-
公开(公告)号：CN114596274A
公开(公告)日：2022-06-07
申请号：CN202210204848.0
申请日：2022-03-03
Applicant: 安徽大学
Abstract: 本发明公开了一种基于改进Cascade RCNN网络的自然背景柑橘黄龙病检测方法，包括：利用Cascade RCNN网络改进后的骨干网络对待检测柑橘图像进行特征提取，改进后的骨干网络中至少一层采用可变形卷积；利用Cascade RCNN网络改进后的区域特征提取网络对骨干网络输出的特征进行高层次语义特征提取，改进后的区域特征提取网络包括一个自下而上卷积融合过程；利用Cascade RCNN网络的级联检测器对区域特征提取网络输出的高层次语义特征进行多阶段级联的目标识别检测过程，获取待检测柑橘图像的黄龙病检测结果。本发明有效提高了对柑橘黄龙病检测的准确性。
-
公开(公告)号：CN113469050A
公开(公告)日：2021-10-01
申请号：CN202110746048.7
申请日：2021-07-01
Applicant: 安徽大学
Abstract: 本发明涉及图像处理、深度学习技术领域，涉及一种基于图像细分类的火焰检测方法，包括以下步骤：步骤1、收集火焰图像，对数据预处理，制作成火焰数据集；步骤2、根据火焰数据集，训练CenterNet检测器，保存最佳的模型；步骤3、准备火焰与非火焰的二分类数据集；步骤4、在MobileNetV2分类模型的倒置残差模块间引入注意力模块BAM，训练二分类模型；步骤5、CenterNet检测出图像的前景目标K，然后将前景目标K裁剪成图像块送入分类模型中，进行细分类，以滤除与火焰相似的误检物体。本发明不仅可以实现远距离的火灾监测，而且检测效果更好。
-
公开(公告)号：CN111680614A
公开(公告)日：2020-09-18
申请号：CN202010495091.6
申请日：2020-06-03
Applicant: 安徽大学
Abstract: 本发明公开了一种基于视频监控中的异常行为检测方法，包括通过YOLOv3目标检测算法即快速又精确的检测出视频帧图像中的前景目标对象，可以去除背景噪声的影响，并且可以满足异常检测实时性的要求；将视频帧图像中的目标对象提取特征后，先对特征进行聚类，再输入到SVM分类器中，取得分最高的作为该目标对象的异常得分，最后取该视频帧图像中所有目标对象的异常得分中的最高值作为该帧图像的异常得分，利用SVM分类器可以快速准确的分类，并且满足实时性要求。本发明采用深度学习和机器学习的方法，能够有效地检测出异常事件的发生，并且可以达到实时检测的要求，提高了对异常事件检测的准确率。
-
公开(公告)号：CN110166745A
公开(公告)日：2019-08-23
申请号：CN201910358100.4
申请日：2019-04-30
Applicant: 安徽大学
Abstract: 本发明公开了一种一种健身房智能引导监测系统，包括通过ZigBee无线通信网络连接的流媒体客户端模块、属性设置模块、人数识别模块、数据库管理模块；流媒体客户端模块采用流媒体技术，利用摄像头对健身房各个主要分区进行视频图像采集，然后传输到主机，该系统允许授权用户通过网络远程查看健身房情况并利于日后应用扩展。人数识别模块利用摄像头采集的数据，在光流场算法的基础上，综合单高斯背景建模、连通域分析等算法，对采集到的视频图像进行分析处理，统计出实时客流人数，并把结果反映在现场显示屏上。从而智能化的对健身房内浴室使用情况进行监测。
-
公开(公告)号：CN114529737B
公开(公告)日：2025-04-22
申请号：CN202210158517.8
申请日：2022-02-21
Applicant: 安徽大学
IPC: G06V10/44 , G06V40/10 , G06V10/778 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/047
Abstract: 本发明涉及一种基于GAN网络的光学赤足迹图像轮廓提取方法，包括：通过光学足迹采集仪采集原始光学赤足迹图像；制作训练集和测试集；通过残差网络构建生成器；通过PatchGAN马尔可夫判别器构建鉴别器；将生成器和鉴别器组成CycleGAN循环生成对抗网络作为训练网络；将训练集送入训练网络中进行训练；使用训练后的生成器作为轮廓提取测试网络，输入测试集的源域数据，得到光学赤足迹图像轮廓。本发明可以直接在经过简单预处理的原始光学赤足迹图像上进行一套统一流程的操作提取轮廓图像，简化轮廓提取的流程；本发明可以忽略不同原始图像之间的差异，使用相同参数的网络处理同一批次的数据，减少轮廓提取的计算量。
-
Patent Agency Ranking
公开(公告)号：CN118115903B
公开(公告)日：2024-07-05
申请号：CN202410532574.7
申请日：2024-04-30
Applicant: 安徽大学
IPC: G06V20/17 , G06V20/10 , G06V10/774 , G06V10/778 , G06V10/40 , G06V10/82
