-
公开(公告)号：CN118941452B
公开(公告)日：2025-02-07
申请号：CN202411436029.4
申请日：2024-10-15
Applicant: 南昌工程学院
Abstract: 本发明公开了基于多曝光融合的低光照图像细节增强方法，本发明通过从预设加权平均融合和基于历史数据的加权平均融合两个方向出发，基于经验快速确定权重，可根据以往经验快速为不同曝光图像设置权重进行融合；而基于历史数据的加权平均融合则充分利用了过去的图像采集和融合信息，能更精准地适应不同场景的特点，提高了权重设定的准确性和灵活性，解决了现有技术中在权重设定上往往缺乏灵活性和准确性，导致融合效果不理想，难以达到真实自然且细节丰富的图像增强效果的问题。
-
公开(公告)号：CN117576552A
公开(公告)日：2024-02-20
申请号：CN202311586192.4
申请日：2023-11-27
Applicant: 南昌工程学院
IPC: G06V20/05 , G06V10/86 , G06V10/44 , G06V10/764 , G06V40/10 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种底栖动物智能识别方法、装置、设备及介质，该方法采用预设于底栖探查设备上的超声波距离传感器计算与水底的距离信息，并基于所述距离信息对应的启动视觉采集处理单元；指令所述视觉采集处理单元获取水环境图像信息，分析所述水环境图像是否符合预设的识别规则，若符合，则执行识别工作，否则，在附近进一步搜索符合预设识别规则的地点；融合陀螺仪浮动数据对图像像素点进行矫正，并进行图像增强。将所述水环境图像信息输入至视觉采集处理单元中的频域多尺度特征融合神经网络模型中，得到处理后的底栖动物信息，以为底栖动物的进一步分析或取样提供可靠的信息。
-
公开(公告)号：CN115953672A
公开(公告)日：2023-04-11
申请号：CN202310232702.1
申请日：2023-03-13
Applicant: 南昌工程学院
IPC: G06V20/05 , G06V10/42 , G06V10/44 , G06V10/774 , G06V10/82
Abstract: 本发明提出一种水下大坝表面裂缝识别方法，利用PGGAN模型生成更多的水下大坝表面图像来构造训练数据；将训练数据输入到CNN特征提取器中获取特征，构建训练模型并计算图像组中两图像对的特征空间距离；根据特征空间距离判断图像对是否属于同一类别，将判断结果与预设的特征空间距离相对比，若不属于同一类别，则计算二者之间的损失；将损失回传至训练模型中，并调整训练模型的参数，直至训练模型准确度达到预设值，最后输入需要识别的图像至训练模型中，获得图像是否存在裂缝的判断结果，本申请通过傅里叶变换后的图像可以消除大坝表面杂物的干扰，从而提取特定的裂缝信息，使得检测的准确度增加。
-
公开(公告)号：CN114419081A
公开(公告)日：2022-04-29
申请号：CN202210312991.1
申请日：2022-03-28
Applicant: 南昌工程学院
IPC: G06T7/12 , G06T7/181 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种图像语义分割方法、系统及可读存储介质，该方法包括如下步骤：获取待训练图像，对待训练图像进行特征提取以得到多个待训练特征区域，根据多个所述待训练特征区域以及对应的人工标注标签组成第一数据集；然后构建融合神经网络模型，利用第一数据集对融合神经网络模型进行训练以得到训练后的融合神经网络模型；最后将预测区域图像输入至训练后的融合神经网络模型中进行预测，以得到模型预测结果。本发明提升了卷积神经网络对细节轮廓的提取能力，提高了分割区域的识别效果。
-
公开(公告)号：CN114140501A
公开(公告)日：2022-03-04
申请号：CN202210113197.4
申请日：2022-01-30
Applicant: 南昌工程学院
IPC: G06T7/246 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种目标跟踪方法、装置及可读存储介质，该方法包括：获取待跟踪的视频序列中的第一帧图像；通过第一卷积神经网络对通用图像以及第一帧图像进行离线训练，以获得结构性特征；根据结构性特征生成用于对跟踪目标进行分类的分类器；获取待跟踪的视频序列中除第一帧图像以外的目标帧图像；将视频序列中的目标帧图像输入至分类器中进行分类，并通过第二深度卷积神经网络生成特征图；利用特征图以及上下文信息训练上下文滤波器以及尺度滤波器；将训练得到的上下文滤波器、尺度滤波器与特征图相结合，以对视频序列中目标帧图像的下一帧图像中的跟踪目标进行跟踪。本发明能够提升复杂背景下对目标的跟踪性能。
-
Patent Agency Ranking
公开(公告)号：CN119206460A
公开(公告)日：2024-12-27
