-
公开(公告)号：CN113837039B
公开(公告)日：2023-10-24
申请号：CN202111067533.8
申请日：2021-09-13
Applicant: 常州大学
IPC: G06V20/68 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及卷积神经网络技术领域，涉及一种基于卷积神经网络的果实生长形态视觉辨识方法，包括以下步骤：S1、图像采集：采集果园不同形态的果实图像，并对图像进行标注；S2、图像增强：将采集到的图像进行数据增强以扩充数据集；S3、搭建卷积神经网络模型；S4、使用SGD优化器对网络参数进行优化；S5、使用训练完的最优模型对测试集进行检测，给出每个目标的预测框、类别和置信度。本发明基于深度学习技术提出了果实生长形态的辨识方法，该方法与Faster‑RCNN、YOLO算法相比，有更高的识别准确率和更快的识别速度，同时模型参数量也更少。
-
公开(公告)号：CN116797582A
公开(公告)日：2023-09-22
申请号：CN202310779302.2
申请日：2023-06-28
Applicant: 常州大学
IPC: G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/0985
Abstract: 本发明涉及一种基于改进Yolov7网络模型检测光伏电池缺陷的方法及装置，方法包括：在电致发光条件下采集光伏电池图像；利用预先训练的改进Yolov7网络模型对所述光伏电池图像进行识别，得到缺陷识别精度结果和缺陷位置识别结果；其中，所述改进Yolov7网络模型包括Backbone网络、Neck网络和Head网络，所述Backbone网络使用有倒残差结构和全维动态卷积的轻量化的ODM_block层，所述Neck网络添加有全维动态卷积ODConv层，所述Head网络使用Rep模块。本发明可以高效、准确地检测电池缺陷。
-
公开(公告)号：CN109544572B
公开(公告)日：2023-07-25
申请号：CN201811373577.1
申请日：2018-11-19
Applicant: 常州大学
Abstract: 本发明公开了一种果园图像中近大果实目标的获取方法，包括：1、RGB图像采集；2、色差图像获取：对RGB图像提取R‑G色差图像；3、图像形态学运算：对R‑G色差图像依次进行腐蚀、一次孔洞填充、小区域去除、膨胀、二次孔洞填充操作；4、果实区域获取：基于图像中物体边缘信息进行阈值分割获取果实区域；5、各果实区域等面积圆半径获取：计算各果实区域面积，在此基础上计算出等面积圆的半径；6、获取近大果实区域：对果实图像以半径变化的圆盘形结构元素进行迭代开运算操作，以此获取近大果实目标区域图像。本发明为单臂采摘机器人采摘目标的确定提供了一种简单有效的方法。
-
公开(公告)号：CN109584301B
公开(公告)日：2023-05-23
申请号：CN201811430186.9
申请日：2018-11-28
Applicant: 常州大学
Abstract: 本发明公开一种非均一颜色果实区域的获取方法，包括图像采集：采集果园果实RGB图像；图像预处理：突出非均一颜色果实中的颜色显著区域；种块区域提取：提取图像果实中的颜色显著区域，作为后续区域生长的种块区域；计算区域框定：框定后续种块区域生长的计算区域；小类别区域划分：将各个除种块以外的计算区域划分为同色、多色和异色小区域；异色小区域细分：将异色小区域近一步细分为同色和多色小区域；种块区域生长：基于种块区域依据位置邻近和纹理相近原则生长合并同色区域，由此获得非均一颜色果实的整个区域。该发明对于像水蜜桃青里泛白、白里透红等非均一颜色类果实区域的获取提供一种有效方法，为其机器人采摘视觉识别奠定基础。
-
公开(公告)号：CN112690777B
公开(公告)日：2023-03-21
申请号：CN202110042559.0
申请日：2021-01-13
Applicant: 常州大学
Abstract: 本发明公开了一种基于状态转换动态脑网络算法的神经障碍诊断系统，包括范式设计模块、数据转换模块、网络构建模块、动态分析模块、数据检测模块以及结果示出模块。数据转换模块用于采集核磁共振脑功能成像BOLD信号并进行预处理；网络构建模块采用互信息算法构建全脑功能网络；动态分析模块根据空间标准差对全时段脑功能网络进行动态时间窗划分，在数据驱动下解码适当数量的脑部状态，使用曲率面积算法进行脑网络指标计算，获取模型训练分析结果，形成数据化诊断报告。本发明能够为一些神经障碍疾病提供一种新型的疾病诊断与预测思路，在脑功能连接分析领域具有一定的实际意义与应用价值。
-
Patent Agency Ranking
