-
公开(公告)号:CN114708457A
公开(公告)日:2022-07-05
申请号:CN202210336884.2
申请日:2022-03-31
Applicant: 南京林业大学
Abstract: 本发明公开了一种用于抗紫边识别的高光谱深度学习识别方法,属于高光谱成像与深度学习技术邻域。根据高光谱图像中待识别点的邻域点的光谱特征,先对邻域的识别结果进行检测,利用贝叶斯公式分析周围区域获得先验分类结果;再使用神经网络对待识别区域进行识别,提高网络对于信息缺乏区域的识别精度。本发明在图像识别的过程中,利用像素周围区域的光谱信息为紫边区域提供识别的数据支持,进而使得紫边区域能在光谱信息缺少的情况下,能够利用邻域信息提高识别精度。将高光谱技术和图像先验知识结合,利用待识别点与周围点的空间关系,进而提高紫边区域的识别精度,对于提高深度学习算法的识别率具有十分重要的意义。
-
公开(公告)号:CN114693975A
公开(公告)日:2022-07-01
申请号:CN202210335541.4
申请日:2022-03-31
Applicant: 南京林业大学
IPC: G06V10/764 , G06V10/26 , G06V10/82 , G06K9/62 , G06N3/08
Abstract: 本发明公开一种用于深度学习的光谱区域联合识别方法,属于高光谱成像与深度学习技术领域,利用高光谱图像的频域特征,将光谱数据从空间维度划分为多个区域,实现高精度图像分类;在识别过程中优先识别中心区域并向周围区域进行扩散;在低频占主要成分的分区先进行识别,并将识别结果在联合区域内进行扩散,获得置信度扩散图,对于扩散浓度较低的区域再进行二次识别,实现提高识别速度和识别结果的空间区域一致性。本发明将高光谱技术和频谱分析技术结合,利用被识别物体占据多个连续像素区域的特性,进而提高光谱图像的分类识别速度。
-
公开(公告)号:CN113848216A
公开(公告)日:2021-12-28
申请号:CN202111112804.7
申请日:2021-09-18
Applicant: 南京林业大学
Abstract: 本发明公开一种基于雾生成对抗神经网络的沥青混凝土检测系统及方法,包括计算机系统和图像采集装置等,图像采集装置采集搅拌完成的沥青混凝土图像,并将图像传输至计算机系统,实现在线检测沥青混凝土质量;本发明将机器视觉与神经网络算法相结合,通过雾生成对抗神经网络模型对沥青图像进行去烟雾、去模糊化操作,然后利用卷积神经网络检测沥青混凝土外观的均匀性,判断沥青混凝土中有无花白料、有无结块成团现象和严重离析现象,实时计算出沥青混凝土的质量是否合格。本发明自动化程度高、精确度高、实时性好、效率高,可与拌合站系统组网形成完整的监控体系,能够及时发现沥青混凝土搅拌时存在的质量问题,有效减少了经济损失,节约了时间。
-
公开(公告)号:CN111242359A
公开(公告)日:2020-06-05
申请号:CN202010011980.0
申请日:2020-01-06
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于数据漂移的太阳辐射在线动态预测方法,属于光伏预测技术领域。将测量的L个样本分为两段,计算两段平均值I(u1)和I(u2);|I(u1)-I(u2)|>Td采用MB预测,若I(t)为连续发生的数据漂移,将X′(t)存储到DC中,若DC数据个数达上限,DC替换DA,并训练更新MA;若I(t)时第一次发生数据漂移,清空DC,并将X′(t)添加或替换到DB中,并训练更新MB;|I(u1)-I(u2)|≤Td采用MA预测,将X′(t)添加或替换到DA中,训练更新MA;输出结果进入下个循环。本发明实现太阳辐射在线动态预测和模型更新。
-
公开(公告)号:CN115100514B
公开(公告)日:2024-10-15
申请号:CN202210508159.9
申请日:2022-05-11
Applicant: 南京林业大学
IPC: G06V20/10 , G06V10/44 , G06V10/75 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于FPGA的云跟踪方法,首先通过工业相机获取云团间隔一段时间前后的图像输入FPGA;然后一方面对图像进行畸变校正、图像平滑处理、形态学操作、Canny边缘检测以及提取矩特征,另一方面对图像提取灰度共生矩阵特征量,将上述两种特征赋予适当的权重,作为总的云团特征;最后,预测云团一段时间后的特征量状态,然后将上述特征量与图像二进行匹配从而实现云跟踪。本发明考虑到云的形状随时间会发生改变,并采用多特征进行云跟踪,提高跟踪的准确性。同时考虑到不同类别的云团演变方式不同,针对不同类别的云团分别训练预测模型。本发明采用“FPGA+ARM”体系架构提高了图像采集的实时性、速度以及性能。
