-
公开(公告)号：CN110084194A
公开(公告)日：2019-08-02
申请号：CN201910345604.2
申请日：2019-04-26
Applicant: 南京林业大学
Abstract: 本发明公开一种基于高光谱成像与深度学习的籽棉地膜在线识别算法，利用高光谱成像仪获取籽棉地膜反射光谱图像，构建堆叠加权自编码器和粒子群优化的极限学习机组成的深度学习网络对高光谱图像在线识别，本发明利用深度学习中的堆叠加权自编码器与极限学习机构成的网络对籽棉地膜的高光谱图像进行分类，在每层自编码器中引入加权机制，在保证多通道输入优势的同时，降低噪声的影响；极限学习机的权值和偏置是随机确定的，容易产生过拟合，利用粒子群算法优化极限学习机的权值和偏置，在保证识别速度的同时，提高分类精度。堆叠加权自编码器与极限学习机构成的深度学习网络可以用于籽棉地膜的在线识别。
-
公开(公告)号：CN114708457B
公开(公告)日：2024-10-29
申请号：CN202210336884.2
申请日：2022-03-31
Applicant: 南京林业大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/08 , G06N7/01
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：CN116596891B
公开(公告)日：2024-09-10
申请号：CN202310578316.8
申请日：2023-05-22
Applicant: 南京林业大学
IPC: G06T7/00 , G06V10/25 , G06V10/32 , G06V10/56 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/044 , G06N3/082 , G06N3/0895
Abstract: 本发明涉及一种基于半监督多任务检测的木地板颜色分类及缺陷检测方法，属于图像处理领域。该方法包括：对输入图像进行缺陷色彩校正；标记少量图像作为数据集输入Color‑RCNN模型训练，实现颜色分类和缺陷检测；训练半监督预测监视网络判别伪标签是否准确的；用Color‑RCNN模型预测剩余的未标记图像，实现颜色分类，生成伪标签，用半监督预测监视网络对伪标签进行判别，将正确的检测框留下，过滤掉错误的检测框；将识别正确的图像加入数据集，重新输入Color‑RCNN模型训练，预测剩余的未标记图像，直至未标记图像全部获得正确标签，实现半监督学习。本发明在图像识别的过程中，通过半监督学习，使用少量人工标记和大量未标记的木地板图像训练出模型，提高了分选的效率。
-
公开(公告)号：CN116310511B
公开(公告)日：2024-07-30
申请号：CN202310106101.6
申请日：2023-02-13
Applicant: 南京林业大学
IPC: G06V10/764 , G06V10/56 , G06V10/774 , G06V10/82 , G06V10/776 , G06N3/0464 , G06N3/08 , G06V10/26
Abstract: 本发明公开了一种基于自学习的实木地板颜色分类方法，属于机器视觉和图像处理领域。将预处理后的实木地板图像进行区块化处理来数据增强，训练出一个可以识别已知类别和未知类别的循环迭代树；将待分类图像输入到循环迭代树中，得到实木地板的颜色类别，如果不属于已知的颜色种类，则使用少量特定已知的颜色区块替换待识别实木地板的部分位置；循环多次后，如果确定为未知类别，则将该实木地板的颜色更新进循环迭代树中，实现自学习。本发明在图像识别的过程中，通过区块化处理进行数据增强，以达到使用少量实木地板样本即可训练出可用模型。在识别中，不断更新循环迭代树进行自学习，使得模型可以不断学习新的数据，不断增强模型的识别能力。
-
公开(公告)号：CN116778217A
公开(公告)日：2023-09-19
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。
-
Patent Agency Ranking
公开(公告)号：CN116310511A
公开(公告)日：2023-06-23
申请号：CN202310106101.6
申请日：2023-02-13
Applicant: 南京林业大学
IPC: G06V10/764 , G06V10/56 , G06V10/774 , G06V10/82 , G06V10/776 , G06N3/0464 , G06N3/08 , G06V10/26
