-
公开(公告)号:CN119251588A
公开(公告)日:2025-01-03
申请号:CN202411510280.0
申请日:2024-10-28
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/22 , G06N3/006 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/774 , G06T7/00 , G06T7/13 , G06T5/20 , G06N3/0985
Abstract: 本发明公开了基于WGOA‑HHO改进YOLOv8的焊缝缺陷检测方法及系统,涉及深度学习技术领域,包括以下步骤:接收焊缝图像数据集,使用Canny边缘检测算法对焊缝图像数据集进行预处理,得到预处理后的焊缝图像数据集;将预处理后的焊缝图像数据集输入至预先建立的YOLOv8焊缝缺陷检测模型内进行训练,并基于WGOA‑HHO优化算法,输出得到Improved‑YOLOv8模型;获取待检测焊缝图像,将待检测焊缝图像输入至Improved‑YOLOv8模型内,输出得到焊缝缺陷检测结果图像。
-
公开(公告)号:CN117853369A
公开(公告)日:2024-04-09
申请号:CN202410003102.2
申请日:2024-01-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于改进白鲸优化算法的图像去雾方法、系统及设备,涉及图像数据处理技术领域。本发明包括:接收图像数据集,对图像数据集进行预处理操作;根据预处理的数据集构建SA‑BWO‑ResNet图像去雾模型;接收在雾霾天气里拍摄的有雾图像;将接收的有雾图像输入至SA‑BWO‑ResNet图像去雾模型进行处理,模型的输出即去雾图像。本发明通过FPGA芯片与IMX222结合SA‑BWO‑ResNet图像去雾模型的方法,FPGA芯片具有并行计算的能力,适合用于实时图像处理,结合IMX222图像传感器,可以实时获取图像数据,并通过FPGA进行快速的去雾处理,以获得清晰的图像输出,与现有技术相比,很好地解决了雾霾天气拍摄图像不清晰的问题,已经实现了端到端的学习,解决了传统去雾算法不能应用于复杂环境的问题。
-
公开(公告)号:CN118552935A
公开(公告)日:2024-08-27
申请号:CN202410742548.7
申请日:2024-06-11
Applicant: 南京信息工程大学
IPC: G06V20/58 , G06V10/774 , G06V10/766 , G06V10/764 , G06V10/82 , G06V10/80
Abstract: 本发明公开了基于改进YOLOv8的小目标检测方法、系统及设备,涉及目标检测技术领域。本发明包括:接收交通标志图像数据集,提取其中出现频率次数最高的42类交通标志图像,并采用数据增强,将数据集划分为训练集,测试集,验证集;以YOLOv8作为基准网络,构建交通标志检测模型,所述交通标志检测模型在YOLOv8模型的主干网络中引入CDED下采样模块;在YOLOv8模型的主干网络最后引入DPLK大核卷积注意力模块;在YOLOv8模型的颈部部分引入CARAFE上采样模块;将数据集的训练集输入到交通标志检测模型中,得到训练后的交通标志检测模型。本发明的技术方案检测精度较高,有效提高了模型的检测效果、鲁棒性和泛化性能,为智能交通领域的交通标志检测提供了有力支持。
-
-