基于图像深度学习的烟火识别方法及系统

    公开(公告)号:CN104408469A

    公开(公告)日:2015-03-11

    申请号:CN201410711008.9

    申请日:2014-11-28

    Applicant: 武汉大学

    CPC classification number: G06K9/6287 G06K9/66

    Abstract: 本发明公开了一种基于图像深度学习的烟火识别方法及系统,包括:步骤1,采集无标签样本图像集和有标签样本图像集;步骤2,获得无标签训练数据集和有标签训练数据集;步骤3,对训练数据的白化预处理;步骤4,基于白化预处理后的无标签训练数据,采用无监督学习构建基于稀疏自编码的深度神经网络,并提取无标签训练数据的基本图像特征集;步骤5,将基本图像特征卷积与池化图像数据;步骤6,基于卷积和池化后的有标签训练数据集训练Softmax分类器;步骤7,将卷积和池化后的待识别图像输入已训练的Softmax分类器获得识别结果。本发明可有效提高烟火与相似目标的视觉识别率,可实现更高精度的烟火自动识别。

    一种基于计算机视觉的雾霾监测方法

    公开(公告)号:CN103218622A

    公开(公告)日:2013-07-24

    申请号:CN201310141896.0

    申请日:2013-04-22

    Applicant: 武汉大学

    Abstract: 一种基于计算机视觉的雾霾监测方法,采集场景中预设的颜色黑暗的远近目标区域,基于目标物视觉特征的计算及与不同雾霾情况下样本图像的对比,给出针对雾霾的监测结果。表达图像的视觉特征包括:包含像素色彩饱和度均值与蓝色分量均值在内的颜色特征,包含特征点个数与边缘像素点个数在内的形状特征,包含灰度共生矩阵特征与小波变换子带系数在内的纹理特征,以及表示远近目标物之间差别的特征向量。本发明提出了在原理上与人工观测雾霾最接近的借助视觉特征的直接测量方式,易于实现针对整个区域的雾霾情况的全面监测,而且在样本数据足够多时能够保证高精度的监测结果。

    一种基于计算机视觉的自动激光雕刻系统及其使用方法

    公开(公告)号:CN102490523A

    公开(公告)日:2012-06-13

    申请号:CN201110421907.1

    申请日:2011-12-16

    Applicant: 武汉大学

    Abstract: 本发明涉及一种基于计算机视觉的自动激光雕刻系统及其使用方法。该系统包括:运动轨道、图像捕捉模块、激光雕刻机、控制模块、上位机以及电源模块,其使用方法如下:对图像捕捉模块进行畸变校正与坐标系调整,运动轨道坐标系调整,设置生产参数,并记录与生产中产品定位相关的匹配信息;然后产品通过运动轨道输送至拍摄区由图像捕捉模块进行拍摄,并将拍摄的图像信息与匹配信息进行匹配对比,获取雕刻的图案位置信息,最后产品由运动轨道输送至激光雕刻机处对产品进行激光雕刻,完毕后结束一轮生产。具有如下优点:在精度方面有了很大的提高;通过生产效率的提高降低了劳动力成本;降低了产品报废率,提高了产品生产的成功率从而降低了生产成本。

    一种电磁空间定位方法、装置、设备及存储介质

    公开(公告)号:CN118960738A

    公开(公告)日:2024-11-15

    申请号:CN202411022004.X

    申请日:2024-07-29

    Applicant: 武汉大学

    Abstract: 本发明提供一种电磁空间定位方法、装置、设备及存储介质,其中,该电磁空间定位方法包括:获取目标对象的位姿信息和磁感应强度分量;所述目标对象包括惯性传感器和磁传感器,并且所述目标对象处于均匀梯度磁场中;结合所述目标对象的位姿信息,对所述目标对象的磁感应强度分量进行角度补偿;调用预先构建的磁场指纹定位算法,将角度补偿后的所述磁感应强度分量作为输入,确定所述目标对象在所述均匀梯度磁场中的位置坐标。通过本发明,将惯性测量与磁传感器测量的方式相结合,对传感器测量的磁感应强度分量进行角度补偿,使其能够满足6自由度的空间定位需求,解决了现有的相关技术中存在的定位精确程度较低的问题。

