-
公开(公告)号：CN119980526A
公开(公告)日：2025-05-13
申请号：CN202510178396.7
申请日：2025-02-18
Applicant: 南京林业大学
Abstract: 本发明公开了一种双模态融合智能棉花异纤分拣系统及方法，分拣系统包括壳体、图像采集模块、图像处理模块、传送模块、剔除模块；具体包括LED光源、偏振相机、RGB相机、工控机、相机支架、棉流通道、喷阀控制板、高速喷阀。棉流通过进棉管道进入棉流通道，通过图像采集模块将图像数据传入工控机，通过图像处理模块的算法处理，快速得出检测结果，喷阀控制板依据检测结果驱动高速喷阀进行异性纤维剔除。本发明可以实现对棉花中的异性纤维实时检测以及剔除，极大地提高了检测速度与精度。
-
公开(公告)号：CN118111862B
公开(公告)日：2024-11-22
申请号：CN202410144392.2
申请日：2024-02-01
Applicant: 南京林业大学
Abstract: 本发明公开了一种木材薄板弹性模量的在线检测系统及方法。该系统包括壳体、薄板传送模块、多传感器采集模块、数据处理模块。薄板传送模块负责将木材薄板平稳地传输至检测区域。多传感器采集模块包括超声波传感器、微波传感器、红外传感器、高精度电子秤、相机以及板材厚度测量夹紧装置。微波传感器用于测量木材薄板中的含水率，红外传感器用于测定木材薄板的表面温度。电子秤、尺寸测量相机和夹紧装置则用于测量板材的重量与体积。通过多传感器采集模块收集的数据，数据处理模块可以计算木材薄板的弹性模量。本发明能够实时、高效且准确地估算木材薄板的弹性模量，显著提高木材加工的质量与效率。
-
公开(公告)号：CN116778217B
公开(公告)日：2024-11-22
申请号：CN202310117786.4
申请日：2023-02-15
Applicant: 南京林业大学
IPC: G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于增量式学习的高光谱的杆状物识别方法，属于高光谱成像与深度学习领域。根据高光谱图像与类别标签，先通过神经网络对各个类别进行计算，得出不同类别物质的置信水平和特征信息，计算出物质的特征中心，向训练好的神经网络模型中输入新的光谱数据，根据特征信息与各类物质的特征中心的距离，确定未知物质的类别是已知还是未知类别，最后通过增量式学习的方式更新物体的特征中心以及创建新的类别，提高网络对于未知杆状物的识别精度和训练效率。本发明将卷积神经网络的卷积层输出作为特征信息，将全连接层的输出作为置信水平，确定了物体的特征中心，为后续的识别和学习提供了标准，提高了基于深度学习的光谱图像识别的精度。
-
公开(公告)号：CN115272733B
公开(公告)日：2024-02-23
申请号：CN202210915266.3
申请日：2022-07-29
Applicant: 南京林业大学
IPC: G06V10/762 , G06V10/764 , G06V10/80 , G06V20/10 , G06V10/74
Abstract: 本发明公开了一种基于点云数据与多特征融合的树干信息提取方法，属于林地点云数据处理技术领域。该方法包括：采用三角剖分法提取树干区域的点云数据；选取聚类中心；计算每个点云数据的快速点特征直方图；计算每个点云数据到聚类中心的欧式距离和快速点特征直方图的相似度；根据欧氏距离和相似度，重新确定聚类中心；当聚类中心不再变，每类点云数据构成了一棵树干。本发明利用三角剖分法克服点云数据的非结构性、降低点云数据量，提高信息提取效率和精度；利用欧式距离和FPFH的相似度作为聚类准则，优化聚类效果，为树木点云数据的分类提供了一种简单有效的分类方法，有助于提高森林资源调查与监测的效率。
-
公开(公告)号：CN109338519B
公开(公告)日：2023-09-26
申请号：CN201811535716.6
申请日：2018-12-14
Applicant: 南京林业大学
Abstract: 本技术提供一种长绒棉异纤检测用多级开松机，它能够在开松过程中防止长绒棉纤维扯断，快速高效地对长绒棉进行开松。它包括第一传送带、第二传送带；第一传送带、第二传送带上均设置梳齿；以传送带的送料方向为前方，梳齿成前高后低的三角形；在第一传送带上方具有第一进料箱，在第二传送带上方具有相对转动的开棉打手，开棉打手外周具有柔性梳针；在开棉打手上方与第一传送带的出料端下方之间具有第二进料箱；第一传送带的内部设置多个往复式气缸，气缸的活塞杆两端分别与第一传送带的上部内侧、下部内侧接触，气缸的活塞杆上下往复运动，使得第一传送带产生上部向上凸起后又恢复、下部恢复后又向下凸起的往复振动；相邻两个气缸的运动方向相反。
-
Patent Agency Ranking
公开(公告)号：CN115100514A
公开(公告)日：2022-09-23
