-
公开(公告)号：CN119360394B
公开(公告)日：2025-04-18
申请号：CN202411443028.2
申请日：2024-10-16
Applicant: 广东工业大学
IPC: G06V30/19 , G06V30/148 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开的属于计算机视觉图像处理技术领域，具体为一种基于深度学习的工业指针式仪表读数识别系统，包括：数据集构建与划分模块，用于构建并划分工业指针式仪表图像数据集；工业指针式仪表读数提取网络模块，用于提取工业指针式仪表指针与刻度的语义分割图像；工业指针式仪表读数识别模块，用于使用霍夫圆变换与角度法读取指针与刻度的语义分割图像。本发明基于深度学习的工业仪表指刻提取网络中的多残差小目标特征提取二级子模块，可以使分割提取模型在浅层网络时获得更丰富的特征信息，在提取指针与刻度这一类小目标时，提升提取小目标边缘信息的效果。
-
公开(公告)号：CN119723332A
公开(公告)日：2025-03-28
申请号：CN202411770154.9
申请日：2024-12-04
Applicant: 广东工业大学
IPC: G06V20/10 , G06V10/26 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种遥感图像地表水体提取方法和装置、系统、存储介质，包括：步骤S1、获取遥感地表水体数据集；步骤S2、根据遥感地表水体数据集，构建遥感地表水体提取网络RSWE‑Net；步骤S3、划分遥感地表水体数据集，得到训练集和测试集；步骤S4、根据训练集训练遥感地表水体提取网络RSWE‑Net；步骤S5、将测试集输入到训练好的遥感地表水体提取网络RSWE‑Net中，提取遥感图像中的地表水体。采用本发明的技术方案，提高水体提取的准确性。
-
公开(公告)号：CN119723036A
公开(公告)日：2025-03-28
申请号：CN202411770734.8
申请日：2024-12-04
Applicant: 广东工业大学
IPC: G06V10/25 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种输电网绝缘子缺陷检测方法和装置、系统、存储介质，包括：步骤S1、获取输电网绝缘子缺陷数据集；步骤S2、对输电网绝缘子缺陷数据集进行预处理，并对预处理后的输电网绝缘子缺陷数据集进行划分，得到训练集和测试集；步骤S3、根据预处理后的输电网绝缘子缺陷数据集，构建输电网绝缘子缺陷检测模型；步骤S4、根据训练集训练输电网绝缘子缺陷检测模型；步骤S5，将测试集输入到训练好的输电网绝缘子缺陷检测模型中对当前输电网区域的绝缘子进行识别，得到缺陷类型和位置。采用本发明的技术方案，在处理复杂背景、噪声干扰的环境下，可以大大提高检测效率和精度。
-
公开(公告)号：CN119169488B
公开(公告)日：2025-03-21
申请号：CN202411224092.1
申请日：2024-09-03
Applicant: 广东工业大学
IPC: G06V20/17 , G06V20/10 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度学习的雾霾场景输电线路多尺寸缺陷识别方法，涉及识别方法技术领域。本发明包括以下步骤：Step1：构建雾霾场景下的输电线路缺陷数据集；Step2：采用图像雾化算法对输电线路缺陷数据集进行数据预处理；Step3：构建一种雾霾场景下的输电线路缺陷识别算法，用于识别雾霾场景下输电线路的模糊缺陷目标和小尺寸缺陷目标；Step4：在步骤Step3中构建的输电线路缺陷识别算法基础上进行算法训练和验证。本发明通过在采集输电线路缺陷数据集后，对图像数据进行加雾的数据预处理，模拟雾霾场景下的输电线路缺陷数据。
-
公开(公告)号：CN118840322A
公开(公告)日：2024-10-25
申请号：CN202410825920.0
申请日：2024-06-25
Applicant: 广东工业大学
IPC: G06T7/00 , G06V20/17 , G06V20/10 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明公开的属于道路病害检测技术领域，具体为一种基于深度学习的道路病害检测方法，包括利用RDDA算法进行检测的步骤，具体如下：道路病害数据集构建、构建图像特征提取模块、设计深度可分离无参注意力机制卷积模块、提取特征图深层特征、设计空间金字塔自适应池化融合模块、使用FPN模块进行特征融合、设计NWD‑EIoU损失函数、使用Head检测头检测、模型的训练和验证、将模型进行应用，本发明有效的解决了当前道路病害检测算法参数量大、小目标病害检测精度不足、复杂背景下道路病害检测效果差的问题，从而使得本发明的算法参数量更低，能够适合边缘设备的部署，满足道路病害检测的轻量化和实时性需求。
-
Patent Agency Ranking
