-
公开(公告)号:CN115760642A
公开(公告)日:2023-03-07
申请号:CN202211560453.0
申请日:2022-12-07
Applicant: 南京林业大学
Abstract: 本发明公开一种用于太阳辐射预测的地基云图修复方法,首先对地基云图进行太阳位置定位、覆盖掩膜的预处理;将预处理后的地基云图以及同时刻的气象和天文测量数据基于时间形成序列;通过多头部分卷积网络、监督注意力模块,再结合具有动量特性的压缩激励模块对太阳辐射做出预测。本发明公开的算法在设备正常运行中按太阳方位角旋转拍摄得到的地基云图,固定设备的遮光板位置,利用训练后的神经网络,形成不受遮光板影响并且便于太阳辐射预测或后续气象学分析的地基云图。
-
公开(公告)号:CN115272733A
公开(公告)日:2022-11-01
申请号:CN202210915266.3
申请日:2022-07-29
Applicant: 南京林业大学
IPC: G06V10/762 , G06V10/764 , G06V10/80 , G06V20/10 , G06V10/74
Abstract: 本发明公开了一种基于点云数据与多特征融合的树干信息提取方法,属于林地点云数据处理技术领域。该方法包括:采用三角剖分法提取树干区域的点云数据;选取聚类中心;计算每个点云数据的快速点特征直方图;计算每个点云数据到聚类中心的欧式距离和快速点特征直方图的相似度;根据欧氏距离和相似度,重新确定聚类中心;当聚类中心不再变,每类点云数据构成了一棵树干。本发明利用三角剖分法克服点云数据的非结构性、降低点云数据量,提高信息提取效率和精度;利用欧式距离和FPFH的相似度作为聚类准则,优化聚类效果,为树木点云数据的分类提供了一种简单有效的分类方法,有助于提高森林资源调查与监测的效率。
-
公开(公告)号:CN114155385B
公开(公告)日:2022-09-27
申请号:CN202111445062.X
申请日:2021-11-30
Applicant: 江苏鑫源烟草薄片有限公司 , 南京林业大学
IPC: G06V10/56 , G06V10/774 , G06V10/74 , G06V10/764 , G06V10/26 , G06V10/82 , G06N3/08 , G06V10/58 , G06V10/34
Abstract: 本发明公开一种基于深度学习的RGB与高光谱的烟草识别方法,属于图像识别技术领域。首先利用RGB彩色图像的对数阈值分割和圈选标记,将图像中的与烟草颜色差别明显的其他物质区别出来;再结合高光谱成像,针对色彩相近区域进行特殊优化,利用自主设计的高光谱差值矩阵法,构建光谱特征F通道,对RGB中的相近色块使用深度学习结合F通道数据进行二次识别,避免相近色彩物体的漏检。本发明将高光谱与RGB结合,对传统RGB相机无法识别的颜色相近或透明的杂质做出优化,判断出烟草中的不同于烟草光谱特性的物质,实现实时监控筛选,避免人员主观与长时间工作带来的影响,提升烟草的纯净度和识别效率,对烟草行业具有十分重要的意义。
-
公开(公告)号:CN111862028B
公开(公告)日:2021-04-09
申请号:CN202010678895.X
申请日:2020-07-14
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于深度相机和深度学习的木材缺陷检测分选装置及方法,包括工控机、检测机构和设置在所述检测机构后侧的分选机构,所述检测机构包括检测传送带和深度图像采集机构。本发明通过深度相机采集木材表面的RGB图像和深度信息,用GAN网络结合小波变换重构RGBD彩色深度信息。在进行小波变换中,人工标记训练数据中的木材裂缝,形成自适应的裂缝小波基函数。在此基础上进行小波重构提高后续算法的效率,结合深度学习算法分析得出缺陷类型。该算法能够对不同缺陷类型的木材进行分选,不仅提高了缺陷判别的效率,还大大提高了分选的效率。
-
公开(公告)号:CN111862028A
公开(公告)日:2020-10-30
申请号:CN202010678895.X
申请日:2020-07-14
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于深度相机和深度学习的木材缺陷检测分选装置及方法,包括工控机、检测机构和设置在所述检测机构后侧的分选机构,所述检测机构包括检测传送带和深度图像采集机构。本发明通过深度相机采集木材表面的RGB图像和深度信息,用GAN网络结合小波变换重构RGBD彩色深度信息。在进行小波变换中,人工标记训练数据中的木材裂缝,形成自适应的裂缝小波基函数。在此基础上进行小波重构提高后续算法的效率,结合深度学习算法分析得出缺陷类型。该算法能够对不同缺陷类型的木材进行分选,不仅提高了缺陷判别的效率,还大大提高了分选的效率。
