-
公开(公告)号:CN116843668B
公开(公告)日:2024-11-01
申请号:CN202310888622.1
申请日:2023-07-19
Applicant: 江南大学
IPC: G06T7/00 , G06V20/68 , G06V20/70 , G06V10/82 , G06V10/766 , G06V10/771 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及一种基于深度学习的苹果表皮缺陷检测方法和系统,方法包括:获取苹果表皮图像;构建改进的YOLOv5s模型;通过改进的YOLOv5s模型对所述苹果表皮图像进行缺陷检测,并输出缺陷检测结果;其中,改进的YOLOv5s模型包括Backbone模块、Neck模块和Head模块,Backbone模块包括若干DSCS结构,DSCS结构用于提取浅层特征和深层特征,并将所述浅层特征和深层特征进行拼接,再对拼接后的特征进行特征筛选;Neck模块用于对Backbone模块筛选的特征进行特征融合;Head模块用于对Neck模块融合得到的特征进行预测。本发明能够对苹果表皮的缺陷进行准确预测。
-
公开(公告)号:CN117330535A
公开(公告)日:2024-01-02
申请号:CN202311221683.9
申请日:2023-09-21
Applicant: 江南大学
IPC: G01N21/359 , G01N21/3563 , G06F18/23213
Abstract: 本发明公开了一种基于近红外光谱的小麦粉粉质特性预测方法,属于农产品品质检测领域。本发明的小麦粉粉质特性预测方法,引入了聚类分析的方法,在进行回归分析之前,现将小麦粉红外光谱数据进行分簇,然后在每个簇内基于PLSR模型进行小麦粉粉质的预测。相比于现有的预测方法,本发明在样本种类丰富,组成复杂的红外光谱数据集上获得了更高的预测精度。此外,在每个簇内分别建立PLSR模型,不仅减少了模型构建需要的数据量和计算量,且实验结果证明,分簇后构建后的PLSR模型性能得到了有效的提升,进一步提升了小麦粉粉质特性的预测精度,同时有效地降低了计算量和计算复杂度,提高了预测效率。
-
公开(公告)号:CN117115808A
公开(公告)日:2023-11-24
申请号:CN202310752400.7
申请日:2023-06-25
Applicant: 江南大学
Abstract: 本发明公开了一种横向输送下用于甘蔗茎节识别的方法,属于甘蔗茎节识别领域。本发明首先利用改进的SURF算法对网络分割图像特征点进行提取,然后对特征点进行暴力匹配,随后利用汉明范数距离的匹配点对粗筛选,最后利用PROSAC算法对特征点进行对精筛选。在甘蔗图像配准完成后通过透视变换以及利用最佳缝合缝的图像融合方法生成拼接后的甘蔗图像。本发明有效提升了匹配效率,减少误匹配率;通过改进汉明距离阈值,使方法可以自适应于不同的图像情况;结合两次筛选的策略,进一步有效地提升了图像匹配的精度,优化了拼接效果。此外,针对复杂背景下甘蔗茎节识别场景,提出一种改进的YOLOv5网络模型,有效提升了识别的精度和鲁棒性。
-
公开(公告)号:CN116843668A
公开(公告)日:2023-10-03
申请号:CN202310888622.1
申请日:2023-07-19
Applicant: 江南大学
IPC: G06T7/00 , G06V20/68 , G06V20/70 , G06V10/82 , G06V10/766 , G06V10/771 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及一种基于深度学习的苹果表皮缺陷检测方法和系统,方法包括:获取苹果表皮图像;构建改进的YOLOv5s模型;通过改进的YOLOv5s模型对所述苹果表皮图像进行缺陷检测,并输出缺陷检测结果;其中,改进的YOLOv5s模型包括Backbone模块、Neck模块和Head模块,Backbone模块包括若干DSCS结构,DSCS结构用于提取浅层特征和深层特征,并将所述浅层特征和深层特征进行拼接,再对拼接后的特征进行特征筛选;Neck模块用于对Backbone模块筛选的特征进行特征融合;Head模块用于对Neck模块融合得到的特征进行预测。本发明能够对苹果表皮的缺陷进行准确预测。
-
-
-