公开(公告)号：CN118608769A

公开(公告)日：2024-09-06

申请号：CN202410745987.3

申请日：2024-06-11

Applicant: 新疆大学

Inventor： 贾振红 ,  王建一 ,  王佳佳 ,  周刚 ,  赵晖

IPC: G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/082 ,  G06N3/048 ,  G06V10/80 ,  G06V10/77 ,  G06V40/10

Abstract: 本发明提出了一种针对图像中小目标虫害检测的方法及装置，旨在解决检测模型在处理小目标时面临的数据不平衡问题。在BTD‑YOLOv9中，提出了WMOConcat方法，加强了特征提取，从而使其在检测过程中得到更多的关注。引入了Focaler‑NWDPIOU损失函数，降低了多数类对损失的影响，增强了对少数类别的学习能力。帮助模型更平衡地学习各个类别，提高了虫害的检测率。模型在图像中小目标虫害检测方面取得了显著的提升。为农田虫害检测提供了新的解决方案。处理器负责执行模型的推理和计算过程，而存储器则用于存储模型参数、中间结果以及最终的检测结果。这样的装置结构使得BTD‑YOLOv9模型能够在实际应用中高效、准确地完成虫害检测任务。

公开(公告)号：CN118470402A

公开(公告)日：2024-08-09

申请号：CN202410582155.4

申请日：2024-05-11

Applicant: 新疆大学

Inventor： 贾振红 ,  史剑羽 ,  王佳佳 ,  周刚 ,  赵辉

IPC: G06V10/764 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/084 ,  G06Q50/02

Abstract: 本发明公开了一种基于YOLOv8n的轻量化虫类小目标检测方法及装置，方法包括：构建损失函数；将空间注意力机制融入到C2f特征提取层，形成C2f‑RFAConv，同时将RFAConv替换默认的Conv，用C2f‑RFAConv和RFAConv来进行特征提取；在网络结构中增加一检测头用于检测小目标，并修改卷积的数量；将损失函数，C2f‑RFAConv，RFAConv和添加的检测头与YOLOv8n相结合，获取适用于农田虫类小目标检测的轻量化YOLOv8n‑Improved模型，基于模型对虫类小目标进行检测。装置包括：处理器和存储器。本发明在降低网络参数量的同时，保证了检测精度较高。

公开(公告)号：CN118279829A

公开(公告)日：2024-07-02

申请号：CN202410462501.5

申请日：2024-04-17

Applicant: 新疆大学

Inventor： 贾振红 ,  田昂 ,  周刚 ,  宋森森

IPC: G06V20/52 ,  G06V10/762 ,  G06V10/40 ,  G06V10/30 ,  G06V10/26 ,  G06V10/52 ,  G06V10/80

Abstract: 本发明公开了一种低照度宽视场视频图像变化检测方法及装置，方法包括：提出极值平均比算子，用于抑制噪声和保留图像细节，生成差异图；采用提出的基于拉普拉斯金字塔自适应融合的方法，通过计算差异图的局部能量，并将其与拉普拉斯金字塔相结合，实现对差异图的自适应融合；使用TVL1对偶方法对差异图去噪，并对变化区域进行增强，使用主成分变换对去噪后的差异图像、对变化区域进行增强后的图像进行融合，再使用自适应中值滤波，去除图像中残余的随机噪声；提出改进自适应中值滤波，用于抑制噪声并保护图像的细节；提出将阈值分割与K‑means聚类相结合，并对K‑means聚类进行改进，对处理后的图像先进行预处理，获得最终检测结果。装置包括：处理器和存储器。

公开(公告)号：CN118229731A

公开(公告)日：2024-06-21

申请号：CN202410280416.7

申请日：2024-03-12

Applicant: 新疆大学

Inventor： 贾振红 ,  王创创 ,  宋森森 ,  周刚 ,  石飞

IPC: G06T7/246 ,  G06T7/262 ,  G06T7/13 ,  G06V10/46 ,  G06V10/44 ,  G06V10/75

Abstract: 本发明公开了一种针对抖动视频的运动目标检测方法及装置，包括：将图像进行小波变换，提取高频区域；采用角点提取算法遍历高频区域，提取出高质量的特征点；对提取的特征点进行特征描述；将图像基于分辨率分成n个图像块，在对应图像块上进行特征匹配，并使用最小二乘法拟合出所有特征点共同的运动矩阵；将图像进行反向运动补偿得到稳定的图像序列；进行高斯背景建模，并提取运动目标。装置包括：处理器和存储器。本发明在实现视频稳像的同时也保证了运动目标的实时提取，本发明引入频域分析来提取显著区域，并使用基于深度学习的特征描述方式增强ORB描述符，提高了准确性，采用领域查询方式快速匹配特征点；采用自适应个数的高斯模型进行图像背景建模，实现了运动目标的快速提取。

公开(公告)号：CN114372929A

公开(公告)日：2022-04-19

申请号：CN202111643880.0

申请日：2021-12-30

Applicant: 新疆大学

Inventor： 周刚 ,  杨亚伟 ,  石军 ,  林猛

IPC: G06T5/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公布一种基于模型优化和压缩的图像快速去雾方法及装置，它涉及图像快速去雾领域。去雾装置包括：摄像头、树莓派以及显示屏。去雾方法是对一体化去雾网络AOD‑Net的优化，包括：首先将AOD‑Net的五层卷积神经网络减少到四层，减少部分卷积核尺寸，并用深度可分离卷积代替其中部分普通卷积；对改进的AOD‑Net继续采用剪枝算法进一步优化网络结构；最后将优化后的模型转化为ONNX（开放式神经网络交换格式），使用Opencv调用。本发明通过以上方法优化AOD‑Net网络结构，在保持较好的去雾效果的同时极大减少了计算量。在计算能力有限的嵌入式设备树莓派上实现了实时去雾，能够应用于行车记录仪、户外监控等系统中。