申请号：CN202210508159.9
申请日：2022-05-11
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于FPGA的云跟踪方法，首先通过工业相机获取云团间隔一段时间前后的图像输入FPGA；然后一方面对图像进行畸变校正、图像平滑处理、形态学操作、Canny边缘检测以及提取矩特征，另一方面对图像提取灰度共生矩阵特征量，将上述两种特征赋予适当的权重，作为总的云团特征；最后，预测云团一段时间后的特征量状态，然后将上述特征量与图像二进行匹配从而实现云跟踪。本发明考虑到云的形状随时间会发生改变，并采用多特征进行云跟踪，提高跟踪的准确性。同时考虑到不同类别的云团演变方式不同，针对不同类别的云团分别训练预测模型。本发明采用“FPGA+ARM”体系架构提高了图像采集的实时性、速度以及性能。
-
公开(公告)号：CN114937190A
公开(公告)日：2022-08-23
申请号：CN202210607648.X
申请日：2022-05-31
Applicant: 南京林业大学
Abstract: 本发明公开了一种用于籽棉开松有效性的判别方法及系统，属于杂质分选与深度学习技术领域，该方法利用线阵相机和3D深度相机获取籽棉异纤除杂生产线中开松后的籽棉图像及三维信息，将线扫描图像数据与线扫描3D深度数据进行对齐和融合，在图像识别的基础上通过3D深度数据额外获取棉花成团表面深度信息，结合开松机振动数据，判断开松的有效性。本发明将线扫描图像数据与线扫描3D深度数据进行对齐和融合，同时采集开松机的振动数据，提高判别准确率，在相同采样率和采样长度的情况下有效降低对计算机硬件的性能要求，有利于降低运行和维护成本。
-
公开(公告)号：CN114882291A
公开(公告)日：2022-08-09
申请号：CN202210607623.X
申请日：2022-05-31
Applicant: 南京林业大学
IPC: G06V10/764 , G06V10/77 , G06V10/34 , G06V10/30 , G06V10/24 , G06V10/26 , G06V10/54 , G06V10/82 , G06N5/00 , G06N20/00
Abstract: 本发明公开一种基于高光谱图像像素块机器学习的籽棉地膜识别分类方法，利用高光谱成像设备获取杂质混合后的物料高光谱图像，将高光谱图像切割为与剔除要求对应的像素块，并提取空间纹理特征结合光谱特征作为像素块的特征，构建机器学习模型，构建杂质对接矩阵，提升对于连续像素块的识别精度，最终实现对像素块中物料进行在线分类识别。本发明利用极限梯度提升算法对原始光谱特征重要性进行排序，引入加权光谱特征值概念，构建随机森林分类器对籽棉与地膜进行在线分类识别；有效解决了地膜由于透光性产生异物同谱问题导致识别像素点过少、分类精度不高的问题。
-
公开(公告)号：CN114708457A
公开(公告)日：2022-07-05
申请号：CN202210336884.2
申请日：2022-03-31
Applicant: 南京林业大学
Abstract: 本发明公开了一种用于抗紫边识别的高光谱深度学习识别方法，属于高光谱成像与深度学习技术邻域。根据高光谱图像中待识别点的邻域点的光谱特征，先对邻域的识别结果进行检测，利用贝叶斯公式分析周围区域获得先验分类结果；再使用神经网络对待识别区域进行识别，提高网络对于信息缺乏区域的识别精度。本发明在图像识别的过程中，利用像素周围区域的光谱信息为紫边区域提供识别的数据支持，进而使得紫边区域能在光谱信息缺少的情况下，能够利用邻域信息提高识别精度。将高光谱技术和图像先验知识结合，利用待识别点与周围点的空间关系，进而提高紫边区域的识别精度，对于提高深度学习算法的识别率具有十分重要的意义。
-
公开(公告)号：CN114693975A
公开(公告)日：2022-07-01
申请号：CN202210335541.4
申请日：2022-03-31
Applicant: 南京林业大学
IPC: G06V10/764 , G06V10/26 , G06V10/82 , G06K9/62 , G06N3/08
Abstract: 本发明公开一种用于深度学习的光谱区域联合识别方法，属于高光谱成像与深度学习技术领域，利用高光谱图像的频域特征，将光谱数据从空间维度划分为多个区域，实现高精度图像分类；在识别过程中优先识别中心区域并向周围区域进行扩散；在低频占主要成分的分区先进行识别，并将识别结果在联合区域内进行扩散，获得置信度扩散图，对于扩散浓度较低的区域再进行二次识别，实现提高识别速度和识别结果的空间区域一致性。本发明将高光谱技术和频谱分析技术结合，利用被识别物体占据多个连续像素区域的特性，进而提高光谱图像的分类识别速度。
-
-
-
-
-
-
-
-
-
Search Results
155
records
(took 0.035 seconds)