    一种电磁控制的介入手术系统及方法

    公开(公告)号:CN114191098B

    公开(公告)日:2024-03-19

    申请号:CN202111552632.5

    申请日:2021-12-17

    Applicant: 武汉大学

    Abstract: 本发明公开了一种电磁控制的介入手术系统及方法,系统包括患者端和操作者端;操作者端是基于计算机图形学渲染技术和实时物理仿真方法构建的程序展示的虚拟手术环境,并由操纵杆等设备接收用户输入;患者端包括线圈阵列、磁性可控导丝、视觉输入设备、边缘计算设备和嵌入式控制设备。本发明首先是计算得到的各个线圈通过单位强度电流时的磁场矢量来构建磁控系统线性动力学方程的系数矩阵;再根据此系数矩阵,使用Moore‑Penrose广义逆进行线圈阵列电流值的实时求解。本发明由嵌入式系统模块动态准确地控制电流配置、进行外加磁场的生成,可远程操作受控导丝至指定位置,使医生免受手术环境下的辐射损伤从而提高手术效率。

    基于MQTT协议的触觉信号传输与预测方法、装置及系统

    公开(公告)号:CN116384235A

    公开(公告)日:2023-07-04

    申请号:CN202310306655.0

    申请日:2023-03-27

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于MQTT协议的触觉信号传输与预测方法、装置及系统,首先利用WeMos D1mini开发板采集触觉信号并通过Wi‑Fi在部署好的MQTT服务器上发布触觉信号信息;在信号接收端订阅触觉信号信息,接收端在接收到触觉信号后将接收到的触觉信号显示,而后使用一种SCINet‑CBAM时间序列预测方法对下一时刻可能接收到的触觉信号进行预测,若未能及时接收下一时刻的触觉信号信息,将使用预测值代替接收值显示。本发明基于MQTT协议触觉信号传输与预测技术,在实时采集和远程传输触觉信号的同时,对未能及时接收的数据进行预测与补全,使传递的触觉信号具有连续性,提高了数据传输的可靠性。为远程操作手术提供了一种有效的技术手段。

    一种基于深度主动半监督学习的心电信号分类方法及系统

    公开(公告)号:CN114818771A

    公开(公告)日:2022-07-29

    申请号:CN202210221883.3

    申请日:2022-03-09

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于深度主动半监督学习的心电信号分类方法及系统,首先搭建一个多分支稠密连接卷积网络(DenseNet),该神经网络模型可以自动提取12导联心电信号特征,并融合所有分支特征输出分类结果;然后使用预处理后的心电信号对其进行预训练,生成一个初始模型;基于新对象的未标注样本,先使用主动学习策略提升初始模型的分类能力,然后使用半监督策略进一步更新模型;最终更新后的模型被用来诊断新对象。本发明开发了一种新的12导联心电信号分类方法,结合了主动学习和半监督学习的优势,克服个体差异性的同时减少人工交互过程,为辅助诊断心血管疾病提供了有效技术手段。

    一种电磁控制的介入手术系统及方法

    公开(公告)号:CN114191098A

    公开(公告)日:2022-03-18

    申请号:CN202111552632.5

    申请日:2021-12-17

    Applicant: 武汉大学

    Abstract: 本发明公开了一种电磁控制的介入手术系统及方法,系统包括患者端和操作者端;操作者端是基于计算机图形学渲染技术和实时物理仿真方法构建的程序展示的虚拟手术环境,并由操纵杆等设备接收用户输入;患者端包括线圈阵列、磁性可控导丝、视觉输入设备、边缘计算设备和嵌入式控制设备。本发明首先是计算得到的各个线圈通过单位强度电流时的磁场矢量来构建磁控系统线性动力学方程的系数矩阵;再根据此系数矩阵,使用Moore‑Penrose广义逆进行线圈阵列电流值的实时求解。本发明由嵌入式系统模块动态准确地控制电流配置、进行外加磁场的生成,可远程操作受控导丝至指定位置,使医生免受手术环境下的辐射损伤从而提高手术效率。

    一种基于粗细粒度复合卷积的多分支对象检测方法

    公开(公告)号:CN108875826B

    公开(公告)日:2021-12-03

    申请号:CN201810618770.0

    申请日:2018-06-15

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于粗细粒度复合卷积的多分支对象检测方法,首先,找出初始卷积网络中用于执行相关任务的特征层作为复合卷积的主干分支的输入。然后,为了找到适合细粒度分支的输入,先计算网络中的各层特征所对应的感受野,通过感受野的大小的比较,找出与主干分支对应的细粒度分支的输入特征层,利用复合卷积计算得到复合了主干分支输入特征和各细粒度分支输入特征的综合特征。最后,通过体现不同粒度特征的综合特征替代传统卷积网络中用于执行相关任务的单粒度特征,且通过构造多个包含不同粒度特征的综合特征检测分支实现多尺度的检测。本发明提高了对象检测与识别的精度,加快了基于复合卷积的神经网络的训练收敛速度。

Patent Agency Ranking