公开(公告)号：CN116843922A

公开(公告)日：2023-10-03

申请号：CN202310705032.0

申请日：2023-06-14

Applicant: 中国兵器装备集团西南技术工程研究所

Inventor： 吴护林 ,  邓贤明 ,  张天才 ,  朱凡 ,  李忠盛 ,  周堃 ,  张翼翔 ,  陈知华 ,  徐塱 ,  汪家辉 ,  代欣位 ,  刘朋浩 ,  吴非 ,  王森 ,  高浩然

IPC: G06V10/58 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 一种聚氨酯功能材料构件的多特征融合图像辨识方法、装置及介质。它基于深度学习模型与多层级融合架构的光谱、红外、可见光多层级融合检测，利用光谱、红外、可见光多层级融合实现复杂背景环境下的聚氨酯功能材料构件融合识别。本发明针对聚氨酯功能材料的特殊光学性能，通过红外成像特征、可见光成像特征、高光谱特征以及红外可见光融合特征进行分别辨识，再融合辨识结果获取最终结果，可显著提高聚氨酯功能材料构件的辨识准确率，特别是红外可见光融合特征用于聚氨酯功能材料构件辨识属于独创方式，具有显著的效果。

公开(公告)号：CN116994678A

公开(公告)日：2023-11-03

申请号：CN202310710487.1

申请日：2023-06-15

Applicant: 中国兵器装备集团西南技术工程研究所

Inventor： 吴护林 ,  邓贤明 ,  张天才 ,  张翼翔 ,  李忠盛 ,  周堃 ,  朱凡 ,  陈知华 ,  徐塱 ,  吴非 ,  张小华 ,  戴静文 ,  邓韵 ,  王森 ,  汪家辉 ,  代欣位

IPC: G16C60/00 ,  G01N21/27 ,  G01J5/48 ,  G01J1/42 ,  G16C20/90 ,  G16C20/70 ,  G06V10/80 ,  G06V10/77 ,  G06V10/74 ,  G06N20/10

Abstract: 本发明涉及材料试验技术领域，特别涉及一种聚氨酯功能材料构件的光谱温度亮度退化预测方法。它构建用于预测聚氨酯功能材料构件的加权联合回归网络预测模型；通过加权联合回归网络预测模型预测聚氨酯功能材料构件的光谱相似度、温度相似度、亮度相似度。提出了基于加权联合回归网络的功能材料温度、亮度、光谱特征退化表征模型，通过温度、亮度、光谱特征图像检测结果加权联合回归，相较于传统一种回归拟合算法，可避免陷入局部最解以及过拟合的情况，使预测结果更接近于现实情况。

公开(公告)号：CN116719001A

公开(公告)日：2023-09-08

申请号：CN202310686224.1

申请日：2023-06-12

Applicant: 中国兵器装备集团西南技术工程研究所 ,  北京航空航天大学

Inventor： 吴护林 ,  邓贤明 ,  张天才 ,  洪韬 ,  李忠盛 ,  赵京城 ,  朱凡 ,  周堃 ,  张翼翔 ,  陈知华 ,  徐塱 ,  代欣位 ,  汪家辉 ,  王森 ,  吴非 ,  刘朋浩 ,  高浩然

IPC: G01S7/41

Abstract: 本发明涉及雷达技术领域，特别涉及一种基于缩比映射的雷达散射截面测算方法、装置及介质。具体方法为确认雷达探测到的原型目标的类别信息；根据所述原型目标类别调取原型目标与缩比目标雷达散射截面映射模型；根据原型目标对应的缩比目标雷达散射截面和原型目标与缩比目标雷达散射截面映射模型，计算原型目标雷达散射截面σA。本发明针对不同的原型目标构建原型目标与缩比目标雷达散射截面映射模型；通过映射模型和可测得的缩比目标雷达散射截面，既可准确计算出原型目标雷达散射截面σA；无论表面是否涂覆有应用介质材料均适用。

公开(公告)号：CN116935381A

公开(公告)日：2023-10-24

申请号：CN202310772036.0

申请日：2023-06-27

Applicant: 中国兵器装备集团西南技术工程研究所

Inventor： 张天才 ,  邓贤明 ,  吴护林 ,  李忠盛 ,  周堃 ,  牛飞龙 ,  向伟 ,  吴法霖 ,  陈知华 ,  朱凡 ,  张翼翔 ,  汪家辉 ,  代欣位 ,  徐塱 ,  王森

IPC: G06V20/69 ,  G06V10/774 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于高光谱图像深度学习的智能识别方法、装置及介质，涉及图像处理领域，包括：S1、制备深度学习样本；S2、采集样本高光谱图像；S3、样本高光谱图像预处理；S4、显微高光谱图像识别训练并输出图像。本发明在高光谱图像上做3D残差卷积可以更充分地对光谱维度进行特征提取，利用3D卷积替代传统2D卷积可以直接将高光谱数据块送入网络训练，无需前期降维等操作，避免了高光谱图像信息量的损失；同时提取其空间和光谱信息进行模型训练；在图像数量较少的情况下依旧可以达到不错的训练效果；综上，提高图像识别准确率。

公开(公告)号：CN116310586A

公开(公告)日：2023-06-23

申请号：CN202310370218.5

申请日：2023-04-10

Applicant: 中国兵器装备集团西南技术工程研究所

Inventor： 吴护林 ,  张翼翔 ,  邓贤明 ,  张天才 ,  李忠盛 ,  周堃 ,  陈知华 ,  徐塱 ,  王森 ,  吴非 ,  朱凡 ,  林牧春 ,  汪家辉 ,  代欣位 ,  高浩然

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及图像特征提取分类技术领域，特别涉及一种基于环境及辅助目标特征交叉验证的未知目标特征提取方法。提取步骤为：1)获取样本数据；2)对样本数据进行预处理；3)利用样本数据，训练残差三维卷积神经网络；4)生成特征提取模型，以及确认判断阈值；5)输出未知目标分类信息。样本数据包括图像数据，并为每张图像数据匹配对应的环境参数，生成样本数据。本发明采用残差结构的三维卷积网络进行训练，同时引入DOC算法对卷积神经网络模型进行优化，依据环境和已知目标数据反演出未知目标特征，提升了目标特征提取的精度和效率。