Abstract: 本发明公开了一种基于自学习的实木地板颜色分类方法，属于机器视觉和图像处理领域。将预处理后的实木地板图像进行区块化处理来数据增强，训练出一个可以识别已知类别和未知类别的循环迭代树；将待分类图像输入到循环迭代树中，得到实木地板的颜色类别，如果不属于已知的颜色种类，则使用少量特定已知的颜色区块替换待识别实木地板的部分位置；循环多次后，如果确定为未知类别，则将该实木地板的颜色更新进循环迭代树中，实现自学习。本发明在图像识别的过程中，通过区块化处理进行数据增强，以达到使用少量实木地板样本即可训练出可用模型。在识别中，不断更新循环迭代树进行自学习，使得模型可以不断学习新的数据，不断增强模型的识别能力。
-
公开(公告)号：CN115273072B
公开(公告)日：2023-05-19
申请号：CN202210663984.6
申请日：2022-06-13
Applicant: 南京林业大学
IPC: G06V20/68 , G06V10/30 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G01N21/84 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/082
Abstract: 本发明公开一种基于改进Yolov5s模型的苹果叶片病害检测方法，首先，获取苹果叶片不同病害的图像，进行标签标注，构建初始数据集；采用图像处理方法扩充数据集，并划分训练集和测试集，得到最终的数据集；引入Yolov5s模型并加以改进，使用改进后的模型对数据集进行训练得到最终的苹果叶片病害检测模型；利用最终的苹果叶片病害检测模型对待检测图像进行检测，得到检测结果。本发明通过改进Yolov5s模型和引入Attentive GAN算法，不仅在网络训练模型时增强网络学习特征的表达能力，提高模型的准确率和精度，而且能够在雨天情况下实现对苹果叶片病害的准确识别。
-
公开(公告)号：CN114377997B
公开(公告)日：2022-11-01
申请号：CN202210035385.X
申请日：2022-01-12
Applicant: 南京林业大学
Abstract: 本发明公开一种基于COMS和高光谱相机的杆状物分选装置及方法，属于物料分选技术领域，包括进料装置、传送装置、超高速图像预处理单元、工控机、喷阀控制单元和多级分选装置，相机采集物料图像，图像经超高速图像预处理单元处理后，发送至工控机，工控机通过迁移学习算法提取图片特征，使用实例分割算法分析特征图片得到物料中杆状物及异物的特点、位置信息，对物料中杆状物及异物进行识别分割，完成杆状物的分选工作。本发明将分选系统模块化，根据不同物料，自行搭配使用；CMOS工业线阵相机及高光谱相机通过深度学习的方法对图像进行识别分割可以提升杆状物识别的准确率，实现精准分选，成功的解决了人工分选的低精度、高成本的难题。
-
公开(公告)号：CN114694140A
公开(公告)日：2022-07-01
申请号：CN202210286878.0
申请日：2022-03-22
Applicant: 南京林业大学
IPC: G06V20/68 , G06V10/28 , G06V10/56 , G06V10/58 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于光谱成像的定向训练桔梗杂质识别方法，属于深度学技术领域，首先建立多维标签体系；然后针对每个标签构建模型分支结构，在进行模型数据训练的过程中，先对多维标签的每个维度分别进行二分类训练，再对整体的进行误差调优，从而实现针对桔梗杂物的不同的色彩属性进行二分类判别。本发明引入多维度标签体系，使得光谱数据归属于多个类别，从类别标签的角度引入先验知识，使得算法在分类过程中能够更加具有可解释性。采用不同的属性标签来划分光谱所属类别，使得光谱的分类结果更加具有可解释性，并可以依据相应的属性进行训练，从而提高模型的最终分类精度；实现高精度的识别并分类与桔梗具有不同光谱特性的杂质。
-
公开(公告)号：CN112676195B
公开(公告)日：2021-10-29
申请号：CN202011468724.0
申请日：2020-12-14
Applicant: 南京林业大学
Abstract: 本发明公开一种基于线阵CMOS相机的实木地板的颜色分选装置，属于地板分类技术领域，包括油漆箱、传送带、图像采集暗箱、工控机、PLC控制器、踢腿装置和收集箱，所述图像采集暗箱设置在传送带上，在所述图像采集暗箱内设置有线阵CMOS相机、白色LED排灯、校正板和光电开关，所述线阵CMOS相机与工控机连接，工控机、踢腿装置分别与PLC控制器连接，踢腿装置和收集箱相对设置在传送带两侧进行地板分类收集。本发明可以实现实木地板颜色的快速识别与分类，解决了困扰行业多年的实木地板相近颜色分选的技术难题。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.025 seconds)
