公开(公告)号：CN108615046A

公开(公告)日：2018-10-02

申请号：CN201810220737.2

申请日：2018-03-16

Applicant: 北京邮电大学

Inventor： 周晓光 ,  党豪 ,  孙沐毅 ,  刘治财 ,  张冠宏 ,  杨海英 ,  杨记好 ,  张驰 ,  石志超

IPC: G06K9/62 ,  G06N3/04 ,  G06Q50/02

Abstract: 本发明提供一种储粮害虫检测识别方法及装置。所述方法包括：将原始储粮害虫图像输入人工智能分析模型中进行害虫的位置定位和类别判定，所述人工智能分析模型为根据储粮害虫图像组成的数据集进行训练和验证的卷积神经网络；根据位置定位和类别判定的结果，在所述原始储粮害虫图像上标注害虫位置和类别。本发明基于深度学习的目标检测算法和采集到的储粮害虫数据，训练出一个能够正确定位并识别多类储粮害虫的模型，避免了手工设计特征鲁棒性和泛化性差的弊端，提升了检测识别的精度和效率。

公开(公告)号：CN109199343A

公开(公告)日：2019-01-15

申请号：CN201810785816.8

申请日：2018-07-17

Applicant: 北京邮电大学

Inventor： 周晓光 ,  刘娜 ,  王露笛 ,  赵力子 ,  于清 ,  周葳 ,  杨理培 ,  陶惺祥 ,  党豪

IPC: A61B5/02

Abstract: 本发明实施例提供一种心房颤动的评估方法、系统和设备，通过基于移动智能终端的摄像头获取脉搏波形；基于脉搏波形提取预设数量个RR间期，将预设数量个RR间期组成RR间期序列；将RR间期序列输入到已训练的神经网络模型，输出心房颤动的概率；从而不需要额外设备和专业医护人员协助，仅利用智能终端设备的摄像头即可对当前用户的心房颤动的现象进行分析和评估，使得该方法、系统和设备具有更好的便捷性和实时性；并且利用神经网络模型，能有效分析用户数据，满足了精确度的要求，减小了错误评估的可能性。

公开(公告)号：CN108615230A

公开(公告)日：2018-10-02

申请号：CN201810220507.6

申请日：2018-03-16

Applicant: 北京邮电大学

Inventor： 周晓光 ,  孙沐毅 ,  党豪 ,  韩凯 ,  梁思琪 ,  沈壮壮 ,  王露笛 ,  代爱妮 ,  邢颖

IPC: G06T7/00 ,  G06N3/04

Abstract: 本发明提供一种轮毂表面异常图像检测方法和系统，所述方法包括：获取待检测的轮毂表面图像，基于已训练的用于异常检测的深度学习模型对所述轮毂表面图像进行异常检测，标记所述轮毂表面图像中的异常区域和异常区域对应的异常类别。通过采集轮毂表面图像，得到原始数据集，对图像进行切分以及数据增强，得到轮毂表面异常图像，并标记轮毂表面图像中的中异常区域进行标注，得到含有异常区域位置与类别信息的标注文件，将轮毂表面异常图像和标注文件作为训练集进行深度卷积神经网络训练，可以实现对轮毂表面图像的异常区域的定位与检测，解决了现有技术中人工检测工作繁琐、速度慢，同时自动化检测时配置硬件成本高、难以实施的问题。