-
公开(公告)号：CN109493954A
公开(公告)日：2019-03-19
申请号：CN201811562966.9
申请日：2018-12-20
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于类别判别定位的SD-OCT图像视网膜病变检测系统，包括数据预处理模块、神经网络预测模块、热力图计算模块、病变区域定位模块以及精确检测模块，首先获取数据集并进行增强处理，然后通过全局卷积神经网络进行分类，根据预测结果，获取类别映射特征热力图，最后通过获取较大激活值区域，生掩模求取最小外接矩形，根据最小外接矩形的坐标确定眼底病变的位置，从而实现对图像当中眼底病变区域进行定位。本发明能够有效提高检测识别的精度，并且在对眼底视网膜图像进行分类识别的同时，能够根据类别判别信息定位到相应的眼底病变所在的位置区域，对于后续的眼底诊断分析和治疗具有重要的指导意义。
-
公开(公告)号：CN108764020A
公开(公告)日：2018-11-06
申请号：CN201810296806.8
申请日：2018-03-30
Applicant: 广东工业大学
CPC classification number: G06K9/0063 , G06T7/13 , G06T7/136
Abstract: 本发明涉及一种基于无人机图像的高压电塔上的鸟巢识别方法，采用无人机巡检的方式，利用架在无人机上高清拍摄设备，对高压塔进行拍摄，并且把拍摄的图像信息，导回到地面上PC电脑端，在电脑端对图像进行鸟巢识别。识别时先对图像进行预处理，然后进行模板匹配，最后得出鸟巢的所在位置。这个方法与传统人工巡检对比，速度上更快，识别效率高，安全性高，而且可以在各种复杂的地形环境进行，做到很多人工所不能及的事情。
-
公开(公告)号：CN108615097A
公开(公告)日：2018-10-02
申请号：CN201810442364.3
申请日：2018-05-10
Applicant: 广东工业大学
Abstract: 本发明公开了一种风速预测方法、系统、设备及计算机可读存储介质，其中该方法包括：获取实时风速数据；输入实时风速数据至预先训练的LSTM模型；获取LSTM模型输出的预测风速数据。本发明公开的一种风速预测方法，先获取实时风速数据，然后输入实时风速数据至预先训练的LSTM模型，最后获取LSTM模型输出的预测风速数据，也即实现了利用LSTM模型来对风速进行预测。实验证明，本发明公开的风速预测方法的预测准确率较高。本发明公开的一种风速预测系统、设备及计算机可读存储介质也在一定程度上提高了现有的风速预测方法的预测准确率。
-
公开(公告)号：CN107730532A
公开(公告)日：2018-02-23
申请号：CN201711065134.1
申请日：2017-11-02
Applicant: 广东工业大学
CPC classification number: G06T7/207 , G06K9/6256
Abstract: 本申请公开了一种羽毛球运动轨迹跟踪方法，包括：利用羽毛球模型对羽毛球运动视频的当前帧的前一帧中的羽毛球进行检测，得到羽毛球的重心；提取当前帧的运动前景；其中，运动前景包括羽毛球运动前景和干扰物运动前景；计算重心与每一个运动前景的重心的距离，并将距离按数值的大小进行排序，得到运动距离组；按预设的筛选条件对运动距离组中的数值进行筛选；将筛选到的数值所对应的运动前景的重心，标记为当前帧的羽毛球位置点。通过本发明中的方法，可以提高对羽毛球运动轨迹跟踪的速度以及减少在对羽毛球运动轨迹进行跟踪时的丢帧现象。相应的，本发明还公开了一种羽毛球运动轨迹跟踪系统、介质及设备，同样具有上述有益效果。
-
公开(公告)号：CN107644231A
公开(公告)日：2018-01-30
申请号：CN201710852344.9
申请日：2017-09-19
Applicant: 广东工业大学
IPC: G06K9/62
Abstract: 本发明公开了一种发电机转子故障诊断方法及装置，其中该方法包括：获取多组训练数据及每组所述训练数据对应的转子状态信息；利用多组训练数据及每组训练数据对应的转子状态信息训练分类器；获取实时采集的测试数据，将所述测试数据输入所述分类器，得到与所述测试数据对应的转子状态信息；其中，每组所述训练数据及测试数据均包括对应时刻发电机的定子电流信号、转子震动信号及磁场密度信号，所述转子状态信息为表明对应时刻所述发电机是否发生转子偏心故障的信息。本申请只需利用获取的数据训练分类器，即可将测试数据输入至分类器从而得到输出的测试数据对应转子状态信息，达到了效率高且可行性强的目的。
-
Patent Agency Ranking
公开(公告)号：CN109657665B
公开(公告)日：2023-01-20
申请号：CN201811285202.X
