物料，由进料口向图像采集系统及分选执行机构方向输送；所述图像采集系统位于输送带上方，于分选执行机构间隔一定距离；所述分选执行机构位于输送带末端；上述的基于深度学习的城市固体废弃物在线分选系统，相对于国内普遍使用的城市固体废弃物人工分选方法，本分选系统效率高、持续工作时间长、可显著改善工人工作环境，实现分选自动化。
-
公开(公告)号：CN113486937A
公开(公告)日：2021-10-08
申请号：CN202110719485.X
申请日：2021-06-28
Applicant: 华侨大学
IPC: G06K9/62 , G06F16/51 , G06F16/583 , G06F16/587 , G06N3/04 , G06N3/08
Abstract: 一种基于卷积神经网络的固废识别数据集构建系统，包括数据集采集模块，用于采集包括彩色信息和空间信息的固废图像集，以及用于采集包括高度信息的固废图像集，并将两种类型的图像集进行同步匹配处理，获得包括彩色信息、空间信息和高度信息的固废图像集；数据集标注模块，用于生成固废识别所需数据集。本发明通过数据集采集模块以及数据集标注模块，可以快速有效地构建并扩充废识别数据集，从而有助于卷积神经网络模型的训练，进一步提升固废识别的准确率。
-
公开(公告)号：CN114118266A
公开(公告)日：2022-03-01
申请号：CN202111406830.0
申请日：2021-11-24
Applicant: 华侨大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/10
Abstract: 本发明提供了一种表面含砂浆的再生骨料的视觉检测分类方法，具体为：读取传送带的速度，通过控制传送带速度将分散在皮带上的再生骨料依次送到图像采集区域；通过彩色线阵相机扫描在传送带上移动的再生骨料表面，得到含再生骨料表面纹理信息的图像；对图像进行预处理得到预处理后的图像，并输入到深度学习神经网络，确定出每个再生骨料的信息；根据每个再生骨料的信息，控制在输送带出口处的气阀，将满足等级要求的再生骨料吹出；本发明提供的方法通过检测再生骨料的等级，将不同等级的再生骨料分离开，实现对再生骨料等级的检测并对骨料进行分类。
-
公开(公告)号：CN113807424A
公开(公告)日：2021-12-17
申请号：CN202111063333.5
申请日：2021-09-10
Applicant: 华侨大学
Abstract: 一种基于离线数据增强的固废数据集生成方法，具体包括：手动标注第一固废数据集A1；对第一固废数据集A1进行离线数据增强生成第二固废数据集A2，合并第一固废数据集A1和第二固废数据集A2，形成合并固废数据集；使用深度学习模型对合并固废数据集进行训练；使用训练好的深度学习模型对未标注的固废数据集D进行预测；通过查询函数找出深度学习模型预测不准确的图像集，并进行手动标注得到第三固废数据集B1；对第三固废数据集B1进行离线数据增强生成第四固废数据集B2。本发明提出的方法可以生成大量固废数据集，快速有效地构扩充固废数据集，从而有助于深度学习模型的训练，进一步提升固废识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN119180855A
公开(公告)日：2024-12-24
申请号：CN202411688760.6
申请日：2024-11-25
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
Abstract: 本发明涉及混凝土生产技术领域，尤其涉及一种基于视觉图像检测的骨料体积计算方法及装置。一种基于视觉图像检测的骨料体积计算方法，包括S1、图像采集；S2、图像预处理；S3、骨料三维数据获取：将深度图像与RGB图像进行对齐，获取骨料的三维数据；S4、体积计算。本发明通过获取深度相机和RGB相机采集的骨料图像数据，基于改进的Maskrcnn网络计算得出骨料的体积，可以快速连续地采集和处理骨料图像，相比传统的手工测量和物理筛分方法，大大提高了骨料体积计算的速度和整体工作效率，利用高精度的图像处理技术和先进的算法，可以更准确地识别骨料的轮廓和计算其体积，减少人为误差，提高测量结果的准确性。
-
公开(公告)号：CN119152295A
公开(公告)日：2024-12-17
申请号：CN202411646391.4
申请日：2024-11-18
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
IPC: G06V10/764 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明涉及混凝土搅拌技术领域，尤其涉及一种基于深度学习的振动筛筛网破损监测方法及装置。一种基于深度学习的振动筛筛网破损监测方法，在机制砂经过筛网过滤后的单级下料溜道上方搭建图像采集平台，采集下落过程中的堆叠机制砂图像；将筛网破损前后采集的图像制作成二分类数据集，输入轻量型卷积神经网络中训练获取分类模型，并将分类模型部署在边缘计算机上构建在线监测系统；系统实时分析采集到的图像，判别为筛网破损后的图像达到一定数量时系统发出筛网破损警报。本发明可以实现振动筛筛网状态跟踪监测，直观掌握筛网的破损程度，及时更换破损筛网以保障机制砂的生产质量。
-
公开(公告)号：CN118883215B
公开(公告)日：2024-12-17
申请号：CN202411379702.5
申请日：2024-09-30
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
IPC: G01N1/28 , G06T7/00 , G06N20/00 , G06T7/194 , G01N1/38 , G01N33/38 , G01N21/84 , G01N22/04 , G01N15/08
Abstract: 本发明提供一种基于视觉的混凝土配方实时控制方法及其装置，其中方法包括材料特性检测方法，搅拌质量检测方法，生产质量调整配方方法。本发明通过上述结构，通过材料特性检测方法，搅拌质量检测方法，生产质量调整配方方法的配合下，能够实时有效的预测混凝土搅拌过程工作性能以及检测骨料级配、颗粒形状参数，减少生产过程中必要的性能检测时间，提高生产效率，当本批次混凝土的性能不满足要求时，通过当前的骨料级配、颗粒形状参数计算出所要补充的骨料用量，并实时进行调整，以保证混凝土出料时性能能够满足要求，减少资源浪费，提高调整配方效率。
-
公开(公告)号：CN114118266B
公开(公告)日：2024-08-20
申请号：CN202111406830.0
申请日：2021-11-24
Applicant: 华侨大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06V10/26 , G06V10/10
Abstract: 本发明提供了一种表面含砂浆的再生骨料的视觉检测分类方法，具体为：读取传送带的速度，通过控制传送带速度将分散在皮带上的再生骨料依次送到图像采集区域；通过彩色线阵相机扫描在传送带上移动的再生骨料表面，得到含再生骨料表面纹理信息的图像；对图像进行预处理得到预处理后的图像，并输入到深度学习神经网络，确定出每个再生骨料的信息；根据每个再生骨料的信息，控制在输送带出口处的气阀，将满足等级要求的再生骨料吹出；本发明提供的方法通过检测再生骨料的等级，将不同等级的再生骨料分离开，实现对再生骨料等级的检测并对骨料进行分类。
-
公开(公告)号：CN113731836B
公开(公告)日：2023-05-26
申请号：CN202110891690.4
申请日：2021-08-04
Applicant: 华侨大学
Abstract: 本发明提供了一种基于深度学习的城市固体废弃物在线分选系统，包括：输送带、图像采集系统、工控机、分选执行机构；所述输送带用于散布并输送城市固体废弃物物料，由进料口向图像采集系统及分选执行机构方向输送；所述图像采集系统位于输送带上方，于分选执行机构间隔一定距离；所述分选执行机构位于输送带末端；上述的基于深度学习的城市固体废弃物在线分选系统，相对于国内普遍使用的城市固体废弃物人工分选方法，本分选系统效率高、持续工作时间长、可显著改善工人工作环境，实现分选自动化。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.027 seconds)