-
公开(公告)号:CN116448769B
公开(公告)日:2024-06-11
申请号:CN202310522824.4
申请日:2023-05-10
Applicant: 南京林业大学
Abstract: 本发明公开了一种多模态信息融合的板材缺陷检测系统及其检测方法,检测系统包括壳体、多模态信息采集模块、多模态信息处理模块、传送模块;具体包括LED光源、高光谱相机、深度相机、RGB相机、工控机、相机支架、黑色橡胶履带。板材通过履带进入遮光箱体,通过高光谱信息、深度信息、RGB图像采集,将信息数据传入工控机,通过对板材多模态信息的算法处理,快速得出检测结果。本发明可以实现对板材的缺陷位置及分类、厚度、含水率在线检测,极大地提高了检测速度与精度。
-
公开(公告)号:CN116448769A
公开(公告)日:2023-07-18
申请号:CN202310522824.4
申请日:2023-05-10
Applicant: 南京林业大学
Abstract: 本发明公开了一种多模态信息融合的板材缺陷检测系统及其检测方法,检测系统包括壳体、多模态信息采集模块、多模态信息处理模块、传送模块;具体包括LED光源、高光谱相机、深度相机、RGB相机、工控机、相机支架、黑色橡胶履带。板材通过履带进入遮光箱体,通过高光谱信息、深度信息、RGB图像采集,将信息数据传入工控机,通过对板材多模态信息的算法处理,快速得出检测结果。本发明可以实现对板材的缺陷位置及分类、厚度、含水率在线检测,极大地提高了检测速度与精度。
-
公开(公告)号:CN115014748B
公开(公告)日:2023-05-23
申请号:CN202210607619.3
申请日:2022-05-31
Applicant: 南京林业大学
IPC: G01M13/003 , G01H17/00 , G06F18/10 , G06F18/213 , G06F18/24 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种用于籽棉分选喷阀的故障诊断方法,属于设备故障检测技术领域,该方法采集振动信号,利用傅里叶变换实时计算在多个不同位置采集到的振动数据主要成分,记录这些主要成分的周期;获得校正以及去噪后的信号;将去噪后的信号按其各主成分周期打断后排列,形成输入张量;将去噪后的信号作为训练数据对特征提取和分类网络进行训练利用训练后的分类网络进行分类,得出喷阀阵列的具体故障情况。本发明能够加大采样频率以获得更高的准确率;借用图像处理领域的深度可分离卷积思想,达到隔离各位置采集的振动特征的目的;设置周期超参数,有依据地确定该参数值,相比其他模型更具可解释性和用于不同籽棉异纤分选机的针对性。
-
公开(公告)号:CN114937190B
公开(公告)日:2023-05-16
申请号:CN202210607648.X
申请日:2022-05-31
Applicant: 南京林业大学
Abstract: 本发明公开了一种用于籽棉开松有效性的判别方法及系统,属于杂质分选与深度学习技术领域,该方法利用线阵相机和3D深度相机获取籽棉异纤除杂生产线中开松后的籽棉图像及三维信息,将线扫描图像数据与线扫描3D深度数据进行对齐和融合,在图像识别的基础上通过3D深度数据额外获取棉花成团表面深度信息,结合开松机振动数据,判断开松的有效性。本发明将线扫描图像数据与线扫描3D深度数据进行对齐和融合,同时采集开松机的振动数据,提高判别准确率,在相同采样率和采样长度的情况下有效降低对计算机硬件的性能要求,有利于降低运行和维护成本。
-
公开(公告)号:CN115014748A
公开(公告)日:2022-09-06
申请号:CN202210607619.3
申请日:2022-05-31
Applicant: 南京林业大学
IPC: G01M13/003 , G01H17/00 , G06K9/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种用于籽棉分选喷阀的故障诊断方法,属于设备故障检测技术领域,该方法采集振动信号,利用傅里叶变换实时计算在多个不同位置采集到的振动数据主要成分,记录这些主要成分的周期;获得校正以及去噪后的信号;将去噪后的信号按其各主成分周期打断后排列,形成输入张量;将去噪后的信号作为训练数据对特征提取和分类网络进行训练利用训练后的分类网络进行分类,得出喷阀阵列的具体故障情况。本发明能够加大采样频率以获得更高的准确率;借用图像处理领域的深度可分离卷积思想,达到隔离各位置采集的振动特征的目的;设置周期超参数,有依据地确定该参数值,相比其他模型更具可解释性和用于不同籽棉异纤分选机的针对性。
-
-
-
-
-
-
-
-
-