申请日：2018-10-31
Applicant: 广东工业大学
IPC: G06V30/10 , G06V30/18 , G06N3/0464 , G06N3/08 , G07D7/202
Abstract: 本发明公开了一种基于深度学习的发票批量自动识别系统，包括：发票图像获取模块，用于获取发票的扫描图并进行格式转换，得到发票图像进行保存；然后对发票图像进行摆正处理和归一化处理；预处理与定位模块，用于对归一化后的发票图像进行倾斜校正和数字区域定位；字符切割模块，用于对所述的数字区域中的字符进行切割，得到切割后的字符图像；字符识别模块，用于通过CNN卷积神经网络对切割后的字符图像进行字符识别；输出模块，用于将识别出的字符记录到Excel表格的对应位置，并对字符进行准确性判定与人工更正。本发明能快速、高效地完成发票上主要信息的识别，克服了以往只能靠人工对发票进行管理而存在的速度慢、效率低、出错率高的问题。
-
公开(公告)号：CN114820675A
公开(公告)日：2022-07-29
申请号：CN202210552682.1
申请日：2022-05-19
Applicant: 广东工业大学
Abstract: 本发明公开了一种便携式图像边缘检测设备，所述检测设备基于FPGA硬件平台、摄像头实现图像的采集与边缘检测；所述摄像头采集图像数据进行预处理，之后放入存储器中进行缓存；然后将图像数据传输给FPGA硬件平台进行边缘检测运算；所述边缘检测运算包括：首先将图像数据的边缘置0，然后生成图像检测矩阵框；之后进行图像灰度化处理，在灰度化之前，需要将图像转换为RGB888格式；对灰度化后的图像进行快速中值滤波，然后对中值滤波后的图像进行边进行卷积后，得到卷积后的梯度矩阵；对梯度矩阵进行边缘细化，得到细化后的矩阵；最后通过自适应阈值方法对细化后的矩阵进行自适应阈值的处理，得到边缘检测的结果。
-
公开(公告)号：CN108205812B
公开(公告)日：2021-12-17
申请号：CN201711173975.4
申请日：2017-11-22
Applicant: 广东工业大学
IPC: G06T7/90
Abstract: 本发明公开了一种颜料色彩混合比例匹配的方法，包括以下步骤：S1：待测颜料图像的获取；S2：对所述待测颜料图像进行预处理，得到待测颜料图像色彩的RGB值；S3：对经预处理后的待测颜料图像进行颜料色彩采集；S4：对采集到的颜料色彩进行色彩空间转换，即RGB转换为HSV；S5：通过色彩数据HSV，求得色调(H)，饱和度(S)，亮度(V)各通道的比例混合函数；S6：对所述的比例混合函数，分别求其反函数；S7：通过反函数，可以输入待混合颜色，目标颜色，获得颜色的混合比例。本发明方法能完成颜色色彩的采集，得到颜料的比例混合规律，并利用比例混合函数的反函数，求目标颜料所需待混合颜料的比例。
-
公开(公告)号：CN112099052A
公开(公告)日：2020-12-18
申请号：CN202010972689.X
申请日：2020-09-16
Applicant: 广东工业大学
Abstract: 本发明公开了一种激光雷达水平调节系统，包括:激光雷达，用于对目标平面进行扫描；两自由度调节平台，用于调节所述激光雷达保持水平；所述两自由度调剂平台上设有所述激光雷达；陀螺仪，用于测量目标机器人的三维旋转角速度；加速度计，用于测量目标机器人的加速度；所述陀螺仪和所述加速度计设于所述目标机器人上；主控计算单元，用于控制所述两自由度调节平台进行调节。通过利用目标机器人上的陀螺仪和加速度计，同时，通过互补滤波算法计算得到目标机器人的俯仰角和横滚角，进而控制由两个舵机构成的两自由度调节平台使激光雷达保持水平。
-
公开(公告)号：CN110648108A
公开(公告)日：2020-01-03
申请号：CN201910815451.3
申请日：2019-08-30
Applicant: 广东工业大学
IPC: G06Q10/10
Abstract: 本发明提出一种基于按键精灵的办公自动化方法及系统，其中，办公自动化方法包括以下步骤：采集当前页面的数据，若当前页面出现预设的标志文字，则将数据进行编号后传送到数据解析模块中，并重复上述步骤至当前页面完成缓冲；数据解析模块对写入的数据组进行解析，得到相应的指令信息，并根据指令信息从办公系统数据库中调用预设的指令，通过按键精灵执行指令执行；当完成指令执行时，将该数据组的标志位设置为1，若无法执行指令则设置为0，然后将数据组及其标志位写入存储器；逐个判断存储器中写入的数据组将标志位为0的数据组写入Excel表格中，至存储器中的所有数据组完成判断，然后输出表格，通过按键精灵跳转下一页面并重复上述步骤。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.027 seconds)
