-
公开(公告)号：CN112989994A
公开(公告)日：2021-06-18
申请号：CN202110261116.0
申请日：2021-03-10
Applicant: 安徽大学
Abstract: 本发明涉及图像识别技术领域，公开了一种离散标签下基于深度相对学习的雾天能见度估计方法，它是利用图像的顺序信息和相对关系来估计能见度，通过将有序信息编码成一组图像对的相对排序，这样，VISOR‑NET就可以有效地学习一个全局排序函数。本发明通过采集真实监控场景拍摄的大规模雾天高速公路能见度图像数据集，通过对现有深度学习方法的综合实验，证明了该方法在准确度、有效性、稳定性等方面具有更好的性能，此外，该方法可以将类别间扩展到类别内进行可见性估计，实现离散层标签下的近似回归估计，也就是能够实现对级别内能见度距离的估计。
-
公开(公告)号：CN112784880A
公开(公告)日：2021-05-11
申请号：CN202110002622.8
申请日：2021-01-04
Applicant: 安徽大学
Abstract: 本发明涉及图像识别技术领域，公开了基于自然特征统计方法标注高速公路雾天能见度等级，包括自然特征统计的方法和能见度等级的划分，所述自然特征统计的方法包括以下步骤：S1、提取雾感特征；S2、计算高斯模型参数、马氏距离和雾密度；S3、建立实验模型，标注能见度等级。本发明利用自然图像特征统计方法从图片中提取雾特征，将其拟合到多元高斯模型中，计算模型参数，得到模型之间的马氏距离，再计算出雾密度，表示不同等级能见度之间的阈值，以此来自动标注能见度等级，相对于目测法，结果更客观，大大提高了标注效率，相较于仪器检测更方便，可靠，同时为深度学习能见度检测提供大量的样本数据库。
-
公开(公告)号：CN111611889A
公开(公告)日：2020-09-01
申请号：CN202010398156.5
申请日：2020-05-12
Applicant: 安徽大学
Abstract: 本发明公开了一种基于改进卷积神经网络的农田微型虫害识别装置，包括摄像终端系统、智能识别系统、远程更新系统。所述摄像终端系统用于通过摄像控制模块来调用终端摄像模块，拍摄田间微型虫害图片，并传送到智能识别系统中；所述智能识别系统，基于改进卷积神经网络，接收摄像终端系统拍摄的图片并进行一定的处理，通过智能识别系统识别拍摄图片中的农业微型虫害，再返回到摄像终端系统的界面以显示虫害的具体种类以及防治等信息；所述远程更新系统，在于实时存储用户拍摄的图片，以此定期更新智能识别系统，提高虫害识别精度和效率。本发明具有操作方便、智能交互、便于携带等优点。
-
公开(公告)号：CN119732340A
公开(公告)日：2025-04-01
申请号：CN202411983350.4
申请日：2024-12-31
Applicant: 安徽大学
Abstract: 一种便携式虫情测报设备及监测方法，便携式虫情测报设备包括遮雨顶棚及设置在遮雨顶棚下部的处置舱室；处置舱室内由上至下依次设有引虫灯诱虫组件、风扇吸虫组件、虫体拍照组件、集虫组件，其中，引虫灯诱虫组件用于吸引害虫靠近风扇吸虫组件的可吸入范围，风扇吸虫组件用于将位于引虫灯诱虫组件周围的害虫吸入处置舱室内部，虫体拍照组件用于将被吸入害虫停留于处置舱室且进行虫体图片采集，集虫组件用于收集拍照完图片的害虫；处置舱室的外围还设置树莓派控制组件，用于调控引虫灯诱虫组件、风扇吸虫组件及虫体拍照组件的协同工作。本发明能够完成害虫的完整、全面捕捉，具有结构简单，体积小便携，造价低的优势。
-
公开(公告)号：CN119723286A
公开(公告)日：2025-03-28
申请号：CN202411797086.5
申请日：2024-12-09
Applicant: 安徽大学
IPC: G06V10/82 , G06V10/20 , G06V10/764 , G06V10/40 , G06N3/0464 , G06N3/08 , G06V20/52
Abstract: 本发明涉及一种基于YOLOv8的大棚草莓病害实时检测方法，包括：获取草莓病害图像并进行预处理；对草莓病害图像数据集进行划分；构建草莓病害识别分类模型；得到训练后的草莓病害识别分类模型；获取待检测的草莓图像并进行预处理，将预处理后的待检测的草莓图像输入训练后的草莓病害识别分类模型，得到检测结果。本发明基于YOLOv8特征增强，使用数据增强处理草莓病害图像，提出了特征增强模块，结合YOLOv8主干网络对草莓病害进行识别，拥有较快的检测速度及高精确度；通过实时检测画面监测并获取草莓病害情况信息，将由病害情况的草莓地址及病害程度信息上传至存储器中，减少了排查的人力资源消耗。
-
Patent Agency Ranking
公开(公告)号：CN119693646A
公开(公告)日：2025-03-25
申请号：CN202411837856.4
申请日：2024-12-13
Applicant: 安徽大学 , 高梵(浙江)信息技术有限公司
