-
公开(公告)号：CN118865143B
公开(公告)日：2024-12-06
申请号：CN202411346579.7
申请日：2024-09-26
Applicant: 湖南大学
IPC: G06V20/10 , G06N3/0464 , G06N3/084 , G06V10/58 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于神经网络的中药材真伪高光谱检测方法，包括将待检测中药高光谱图像通过多级卷积层进行局部特征学习和降低特征图空间分辨率，再将输出的特征分别沿空间和光谱维度展开得到原始空间特征序列和原始空间特征序列，对原始空间特征序列利用空间注意力分支学习空间上下文信息得到深层空间特征；同时对原始光谱特征序列利用光谱注意力分支学习光谱上下文信息得到深层光谱特征，将深层空间特征和深层光谱特征经过特征交叉融合网络和特征上采样层得到深层全局特征，并通过线性层映射为类别分数向量，经过Softmax层激活得到每个像素点的分类标签。能够高效提取高光谱图像的空间和光谱特征，对真伪中药进行高效的精细化检测。
-
公开(公告)号：CN114092509A
公开(公告)日：2022-02-25
申请号：CN202111341858.0
申请日：2021-11-12
Applicant: 湖南大学
Abstract: 本发明公开了一种医药高光谱数据的图像重构方法，在通过高光谱相机获取到医药高光谱数据后，首先采用数据预处理的方法，对采集的原始数据进行筛选和裁剪，预处理部分为数据集的建立提供了保障，在保留医药产品特性和对比度的同时，极大程度去除托盘背景部分的干扰；其次，通过构建的卷积自编码器，学习医药高光谱的非线性表示，最后通过求解全局非线性最优化问题，通过保真度先验，将学习到的非线性表示的保真度和空间域梯度的稀疏性统一起来，从编码后的图像重构出高光谱图像。本发明显然能够提升重构准确率，提高信噪比，降低硬件设备存储压力。
-
公开(公告)号：CN113989525A
公开(公告)日：2022-01-28
申请号：CN202111593705.5
申请日：2021-12-24
Applicant: 湖南大学
IPC: G06V10/44 , G06V10/762 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/10
Abstract: 本发明公开了自适应随机块卷积核网络的高光谱中药材鉴别方法，基于最优聚类框架，获得中药材高光谱图像最优波段子集，再采用集群排序方法有效地从最优波段子集中选出最佳特征波段；使用随机投影方法将从中药材高光谱图像中提取的随机块作为卷积核；然后使用像素自适应方法修改卷积核，并基于中药材特征波段图像进行特征提取；再次，使用分层网络提取中药材的特征，并结合中药材高光谱最佳波段影像数据，构建中药材高光谱训练集与测试集；最后使用SVM对训练集进行训练得到分类预测模型，基于该模型对中药材测试集进行预测，大幅度提高了中药材的鉴别分类精度，解决了中药材种类多样、成分复杂的鉴别难题，可适用于各类中药材的快速无损鉴别。
-
公开(公告)号：CN113269196A
公开(公告)日：2021-08-17
申请号：CN202110811547.X
申请日：2021-07-19
Applicant: 湖南大学
Abstract: 本发明公开了一种图卷积神经网络高光谱医药成分分析的实现方法，一方面，将医药高光谱图像数据处理成图数据，大幅度降低了像素数量，有效减少了数据量；另一方面，以图卷积神经网络模型提取药物的特征信息，有效地学习了药物高光谱图像中的视觉特征与药物成分间的空间关系，提升了药物成分分类特征的表示能力，提高了被测药物的成分和属性精度，可实现对药物成分与质量的无损、快速检测分析。
-
公开(公告)号：CN119205748B
公开(公告)日：2025-03-07
申请号：CN202411697688.3
申请日：2024-11-26
Applicant: 湖南大学
IPC: G06T7/00 , G06N3/0464 , G06V10/44 , G06V10/58 , G06V10/764 , G06V10/774 , G06V10/82 , G06F15/78