公开(公告)号：CN114861702A
公开(公告)日：2022-08-05
申请号：CN202210307716.0
申请日：2022-03-27
Applicant: 常州大学
Abstract: 本发明涉及神经网络算法技术领域，尤其涉及一种利用深度神经网络对EEG数据的噪声识别方法，包括S1、通过脑电帽采集被试卒中关节的组合动作时诱发的EEG数据；S2、对数据集中数据进行降采样、粗滤波和独立成分分解；S3、将IC地形图进行裁剪；S4、将IC地形图送入二维CNN卷积网络，IC激活送入一维卷积网络，并将两个卷积网络的输出值送入DNN卷积网络；S5、将DNN卷积网络输出值通过softmax分类器进行分类，并对EEG数据进行噪声剔除。本发明利用一维CNN卷积、二维CNN卷积和DDN卷积搭建深度神经网络可以有效分类出噪声成分，对实时采集的EEG噪声敏感度高，能够有效的剔除噪声成分。
-
公开(公告)号：CN114842347A
公开(公告)日：2022-08-02
申请号：CN202210580143.9
申请日：2022-05-26
Applicant: 常州大学
Abstract: 本发明涉及卷积神经网络技术领域，尤其涉及一种基于图像渲染的果实生长形态辨识方法，包括采集果实图像；图像数据增强；构建主干网络，并通过自顶向下和自底向上的双向融合网络对主干网络的网络层进行特征融合，从而对图像进行特征提取；构建RPN网络；使用点的表征来进行图像分割，首先选择少量真值点进行预测；其次，对选中的每个点提取逐点特征表示，最后构建一个MLP预测分类；将测试集图像送入训练好的网络模型后进行前向传播。本发明基于深度学习搭建特征提取网络并基于图像渲染的思想来实现果实生长形态的精确辨识，使得采摘机器人能够自动辨识果实生长形态，为进一步对其选用相应的采摘机制奠定基础。
-
公开(公告)号：CN110522463B
公开(公告)日：2022-07-01
申请号：CN201910799325.3
申请日：2019-08-28
Applicant: 常州大学
Inventor： 邹凌
Abstract: 本发明涉及医疗诊断技术领域，具体地说，是一种基于脑功能连接分析的抑郁症辅助诊断系统,包括实验范式设计模块、数据导入模块、功能连接检测模块、数据分析模块，检测判断模块以及结果显示模块。实验范式设计模块用于范式的设计以及运用，数据导入模块用于数据的格式转化以及保存，功能连接检测模块用于网络的搭建，数据分析模块用于网络参数的提取以及表征，检测模块用于KS检验和参数模型的训练，结果显示模块用于提供检测的结果形成报告便于医护人员参考。本发明在脑功能连接领域具有一定的实际意义，对抑郁患者的准确诊断具有积极作用。
-
公开(公告)号：CN108718704B
公开(公告)日：2021-07-27
申请号：CN201810348380.6
申请日：2018-04-18
Applicant: 常州大学
IPC: A01D46/30
Abstract: 本发明公开一种人机交互式野外果蔬采收机器人系统及其采收方法。该系统中：图像采集装置用于果蔬图像的实时获取；机械手装置用于根据人机交互结果采收目标果蔬；机器人移动平台用于野外环境下的人为控制运动；果蔬收拣装置负责果蔬的采收回置；主控设备集成了人机交互界面、控制界面及其他各个软件模块，对整个系统进行控制。图像采集装置包括两套单目彩色摄像机和智能控制云台；机械手装置包括四个4自由度机械臂本体及相应的末端执行器、伺服驱动器、执行电机等；机器人移动平台包括三角履带轮、电源、动力控制设备和人员驾驶舱。本发明基于人眼对果蔬的识别定位实现人机交互式的果蔬目标采收，而无果蔬颜色、形状大小和昼夜工作时间的限制。
-
公开(公告)号：CN109994204A
公开(公告)日：2019-07-09
申请号：CN201910383332.5
申请日：2019-05-08
Applicant: 常州大学
Abstract: 本发明公开了一种大脑功能网络关键节点搜索方法，包括以下步骤：对采集的静息态功能磁共振成像进行格式转换和预处理并提取时间序列；将时间序列进行分段处理并对各段进行线性处理以去除噪音；利用滑窗法将时间序列划分为长度固定的重叠子段，计算各时间子段间的相关系数，构建出随时间变化的多层大脑功能网络；将脑网络依据线性模型将每个矩阵转化为列向量形式；根据每一组列向量的先验分布和结构似然信息用贝叶斯公式求出每一组的后验分布，计算出后验分布的均值，以均值代入公式算出组向量，继而得出稀疏后的矩阵。本发明有助于精确定位对网络连通性贡献较大的关键节点，在脑结构研究和脑疾病诊断等领域具有重要的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.019 seconds)