Abstract: 本发明涉及一种多角度下正反向病变区域增强的宫颈癌分割方法，包括：采集原始宫颈癌相关图像并进行预处理；构建宫颈癌分割模型；将预处理图像输入宫颈癌分割模型；得到融合后输出的特征图Out1、Out2、Out3；得到融合后的病变区域特征图Output1；得到最终融合后的病变区域特征图Output2。本发明能够更精准地识别宫颈癌病变区域，减少误诊和漏诊的发生；减少了下采样阶段，提升了计算效率，提高了模型性能，能够快速处理大量的宫颈癌图像数据；本发明运算速度快，计算成本低，在实际应用中，能够快速给出宫颈癌分割结果，适用于大规模的宫颈癌筛查工作，尤其对于卫生资源有限地区，为宫颈癌早期筛查提供可靠的辅助支持，具有广泛的应用前景和推广价值。
-
公开(公告)号：CN117671787A
公开(公告)日：2024-03-08
申请号：CN202311655843.0
申请日：2023-12-05
Applicant: 安徽大学
IPC: G06V40/20 , A61B5/11 , G06V20/40 , G06V10/44 , G06V10/62 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048
Abstract: 本申请公开了一种基于Transformer的康复动作评估方法，涉及动作质量评估技术领域，包括下列顺序的步骤：S1、设计基于Transformer的预测模型；S2、使用KIMORE数据集训练模型；本发明能够更为科学的评估动作质量，能够检测出同类测试动作之间比较细微的差异，利用深度学习算法对骨骼点坐标信息进行分析和建模，能够实时监测、识别和预测人体动作的质量，为用户提供精确的动作指导和质量提升，本发明通过智能评估系统对患者的运动进行评估，并以分数的形式形成反馈，这种互动技术可以激励患者的积极参与，提高训练效果，本发明对比通过图像对动作质量进行评估的方法，集采集和分析于一体大大减少了计算资源的消耗。
-
公开(公告)号：CN116912943A
公开(公告)日：2023-10-20
申请号：CN202310886878.9
申请日：2023-07-19
Applicant: 安徽大学
IPC: G06V40/20 , G06V20/40 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/08 , G06N5/04 , G08B21/04
Abstract: 本发明涉及一种基于jetsontx2和TensorRT加速推理的跌倒检测方法，包括：对截取的视频片段进行预处理；对预处理后的视频数据源进行数据集标注，得到标注数据集；对标注数据集进行预处理，得到标签数据集；构建并训练动作识别模型TwoStreamST‑GCN；通过人体框检测模型、人体关键点检测模型、动作识别模型TwoStreamST‑GCN进行TensorRT加速，得到加速推理引擎；根据加速推理引擎对视频流进行动作识别推理，得到动作识别推理结果；将动作识别推理结果进行报警通知。本发明有效解决了跌倒检测设备的成本较高、摄像头检测造成的隐私问题、检测设备的是否侵入式问题，相较于传统的跌倒检测算法具有可扩展性好、鲁棒性强等优点。
-
公开(公告)号：CN112686833B
公开(公告)日：2023-06-06
申请号：CN202010852805.4
申请日：2020-08-22
Applicant: 安徽大学
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及工业产品表面的缺陷检测和分类技术领域，公开了一种基于卷积神经网络的工业产品表面缺陷检测和分类装置，包括图片采集系统、缺陷检测系统、显示系统、数据分发系统和模型更新系统，所述图片采集系统包括ARM芯片、标号模块、摄像模块和数据发送模块A。本发明具有缺陷检出、缺陷定位和缺陷分类的功能，利用监控模块可以实时采集产品表面情况以及进行相应的缺陷检测和分类任务，且基于度量学习的小样本分类网络进行缺陷的分类，能够在ImageNet数据集上训练，在缺陷检测时，不需要大量的数据集进行训练，只要很少的产品缺陷数据就能获得良好的结果，且自动化程度高，准确率高，成本较低。
-
公开(公告)号：CN115470716A
公开(公告)日：2022-12-13
申请号：CN202211306415.2
申请日：2022-10-24
Applicant: 安徽大学
IPC: G06F30/27 , A61B5/021 , A61B5/00 , G06F119/02
Abstract: 本发明提供了一种基于卷积神经网络的无创血压预测方法、装置及实时监测系统。通过采集用户指尖的PPG信号；对所述PPG信号执行预处理，以获取第一处理信号；将所述第一处理信号输入至基于卷积神经网络的血压预测模型，以预测生成用户血压信号；所述血压预测模型包括主干网络、基于注意力机制的信息蒸馏网络。相比于现有技术，通过使用双通道编码部分，通过双通道特征提取以提升精度；在编码部分使用改进注意力机制的信息蒸馏模块，获取不同尺度下的特征信息；双通道编码部分使用Addition连接输入到解码部分，加快血压预测速度的同时，提升模型的预测性能。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.02 seconds)
