-
公开(公告)号：CN114863198B
公开(公告)日：2024-08-06
申请号：CN202210198733.5
申请日：2022-03-02
Applicant: 湖北工业大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06V10/762 , G06V10/56 , G06V10/44 , G06V10/25 , G06T7/11 , G06N3/0464 , G06N3/084 , G06N3/088
Abstract: 本发明公开一种基于神经网络的小龙虾质量分级方法，包括(1)采集构建小龙虾数据集，将其随机划分为训练集、验证集及测试集；(2)针对自采集数据图片，在pytorch框架下利用鲸鱼算法提高anchor检测框定位精度、构建ResNet152分类网络，将改进后的模型进行数据训练并反复验证测试，对龙虾进行定位识别，采用一种基于距离的细化算法提取龙虾骨架，按照姿态完成虾尾形状分类，完成新鲜度及颜色分类结果。(3)采用将龙虾图片进行二进制图像转换的方法，计算虾体像素点所占比重，按阈值进行规格分类。(4)按照(2)和(3)的分类结果进行不同等级的分拣。本发明将深度学习与图像处理技术融合，对龙虾的定位更加准确、形态检测的精度更高，速度更快。
-
公开(公告)号：CN114494867B
公开(公告)日：2024-10-29
申请号：CN202210058008.8
申请日：2022-01-19
Applicant: 湖北工业大学
IPC: G06V20/10 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及电力器件技术，具体涉及一种改进AlexNet网络的绝缘子快速分类识别方法，包括以下步骤：收集绝缘子数据集，随机对绝缘子数据集按照7：3的比例划分为训练集和测试集；对AlexNet网络进行改进，建立改进绝缘子分类识别网络模型；训练改进的AlexNet网络，得到训练后的绝缘子分类识别模型；利用测试集得到绝缘子分类结果。该识别方法能更好地对不同种类的绝缘子进行分类识别。提高了在复杂干扰下绝缘子分类识别的准确性和图像检测的快速性，为无人机电力巡检提供了理论依据。
-
公开(公告)号：CN113487526B
公开(公告)日：2023-08-25
申请号：CN202110623153.1
申请日：2021-06-04
Applicant: 湖北工业大学
Abstract: 本发明公开了一种结合高低频系数改进聚焦清晰度度量的多聚焦图像融合方法，首先设计一种高低频系数融合图像重构算法框架，利用拉普拉斯金字塔变换对输入源图像进行分解，得到低频系数和高频系数；针对低频系数，采用改进的聚焦清晰度度量方法处理，利用引导滤波后细化决策图，得到低频系数融合图像。针对高频系数，提出一种边缘增强方法保留并增强源图像的高频信息，利用引导滤波对高频系数下的融合决策图进行滤波操作，得到高频融合图像。最后，对低频系数和高频系数融合图像采取拉普拉斯逆变换得到最终融合图像。本发明提供的方法在有效保留图像主体结构的同时，能增强图像边缘细节信息，提升融合质量，取得了较好的融合效果。
-
公开(公告)号：CN113205505A
公开(公告)日：2021-08-03
申请号：CN202110526997.4
申请日：2021-05-14
Applicant: 湖北工业大学
Abstract: 本发明涉及绝缘子缺陷检测技术，具体涉及基于改进ResNeSt‑RPN的绝缘子缺陷检测方法，包括确定数据集；基于无人机采集的一个缺陷绝缘子数据集，将其数据集图片数量增加；建立数据集的图像标签库；利用LabelImg图像标注工具对绝缘子以及绝缘子上的缺陷进行标注；建立改进ResNeSt以及改进多尺度RPN的绝缘子缺陷检测网络模型：训练检测模型；在PyTorch1.5.1在python3.7下实现的，PyTorch是一种专门为深度学习模型构建的库；将测试集放到训练好的模型中进行测试。该方法能更好地检测绝缘子上的微小缺陷，提高了在复杂环境下绝缘子检测的准确性和检测图像的快速性，以确保供电系统的安全。
-
公开(公告)号：CN115035385B
公开(公告)日：2024-08-06
申请号：CN202210748685.2
申请日：2022-06-28
Applicant: 湖北工业大学
IPC: G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种改进VGG19网络的绝缘子污秽识别方法，首先采集绝缘子污秽数据集并对其进行扩充，并将扩充后的数据分为训练集以及测试集，建立改进VGG19绝缘子污秽识别网络模型；输入训练集对改进VGG19绝缘子污秽识别网络模型进行训练，得到训练后的识别网络模型；最后输入测试集至训练后的识别网络模型得到绝缘子污秽识别结果。本发明解决了VGG19网络中全连接层参数冗余以及绝缘子污秽精确度和每秒处理图片张量较低的问题；更容易在内存受限的无人机设备上部署。
-
Patent Agency Ranking
公开(公告)号：CN115035385A
公开(公告)日：2022-09-09
申请号：CN202210748685.2