申请号：CN202411253489.3
申请日：2024-09-09
Applicant: 南昌工程学院
IPC: G06V20/05 , G06V10/764 , G06V10/82 , G06V10/94 , G06V40/10
Abstract: 本发明公开了一种基于图像识别的底栖动物群落结构识别方法及系统，涉及底栖动物群落结构识别技术领域，该方法包括通过水下摄像机对目标水域进行图像采集，并将采集到的图像传输到计算机中。本发明通过采用图像识别技术，实现对底栖动物的快速、准确识别和分类，大大提高了工作效率，利用图像识别技术，结合底栖动物的形态、纹理、颜色等特征进行识别，有效降低了分类和计数过程中的混淆和错误率，提高了结果的准确性和可靠性，利用实时数据分析技术，能够及时发现底栖动物群落结构的异常变化，为保护水体生态环境提供及时的预警和响应，自动提供针对性的建议和措施，帮助用户更好地改善和保护水体生态环境，提高决策的科学性和有效性。
-
公开(公告)号：CN119205733A
公开(公告)日：2024-12-27
申请号：CN202411681213.5
申请日：2024-11-22
Applicant: 南昌工程学院
Abstract: 本发明属于焊接技术领域，公开了一种焊丝伸出长度宽动态视觉检测方法，使用宽动态范围相机采集焊接图像；将焊接图像输入由SB模块、DB模块、聚合层和WN模块组成的WE‑NET模型中，焊接图像在输入WE‑NET模型后被分为两部分：其中一部分进入DB模块中，另一部分进入SB模块中；然后，将从SB模块以及DB模块中得到的特征输入聚合层进行融合，确定电弧区域，接着输入WN模块计算出焊丝端头点和喷嘴边缘点的位置；将焊丝端头点纵坐标与喷嘴边缘点纵坐标相减即得焊丝伸出长度。本发明可精确测量焊丝伸出长度，有助于焊接时能够保持焊接过程的稳定性，提高焊接质量。
-
公开(公告)号：CN117830817A
公开(公告)日：2024-04-05
申请号：CN202410253248.2
申请日：2024-03-06
Applicant: 南昌工程学院
Inventor： 郭波
Abstract: 本发明涉及一种水下V形坡口焊缝的三维识别方法包括获取焊接部的图像，并基于预设的训练模型对所述焊接部的图像进行训练，得到截取线激光相邻区域的焊缝图像；通过对所述焊缝图像进行预处理，对焊缝条纹中心线进行提取；获取焊缝特征点及其二维坐标；将焊缝特征点的二维坐标输入预设的标定模型和校正模型中，完成焊缝的三维识别，通过双目标定获得左右相机的内部参数和外部参数，其次通过立体校正，以消除竖直方向上的误差，最终通过求解出计算三维坐标公式，将左右相机的焊缝特征点二维坐标及内外参数代入公式，即可得到零散的三维坐标点，通过三维曲线拟合将零散的焊缝特征点拟合形成具有深度信息的焊缝。
-
公开(公告)号：CN117598636A
公开(公告)日：2024-02-27
申请号：CN202410099155.9
申请日：2024-01-24
Applicant: 南昌工程学院
Abstract: 本发明公开了一种楼梯清扫机器人自适应控制系统及方法，属于机器人控制系统技术领域。本发明的楼梯清扫机器人自适应控制系统包括主控系统、激光雷达、视觉相机模组、四足驱动机构和平面驱动机构，通过激光雷达、所述视觉相机模组和四足驱动机构获取的信息进行场景建模并识别场景信息，根据场景信息设置楼梯清扫模式或普通清扫模式，进而选择四足驱动机构和平面驱动机构驱动楼梯清扫机器人本体移动。本发明可实现对不同场景的清扫以及对踢面和踏面的清洁，实现了更高效、智能的清洁。
-
公开(公告)号：CN116486273B
公开(公告)日：2023-09-01
申请号：CN202310732786.5
申请日：2023-06-20
Applicant: 南昌工程学院
IPC: G06V20/10 , G06V10/28 , G06T7/13 , G06V10/26 , G06T7/194 , G06V20/70 , G06V10/30 , G06V10/36 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/52 , G06V10/764 , G06V10/82
Abstract: 本发明提出一种小样本遥感图像水体信息提取方法，包括：对原始图像进行预处理；通过边缘评估指标选择预处理图像输入边缘提取算子，得到丰富语义信息的边缘图像；构造双流神经网络模型；通过调整双流神经网络模型的模型超参数，选择优化器与损失函数，提高训练模型的训练精度；将具有丰富语义信息的边缘图像，与原始图像作为输入项，对模型进行训练；将边缘图像作为输入项可以通过边缘语义，优化水体提取边界；模型训练完毕后得到遥感图像水体提取模型；遥感图像输入该模型可以提取出水体信息；本申请在水体像素与背景像素的差距较小时，仍能精确分割河流与背景，达到精确度较高的水体识别目的。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.024 seconds)
