公开(公告)号：CN116957164A

公开(公告)日：2023-10-27

申请号：CN202311011225.2

申请日：2023-08-11

Applicant: 东北大学秦皇岛分校

Inventor： 李文超 ,  朱宇杰 ,  管政 ,  沙晓鹏 ,  郭周鹏 ,  谢德瀚

IPC: G06Q10/04 ,  G06Q50/02 ,  G06F18/214 ,  G06N20/20

Abstract: 本发明提供一种基于LightGBM‑XGBoost集成学习的农药残留量测量方法，涉及农业药物残留技术领域，本发明基于作物生长时的实际农药残留数据，整合了多种机器学习算法的数据驱动方法来分析作物农药残留量与作物生长时的各种外界因素之间的关系。猎人猎物优化算法的使用可以自动得出模型中超参数的最优值，使模型的精度大大提升、泛化性更强。并可以代替人工进行调参，节省工作人员的时间与精力，提升工作效率，对种植户使用农药有特殊指导意义，而且还可以为国家制定农药残留相关法则提供参考依据。

公开(公告)号：CN116543290B

公开(公告)日：2025-05-23

申请号：CN202310591616.X

申请日：2023-05-24

Applicant: 东北大学秦皇岛分校

Inventor： 李文超 ,  郭周鹏 ,  沙晓鹏 ,  管政 ,  朱宇杰 ,  谢德瀚

IPC: G06V10/82 ,  G06V10/80 ,  G06V10/762 ,  G06V10/25 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供一种基于新型半断层FPN+PAN特征融合网络的小目标检测方法，属于目标检测领域。本方法在FPN+PAN特征融合网络的基础上切断其中FPN较深层的信息传递过程，有效地削弱浅层特征图的尺度混淆问题，提高了小目标检测精度。同时，采用Dconv模块与C3‑Res模块构成的特征提取网络，以自适应提取特征并加深网络深度。同时，采用K‑means++算法得到先验框，加速模型收敛。最后，对检测结果进行非极大值抑制，筛出重叠物体框，整个网络采用端到端的方式，整体进行网络权值的更新，直至收敛。最终，提出的新型半断层FPN+PAN多尺度特征融合网络有效地提高了复杂背景、多尺度目标下的小目标检测精度。

公开(公告)号：CN119006780A

公开(公告)日：2024-11-22

申请号：CN202411021763.4

申请日：2024-07-29

Applicant: 东北大学秦皇岛分校

Inventor： 沙晓鹏 ,  秦晔 ,  郭周鹏 ,  吕晓永 ,  李文静 ,  桑新奇

IPC: G06V10/25 ,  G06V10/88 ,  G06V10/774 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/082

Abstract: 本发明提供一种基于线性注意力的复杂场景下红外小目标检测方法；首先，处理划分原始数据集，利用序列噪声建模技术对训练集中的图片施加噪声数据，以得到复杂场景下的小目标数据，提高检测泛化能力；再对数据集中的小目标区域进行负样本增强，扩充数据集；其次，发明一种小目标分割网络，编码部分通过减少空间维度获得高层次语义信息，提取特征，解码阶段恢复空间维度，重建原始图像结构；网络中的线性注意力模块，旨在提高特征提取能力的同时降低空间复杂度；而空洞卷积模块扩大感受野，减弱下采样次数过多造成的小目标信息丢失；其中，使用跳跃连接保留高分辨率信息，使用深度监督不同尺度的信息；最后，使用八连通邻域聚类模块确保匹配准确，减少误检；本发明能对复杂背景下的红外图像进行目标检测，有效抑制背景噪声的干扰，提高了红外小目标检测的准确度。

公开(公告)号：CN116543290A

公开(公告)日：2023-08-04

申请号：CN202310591616.X

申请日：2023-05-24

Applicant: 东北大学秦皇岛分校

Inventor： 李文超 ,  郭周鹏 ,  沙晓鹏 ,  管政 ,  朱宇杰 ,  谢德瀚

IPC: G06V10/82 ,  G06V10/80 ,  G06V10/762 ,  G06V10/25 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供一种基于新型半断层FPN+PAN特征融合网络的小目标检测方法，属于目标检测领域。本方法在FPN+PAN特征融合网络的基础上切断其中FPN较深层的信息传递过程，有效地削弱浅层特征图的尺度混淆问题，提高了小目标检测精度。同时，采用Dconv模块与C3‑Res模块构成的特征提取网络，以自适应提取特征并加深网络深度。同时，采用K‑means++算法得到先验框，加速模型收敛。最后，对检测结果进行非极大值抑制，筛出重叠物体框，整个网络采用端到端的方式，整体进行网络权值的更新，直至收敛。最终，提出的新型半断层FPN+PAN多尺度特征融合网络有效地提高了复杂背景、多尺度目标下的小目标检测精度。

公开(公告)号：CN116542955A

公开(公告)日：2023-08-04

申请号：CN202310589738.5

申请日：2023-05-24

Applicant: 东北大学秦皇岛分校

Inventor： 司晓鹏 ,  李文超 ,  沙晓鹏 ,  肖乐 ,  郭周鹏 ,  朱宇杰 ,  管政

IPC: G06T7/00 ,  G06T3/00 ,  G06T7/187 ,  G06T7/90 ,  G06N5/04

Abstract: 本发明提供一种基于聚落检测和特征筛选的板材钉位检测方法，涉及图像数据处理技术领域。本方法以PC端内板材钉位检测算法为核心，通过RS‑485串口实现PLC与PC端的双向通信，并在起始阶段将板材加工的相关参数传输至PC端以完成PC端内部程序的初始化。检测系统开始时，由摄像机捕捉流水线上加工完成的板材图像数据并传至PC端中，由板材钉位检测算法进行检测，结果则返回至PLC。本发明可替代繁琐的人工检测环节，工作效率和检测精度高，能够根据板材图像信息有效筛查出缺钉漏钉的生产次品。