公开(公告)号：CN118314053B
公开(公告)日：2024-10-15
申请号：CN202410741565.9
申请日：2024-06-11
Applicant: 广东工业大学
IPC: G06T5/73 , G06N3/0464 , G06N3/082 , G06T5/60
Abstract: 本发明公开了一种基于神经网络的对无人机巡检航拍图像去雾方法，属于图像处理领域，该方法包括以下步骤：基于无人机巡检航拍图像构建图像数据集；构建启发式感知去雾神经网络，基于图像数据集对启发式感知去雾神经网络进行训练得到训练好的启发式感知去雾神经网络；将待去雾处理的无人机巡检航拍图像输入训练好的启发式感知去雾神经网络进行处理得到无雾清晰航拍图像。本发明能够在去雾的同时尽可能地保留原始图像中的细节和纹理，给巡检工作人员对去雾图像的分析工作带来便利。
-
公开(公告)号：CN118587762A
公开(公告)日：2024-09-03
申请号：CN202410633363.2
申请日：2024-05-21
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于SDVGNet网络的吸烟行为检测方法，涉及行为检测技术领域。本发明包括以下步骤：Step1：构建包含香烟的图像数据集，收集各种场景中包含香烟的图像，利用LabelImg注释软件将收集得到的香烟的图像制作成PASCALVOC格式的数据集；Step2：数据预处理和数据集划分，对包含香烟的图像数据进行标注，打上吸烟和未吸烟的标签，然后将标注数据划分为训练集、验证集和测试集。本发明可以捕获包含香烟的特征图局部跨通道信息交互。相比于传统网络本发明引入MRA注意力机制，既能处理局部特征，又能捕捉全局上下文，从而提高了网络的整体性能和泛化能力。
-
公开(公告)号：CN118334351B
公开(公告)日：2024-08-30
申请号：CN202410749519.3
申请日：2024-06-12
Applicant: 广东工业大学
IPC: G06V10/26 , G06N3/0464 , G06N3/0985 , G06V10/44 , G06V10/776 , G06V10/80
Abstract: 本发明公开了一种基于深度学习的指针仪表读数识别方法，包括：获取原始指针仪表图像并进行预处理，获得处理后的指针仪表数据集；构建初始指尺提取网络模型，基于处理后的指针仪表数据集对指尺提取网络模型进行训练，获得目标指尺提取网络模型；基于训练后的指尺提取网络模型对待识别指针仪表图像进行识别，获得无背景指针与尺度仪表的图像识别结果。本发明采用深度学习机器视觉技术代替人工阅读，不仅提高了工作场所的安全性，降低了人力资源的耗费，而且通过自动化数据收集过程提高了效率和准确性。
-
公开(公告)号：CN118781479B
公开(公告)日：2025-03-14
申请号：CN202410716377.0
申请日：2024-06-04
Applicant: 广东工业大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于位置注意力和多尺度残差特征的遥感影像建筑物提取方法，涉及建筑物提取技术领域。本发明包括以下步骤：Step1：预处理遥感影像数据集，获取遥感影像数据集，根据得到的遥感影像数据集制作遥感影像样本标签，将RGB遥感影像数据集与对应的遥感影像单通道数字标签分别进行垂直翻转的数据增强操作。本发明通过遥感影像建筑物提取模型FCM‑Net构建的特征解码模块中使用跳跃连接和深度监督设计。跳跃连接将来自不同尺度特征图的高级语义和低级语义相结合，减少编码器和解码器之间的语义差距；深度监督设计为在特征解码模块的第0层的每一个输出块(X0,1、X0,2、X0,3和和X0,4)后添加1×1卷积和FPReLu激活函数，以缓解梯度消失问题，加快收敛速度。
-
公开(公告)号：CN119360394A
公开(公告)日：2025-01-24
申请号：CN202411443028.2
申请日：2024-10-16
Applicant: 广东工业大学
IPC: G06V30/19 , G06V30/148 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开的属于计算机视觉图像处理技术领域，具体为一种基于深度学习的工业指针式仪表读数识别系统，包括：数据集构建与划分模块，用于构建并划分工业指针仪表图像数据集；工业指针仪表读数提取网络模块，用于提取工业指针仪表指针与刻度的语义分割图像；工业指针仪表读数识别模块，用于使用霍夫圆变换与角度法读取指针与刻度的语义分割图像。本发明基于深度学习的工业仪表指刻提取网络IPRE‑Net中的多残差小目标特征提取二级子模块，可以使分割提取模型在浅层网络时获得更丰富的特征信息，在提取指针与刻度这一类小目标时，提升提取小目标边缘信息的效果。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.023 seconds)