Abstract: 本发明涉及病虫害防治技术领域，本发明公开了基于AI技术松材线虫病智能识别处理系统；包括采集选定区域的历史训练数据集合，基于历史训练数据集合，训练预测出树木状态值的机器学习模型，采集实时的综合虫害数据，预测出实时的树木状态值，识别出可疑树木，采集可疑树木的虫害特征，识别出虫害树木，基于虫害树木的虫害识别指数，生成虫害紧急度级别，制定一级处理指令或二级处理指令；相对于现有技术，能够根据树木的综合外在数据和综合内在数据，对树木进行准确的双重识别处理，避免出现松材线虫病树木误识别或漏识别的现象，确保出现松材线虫病的树木能够得到及时有效的治理，进而有利于林业部门对松材线虫病的识别和治理。
-
公开(公告)号：CN117521673B
公开(公告)日：2024-03-22
申请号：CN202410021455.5
申请日：2024-01-08
Applicant: 安徽大学
IPC: G06F40/30 , G06F40/284 , G06F40/289 , G06N20/00 , G06F16/906
Abstract: 本发明公开了一种具备分析训练性能的自然语言处理系统，包括处理系统和云数据库，所述处理系统从云数据库获取数据并将处理结果数据上传至云数据库，本发明涉及自然语言处理技术领域。该具备分析训练性能的自然语言处理系统，采用阈值对比方式将置信度概率分为三个批次，在概率较大的情况下可直接获取最大值对应的释义，而置信度概率中等时，可结合上下文内容再次训练来进一步筛分，获得更高的置信度，而在所有置信度概率均较低时，即表示系统判定目前的置信度均较低，则还可从网络上再次爬取数据作为对比依据，反复进行训练，直至获取合格的置信度概率，采用此方式有效的避免了单一选择导致的误差值，提高了获取正确释义的准确度。
-
公开(公告)号：CN117636185A
公开(公告)日：2024-03-01
申请号：CN202410107688.7
申请日：2024-01-26
Applicant: 安徽大学
Abstract: 本发明涉及图像处理技术领域，本发明公开了基于图像处理的松材线虫病检测系统；包括基于筛选准则获得目标图像，在目标图像中获得目标区域，采集目标区域的综合虫害数据，生成虫害检测指数，并基于虫害检测差值，判定是否生成虫害预警提示，基于虫害检测差值，生成虫害预警级别，基于虫害预警级别，制定消杀指令；本发明中，通过对卫星遥感图像的筛选识别，可以剔除掉存在干扰因素的非目标图像，并基于目标图像识别到面积小且位置精准的目标区域，一方面有效的降低了检测数据的采集量和计算量，提高了数据计算速率，另一方面也避免了无用数据对检测结果可能带来的误差影响，极大的提高了松材线虫病检测的准确度。
-
公开(公告)号：CN117521673A
公开(公告)日：2024-02-06
申请号：CN202410021455.5
申请日：2024-01-08
Applicant: 安徽大学
IPC: G06F40/30 , G06F40/284 , G06F40/289 , G06N20/00 , G06F16/906
Abstract: 本发明公开了一种具备分析训练性能的自然语言处理系统，包括处理系统和云数据库，所述处理系统从云数据库获取数据并将处理结果数据上传至云数据库，本发明涉及自然语言处理技术领域。该具备分析训练性能的自然语言处理系统，采用阈值对比方式将置信度概率分为三个批次，在概率较大的情况下可直接获取最大值对应的释义，而置信度概率中等时，可结合上下文内容再次训练来进一步筛分，获得更高的置信度，而在所有置信度概率均较低时，即表示系统判定目前的置信度均较低，则还可从网络上再次爬取数据作为对比依据，反复进行训练，直至获取合格的置信度概率，采用此方式有效的避免了单一选择导致的误差值，提高了获取正确释义的准确度。
-
公开(公告)号：CN117171377A
公开(公告)日：2023-12-05
申请号：CN202310550380.5
申请日：2023-05-16
Applicant: 安徽大学
IPC: G06F16/53 , G06V10/80 , G06V10/52 , G06V10/82 , G06V10/30 , G06V10/40 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于多特征扩张残差卷积网络的足迹光学图像检索方法，步骤如下：1、足迹图像的数据采集和数据预处理；2、建立基于注意力机制增强下的多特征扩张残差卷积网络的足迹光学图像检索模型，包括：初始特征提取模块、扩张残差卷积网络模块、多尺度特征融合模块、注意力增强模块；3、对足迹光学图像检索模型进行训练，得到训练后的足迹图像检索模型，用于待检索的足迹图像进行足迹检索和身份匹配。本发明能深度挖掘足迹图像的浅层和深层的各种隐含特征，从而能提升足迹图像的检索准确度和检索效率。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.037 seconds)
