公开(公告)号：CN119444685A

公开(公告)日：2025-02-14

申请号：CN202411473794.3

申请日：2024-10-22

Applicant: 无锡学院

Inventor： 沙子乔 ,  段修贤 ,  庞树豪 ,  高润泽 ,  马丁 ,  张银胜

IPC: G06T7/00 ,  G06V10/20 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种风力发电机表面缺陷检测方法，包括：获取风力发电机叶片表面缺陷图像，并对图像进行预处理；搭建风力发电机表面缺陷检测模型；利用训练集内数据对缺陷检测模型进行训练，计算损失函数并更新网络参数，获取最佳参数的缺陷检测模型；利用最佳参数的缺陷检测模型对风力发电机的表面缺陷进行检测，得到缺陷位置、缺陷类别和缺陷大小。本发明提高了对风机表面细小且与背景相似缺陷的检测精确度，以适应复杂环境下的应用需求，从而提高风力发电的运维效率和安全性，支持风电行业的可持续发展。

公开(公告)号：CN119313583A

公开(公告)日：2025-01-14

申请号：CN202411373397.9

申请日：2024-09-29

Applicant: 无锡学院

Inventor： 段修贤 ,  张银胜 ,  沙子乔 ,  吴心悦 ,  马丁 ,  苏睿杰 ,  高润泽

IPC: G06T5/70 ,  G06T5/50 ,  G06V10/80

Abstract: 本申请公开了一种基于双分支特征融合的图像去噪方法，具体为：步骤1：进行图像收集，并对收集的图像进行预处理；步骤2：搭建双分支特征融合的去噪网络，该网络包括生成网络和判别网络，将生成网络生成的去噪图像和真实的图像通过判别网络进行真假判别；步骤3：对生成网络和判别网络进行对抗训练，得到训练好的双分支特征融合的去噪网络；步骤4：采用训练好的生成网络对图像进行去噪处理。本方法在去噪质量、模型泛化能力和运算时间上均显著优于传统去噪方法，能够有效去除不同类型的噪声，保留更多图像细节和结构信息。

公开(公告)号：CN119360200A

公开(公告)日：2025-01-24

申请号：CN202411381809.3

申请日：2024-09-30

Applicant: 无锡学院

Inventor： 庞树豪 ,  段修贤 ,  苏睿杰 ,  马丁 ,  高润泽 ,  吴心悦 ,  单慧琳

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/25 ,  G06V10/44 ,  G06V10/80 ,  G06V10/77 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明公开了一种基于注意力机制和加伯变换的目标检测方法，设计了一种注意力特征提取模块AFEM，基于ELAN特征提取网络和CBAM注意力机制的注意力特征提取模块，使得网络在进行高效特征提取的同时，能重点关注飞机目标，减少复杂的背景信息带来的干扰；采用分数阶加伯滤波器变换卷积FGTC模块来强化飞机目标的纹理、尺度和方向特征，加强飞机目标的边缘特征细节，为网络提供更加丰富的特征信息；引入LDyHead动态检测头作为网络头部，通过尺度感知注意力、空间感知注意力和任务感知注意力相结合，使网络在面对多尺度飞机目标时能更精准地预测飞机目标位置和类别，并提升模型的收敛速度。

公开(公告)号：CN119559403B

公开(公告)日：2025-05-13

申请号：CN202510132150.6

申请日：2025-02-06

Applicant: 无锡学院

Inventor： 单慧琳 ,  王兴涛 ,  张银胜 ,  孟祥源 ,  吴心悦 ,  马丁

IPC: G06V10/26 ,  G06V10/52 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明提供了一种基于多尺度深度监督的高分辨遥感图像语义分割方法，包括以下步骤：步骤1，获取ISPRS Potsdam数据集和Vaihingen数据集；步骤2，搭建多尺度深度监督网络MDSNet，包括空间分支、语义分支网络和多尺度特征聚合部分；所述空间分支、语义分支网络和多尺度特征聚合部分均为四层结构；步骤3，将训练集输入至多尺度深度监督网络MDSNet中训练，计算损失函数并进行反向传播，更新网络参数，获取训练好的参数模型；步骤4，将测试集输入到训练好的参数模型中，输出目标图像的分割图。本发明提出的方法在提高特征提取能力的同时，提高了语义分割的准确率，以及训练效率和稳定性。

公开(公告)号：CN119559403A

公开(公告)日：2025-03-04

申请号：CN202510132150.6

申请日：2025-02-06

Applicant: 无锡学院

Inventor： 单慧琳 ,  王兴涛 ,  张银胜 ,  孟祥源 ,  吴心悦 ,  马丁

IPC: G06V10/26 ,  G06V10/52 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明提供了一种基于多尺度深度监督的高分辨遥感图像语义分割方法，包括以下步骤：步骤1，获取ISPRS Potsdam数据集和Vaihingen数据集；步骤2，搭建多尺度深度监督网络MDSNet，包括空间分支、语义分支网络和多尺度特征聚合部分；所述空间分支、语义分支网络和多尺度特征聚合部分均为四层结构；步骤3，将训练集输入至多尺度深度监督网络MDSNet中训练，计算损失函数并进行反向传播，更新网络参数，获取训练好的参数模型；步骤4，将测试集输入到训练好的参数模型中，输出目标图像的分割图。本发明提出的方法在提高特征提取能力的同时，提高了语义分割的准确率，以及训练效率和稳定性。

公开(公告)号：CN309034889S

公开(公告)日：2024-12-27

申请号：CN202430201694.X

申请日：2024-04-11

Applicant: 无锡学院

Designer： 胡宇翔 ,  张银胜 ,  毕道琪 ,  段修贤 ,  庞树豪 ,  马丁

Abstract: 1.本外观设计产品的名称：称重仪。
2.本外观设计产品的用途：本外观设计产品用于物体的扫描称重。
3.本外观设计产品的设计要点：在于形状。
4.最能表明设计要点的图片或照片：立体图。