公开(公告)号：CN116863210A

公开(公告)日：2023-10-10

申请号：CN202310760916.6

申请日：2023-06-26

Applicant: 江苏大学

Inventor： 王文波 ,  潘知瑶 ,  胡甜甜 ,  高兴茹 ,  梁云恩

IPC: G06V10/764 ,  B65G47/90 ,  G06V10/42 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06T7/73

Abstract: 本发明公开了一种基于边云协同的搬运机器人物料视觉检测方法与系统，系统包括搬运机器人主体、图像采集系统、边缘计算平台、云端分析平台、信息交互系统，其中，图像采集系统获取车间物料实时图像；边缘计算平台包括图像预处理模块、物料识别模块和机器人控制模块，图像预处理模块对图像预处理并输入物料识别模块；物料识别模块利用物料检测模型识别目标物料并将抓取点信息输至机器人控制模块；机器人控制模块根据抓取点信息对搬运机器人主体的动作进行控制，云端分析平台进行任务分配与监控、模型构建更新等任务；信息交互系统用于边缘计算平台和云端分析平台之间的信息交互；本系统及方法有效提高物料搬运行效率及识别精度。

公开(公告)号：CN115019302A

公开(公告)日：2022-09-06

申请号：CN202210660801.5

申请日：2022-06-13

Applicant: 江苏大学

Inventor： 顾寄南 ,  胡甜甜 ,  王文波 ,  王梦妮 ,  夏子林

IPC: G06V20/68 ,  G06V10/40 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06T7/73 ,  G06T7/521 ,  G06T7/80 ,  G06N3/04 ,  G06N3/08 ,  A01D91/04

Abstract: 本发明公开了一种改进型YOLOX目标检测模型构建方法及其应用，本申请针对YOLOX基本目标检测模型并进行网络改进，主要分为三个模块：主干特征提取模块、加强特征提取模块和预测特征模块。主干特征提取网络的基础上增添了SE注意力机制模块，通过自主学习的方式来获取到每个特征通道的重要程度，明确建模网络卷积特征通道之间的相互依赖关系来提高网络生成的表示质量，从而筛选出针对通道的注意力，有效地改善网络性能。加强特征提取网络采用ASFF自适应空间特征融合结构；基于所构建的改进型YOLOX目标检测模型结合RealSense相机获取到的深度信息输出三维坐标，实现目标定位。本发明在自然环境下果实采摘问题中，相对于传统方法识别精度要高且识别速度要更快。

公开(公告)号：CN114882222B

公开(公告)日：2024-06-07

申请号：CN202210589525.8

申请日：2022-05-27

Applicant: 江苏大学

Inventor： 顾寄南 ,  王梦妮 ,  王化佳 ,  胡甜甜 ,  张文浩 ,  方新领

IPC: G06V10/26 ,  G06V10/25 ,  G06V10/764 ,  G06V10/766 ,  G06V10/774 ,  G06V10/82 ,  G06T7/66 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了改进YOLOv5目标检测模型构建方法及用于茶嫩芽识别与采摘点定位方法，构建改进的YOLOv5目标检测模型，通过在Backbone模块中设计改进的CSPDarknet53结构，改进的CSPDarknet53结构是在DarkNet53网络的基础上引入了Nonlinear mapping结构，对特征图进行特征提取。此外利用改进的YOLOv5目标检测模型对图像进行预测，输出茶叶嫩芽的目标检测和采摘区域的语义分割图；基于预测结果计算采摘点；最后输出带有采摘点信息的茶叶嫩芽图像，实现对茶叶嫩芽识别与采摘点定位。

公开(公告)号：CN114882222A

公开(公告)日：2022-08-09

申请号：CN202210589525.8

申请日：2022-05-27

Applicant: 江苏大学

Inventor： 顾寄南 ,  王梦妮 ,  王化佳 ,  胡甜甜 ,  张文浩 ,  方新领

IPC: G06V10/26 ,  G06V10/25 ,  G06V10/764 ,  G06V10/766 ,  G06V10/774 ,  G06V10/82 ,  G06T7/66 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了改进YOLOv5目标检测模型构建方法及用于茶嫩芽识别与采摘点定位方法，构建改进的YOLOv5目标检测模型，通过在Backbone模块中设计改进的CSPDarknet53结构，改进的CSPDarknet53结构是在DarkNet53网络的基础上引入了Nonlinear mapping结构，对特征图进行特征提取。此外利用改进的YOLOv5目标检测模型对图像进行预测，输出茶叶嫩芽的目标检测和采摘区域的语义分割图；基于预测结果计算采摘点；最后输出带有采摘点信息的茶叶嫩芽图像，实现对茶叶嫩芽识别与采摘点定位。