申请日：2022-06-28
Applicant: 湖北工业大学
IPC: G06V10/82 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种改进VGG19网络的绝缘子污秽识别方法，首先采集绝缘子污秽数据集并对其进行扩充，并将扩充后的数据分为训练集以及测试集，建立改进VGG19绝缘子污秽识别网络模型；输入训练集对改进VGG19绝缘子污秽识别网络模型进行训练，得到训练后的识别网络模型；最后输入测试集至训练后的识别网络模型得到绝缘子污秽识别结果。本发明解决了VGG19网络中全连接层参数冗余以及绝缘子污秽精确度和每秒处理图片张量较低的问题；更容易在内存受限的无人机设备上部署。
-
公开(公告)号：CN114863198A
公开(公告)日：2022-08-05
申请号：CN202210198733.5
申请日：2022-03-02
Applicant: 湖北工业大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06V10/762 , G06V10/56 , G06V10/44 , G06V10/25 , G06T7/11 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于神经网络的小龙虾质量分级方法，包括(1)采集构建小龙虾数据集，将其随机划分为训练集、验证集及测试集；(2)针对自采集数据图片，在pytorch框架下利用鲸鱼算法提高anchor检测框定位精度、构建ResNet152分类网络，将改进后的模型进行数据训练并反复验证测试，对龙虾进行定位识别，采用一种基于距离的细化算法提取龙虾骨架，按照姿态完成虾尾形状分类，完成新鲜度及颜色分类结果。(3)采用将龙虾图片进行二进制图像转换的方法，计算虾体像素点所占比重，按阈值进行规格分类。(4)按照(2)和(3)的分类结果进行不同等级的分拣。本发明将深度学习与图像处理技术融合，对龙虾的定位更加准确、形态检测的精度更高，速度更快。
-
公开(公告)号：CN114627062A
公开(公告)日：2022-06-14
申请号：CN202210185506.9
申请日：2022-02-28
Applicant: 湖北工业大学
IPC: G06T7/00 , G06K9/62 , G06V10/764
Abstract: 本发明提出了一种改进Faster R‑CNN的太阳能电池片表面缺陷检测方法。本发明通过工业相机对含有缺陷的太阳能电池片进行图像采集，并通过图像预处理得到每幅预处理后太阳能电池片图像，手动标记上述图像的多个缺陷位置框和缺陷类别；构建改进Faster R‑CNN的太阳能电池片表面缺陷检测模型，将上述图像输入至该模型进行预测，得到每幅图像预测的多个缺陷位置框和缺陷类别，结合该缺陷位置框和缺陷类别构建损失函数模型，通过反向传播算法进行优化训练，得到优化后的网络模型；工业相机实时采集太阳能电池片图像，将该图像通过优化后改进Faster R‑CNN的太阳能电池片表面缺陷检测网络模型进行预测，实现对太阳能电池片的表面缺陷检测。本发明有检测速度快，检测精度高的优点。
-
公开(公告)号：CN114494867A
公开(公告)日：2022-05-13
申请号：CN202210058008.8
申请日：2022-01-19
Applicant: 湖北工业大学
IPC: G06V20/10 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及电力器件技术，具体涉及一种改进AlexNet网络的绝缘子快速分类识别方法，包括以下步骤：收集绝缘子数据集，随机对绝缘子数据集按照7：3的比例划分为训练集和测试集；对AlexNet网络进行改进，建立改进绝缘子分类识别网络模型；训练改进的AlexNet网络，得到训练后的绝缘子分类识别模型；利用测试集得到绝缘子分类结果。该识别方法能更好地对不同种类的绝缘子进行分类识别。提高了在复杂干扰下绝缘子分类识别的准确性和图像检测的快速性，为无人机电力巡检提供了理论依据。
-
公开(公告)号：CN113487526A
公开(公告)日：2021-10-08
申请号：CN202110623153.1
申请日：2021-06-04
Applicant: 湖北工业大学
Abstract: 本发明公开了一种结合高低频系数改进聚焦清晰度度量的多聚焦图像融合方法，首先设计一种高低频系数融合图像重构算法框架，利用拉普拉斯金字塔变换对输入源图像进行分解，得到低频系数和高频系数；针对低频系数，采用改进的聚焦清晰度度量方法处理，利用引导滤波后细化决策图，得到低频系数融合图像。针对高频系数，提出一种边缘增强方法保留并增强源图像的高频信息，利用引导滤波对高频系数下的融合决策图进行滤波操作，得到高频融合图像。最后，对低频系数和高频系数融合图像采取拉普拉斯逆变换得到最终融合图像。本发明提供的方法在有效保留图像主体结构的同时，能增强图像边缘细节信息，提升融合质量，取得了较好的融合效果。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
