公开(公告)号：CN110378231A

公开(公告)日：2019-10-25

申请号：CN201910532992.5

申请日：2019-06-19

Applicant: 广东工业大学

Inventor： 倪浩敏 ,  张学习 ,  张博炜 ,  兰剑 ,  黎贤钊

IPC: G06K9/00 ,  G06K9/32 ,  G06T7/00 ,  G06T7/73 ,  G06N3/04

Abstract: 本发明涉及机械制造技术领域，具体涉及一种基于深度学习的螺母识别定位方法；本发明利用卷积神经网络、区域生成网络与全卷积网络相结合的螺母定位方法。通过对传入图像进行卷积操作得到特征图，通过区域生成网络产生的锚框与原来的特征图结合得到区域的特征图，接着将特征图传入全连接层，得到预测的螺母位置。将区域卷积网络应用于螺母的识别定位，增加特征提取的自适应性以及抗干扰能力，减少识别时间，具有很强的创造性。

公开(公告)号：CN110276241A

公开(公告)日：2019-09-24

申请号：CN201910243726.0

申请日：2019-03-28

Applicant: 广东工业大学

Inventor： 倪浩敏 ,  张学习 ,  张博炜

IPC: G06K9/00 ,  G06K9/40 ,  G06K9/44 ,  G06K9/62 ,  G06T7/13

Abstract: 本发明涉及高压电线技术领域，具体涉及一种基于模板匹配的防震锤识别方法，本发明首先将航拍图从GRB空间转换为HSI空间。为了减少运算量，提高识别速度，通过对图片进行降维处理，然后分别在H和S通道上做预处理。经过预处理后，载入准备好的模板，利用模板匹配法将待识别的图像与模板图像进行信息区叠加，对叠加后的图像进行匹配像素统计，从而得到匹配系数，取匹配系数最大值为最佳匹配；本发明是克服了以往只能靠人工巡检的不足；提出一种新的适用于输电线杆塔鸟巢识别的研究方案；提高电网巡检效率。具有很强的创造性。