-
公开(公告)号:CN119980526A
公开(公告)日:2025-05-13
申请号:CN202510178396.7
申请日:2025-02-18
Applicant: 南京林业大学
Abstract: 本发明公开了一种双模态融合智能棉花异纤分拣系统及方法,分拣系统包括壳体、图像采集模块、图像处理模块、传送模块、剔除模块;具体包括LED光源、偏振相机、RGB相机、工控机、相机支架、棉流通道、喷阀控制板、高速喷阀。棉流通过进棉管道进入棉流通道,通过图像采集模块将图像数据传入工控机,通过图像处理模块的算法处理,快速得出检测结果,喷阀控制板依据检测结果驱动高速喷阀进行异性纤维剔除。本发明可以实现对棉花中的异性纤维实时检测以及剔除,极大地提高了检测速度与精度。
-
公开(公告)号:CN118111862B
公开(公告)日:2024-11-22
申请号:CN202410144392.2
申请日:2024-02-01
Applicant: 南京林业大学
Abstract: 本发明公开了一种木材薄板弹性模量的在线检测系统及方法。该系统包括壳体、薄板传送模块、多传感器采集模块、数据处理模块。薄板传送模块负责将木材薄板平稳地传输至检测区域。多传感器采集模块包括超声波传感器、微波传感器、红外传感器、高精度电子秤、相机以及板材厚度测量夹紧装置。微波传感器用于测量木材薄板中的含水率,红外传感器用于测定木材薄板的表面温度。电子秤、尺寸测量相机和夹紧装置则用于测量板材的重量与体积。通过多传感器采集模块收集的数据,数据处理模块可以计算木材薄板的弹性模量。本发明能够实时、高效且准确地估算木材薄板的弹性模量,显著提高木材加工的质量与效率。
-
公开(公告)号:CN116778217B
公开(公告)日:2024-11-22
申请号:CN202310117786.4
申请日:2023-02-15
Applicant: 南京林业大学
IPC: G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于增量式学习的高光谱的杆状物识别方法,属于高光谱成像与深度学习领域。根据高光谱图像与类别标签,先通过神经网络对各个类别进行计算,得出不同类别物质的置信水平和特征信息,计算出物质的特征中心,向训练好的神经网络模型中输入新的光谱数据,根据特征信息与各类物质的特征中心的距离,确定未知物质的类别是已知还是未知类别,最后通过增量式学习的方式更新物体的特征中心以及创建新的类别,提高网络对于未知杆状物的识别精度和训练效率。本发明将卷积神经网络的卷积层输出作为特征信息,将全连接层的输出作为置信水平,确定了物体的特征中心,为后续的识别和学习提供了标准,提高了基于深度学习的光谱图像识别的精度。
-
公开(公告)号:CN115272733B
公开(公告)日:2024-02-23
申请号:CN202210915266.3
申请日:2022-07-29
Applicant: 南京林业大学
IPC: G06V10/762 , G06V10/764 , G06V10/80 , G06V20/10 , G06V10/74
Abstract: 本发明公开了一种基于点云数据与多特征融合的树干信息提取方法,属于林地点云数据处理技术领域。该方法包括:采用三角剖分法提取树干区域的点云数据;选取聚类中心;计算每个点云数据的快速点特征直方图;计算每个点云数据到聚类中心的欧式距离和快速点特征直方图的相似度;根据欧氏距离和相似度,重新确定聚类中心;当聚类中心不再变,每类点云数据构成了一棵树干。本发明利用三角剖分法克服点云数据的非结构性、降低点云数据量,提高信息提取效率和精度;利用欧式距离和FPFH的相似度作为聚类准则,优化聚类效果,为树木点云数据的分类提供了一种简单有效的分类方法,有助于提高森林资源调查与监测的效率。
-
公开(公告)号:CN115100514A
公开(公告)日:2022-09-23
申请号:CN202210508159.9
申请日:2022-05-11
Applicant: 南京林业大学
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。
-
-
-
-
-
-
-
-
-