Abstract: 一种光谱图像检测模型、检测方法和片上计算的相机处理器，其中光谱图像检测模型包括N个串联的KAM块以及连在N个KAM块之后的分类器块；KAM块包括依次连接的深度可分离卷积层、批归一化层、改进的三重注意力层以及ReLU激活函数层；深度可分离卷积层用于提取图像特征，改进的三重注意力层用于增强特征图内和特征图之间的信息交互；分类器块包括依次连接的深度可分离卷积层、批归一化层、普通卷积层和Sigmoid激活函数层。本发明中的光谱图像检测模型具有轻量化、计算量小等特点，可部署在相机中的相机处理器中，以满足移动端、边缘端高光谱图像处理需求。
-
Patent Agency Ranking
公开(公告)号：CN117351220A
公开(公告)日：2024-01-05
申请号：CN202310416474.3
申请日：2023-04-18
Applicant: 湖南大学
IPC: G06V10/44 , G06N20/10 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/58 , G06V10/764 , G06V10/80 , G06V10/82 , G01J3/28
Abstract: 本发明提供了一种基于空谱双注意力分支的高光谱波段选择方法包括如下步骤：步骤S1、对高光谱图像数据集进行预处理，构建无标签的高光谱图像训练样本子集；步骤S2、构建空谱双注意力分支网络，融合特征图得到空谱注意力特征图；步骤S3、构建重建网络模型，重建出高光谱图像；步骤S4、通过降低重建的高光谱图像和原始高光谱图像之间的误差，来优化训练空谱双注意力分支网络；步骤S5、构建复合波段子集选择指标，选择排名靠前的波段作为波段子集；步骤S6、对选择的波段子集的性能进行测试。本发明能有效选择信息量大、冗余少、代表性高的波段子集，获得良好的分类精度，在高光谱数据处理领域具有非常重要的意义。
-
公开(公告)号：CN116129140A
公开(公告)日：2023-05-16
申请号：CN202310079997.3
申请日：2023-02-08
Applicant: 湖南大学
IPC: G06V10/44 , G06V10/80 , G06V10/764 , G06V10/56
Abstract: 本发明公开了一种融合视觉与光谱显著性的高光谱药液异物检测方法，拍摄待检测药液的高光谱原始图像，并构建高光谱图像样本集；采用基于信息熵的排序波段选择方法从高光谱图像样本中选出预设数量的波段，将其转换为伪彩图像；对伪彩图像进行直方图对比度计算和梯度特征提取，并进行特征融合，得到基于视觉的显著性特征图，经过总变分滤波，得到初步异常检测图；对待检测药液的高光谱图像分别计算光谱角距离与光谱欧式距离并进行融合，得到光谱显著性特征图；采用光谱显著性特征图抑制初步异常检测图的背景信息，得到异物检测图，实现待检测药液的异物检测。该方法可以快速、准确地检测出药液成品中的微弱异物，实现对药液的无损检测与质量控制。
-
公开(公告)号：CN113095305B
公开(公告)日：2021-09-07
申请号：CN202110634697.8
申请日：2021-06-08
Applicant: 湖南大学
Abstract: 本发明公开了一种医药异物高光谱分类检测方法，首先输入医药异物高光谱图像；其次提出多项式平滑滤波的异物高光谱去噪方法，抑制光谱噪声干扰；再次提出异物光谱波段聚类分组PCA降维与半监督LDA结合的特征提取方法，先采用波段聚类分组PCA降维对预处理后图像进行降维处理，并通过半监督LDA提取光谱特征，随后利用二维Gabor滤波器提取空间特征，将上述特征联合作为图像的分类特征；最后采用支持向量机实现医药异物检测并输出异物类别。本发明提出了PCA和LDA二次降维的方法，以便提取出更有利于后续分类操作的光谱特征；同时，引入半监督LDA降低对标签数据的依赖，实现少量标签数据样本下异物的高准确率检测。
-
公开(公告)号：CN107648833A
公开(公告)日：2018-02-02
申请号：CN201710833280.8
申请日：2017-09-15
Applicant: 湖南大学
IPC: A63F3/00
Abstract: 本发明公开了一种基于机器视觉的非接触式人机对弈控制方法及系统，该方法通过提出人手肤色检测、背景建模、背景差分和棋子位置检测相结合的象棋棋子运动检测方法，实现对棋盘无接触式的检测，获得棋子运动轨迹；该系统由普通中国象棋、uArm四自由度机械臂、吸盘、摄像头、光源以及控制单元构成，整个系统结构简单、操作简便，使得在人机对弈过程中，人在走完己方棋步后无需接触任何按键即可自动触发象棋机器人执行对应的对局棋步动作，实现非接触式的人机对弈，并且在相对复杂的环境下也有较好的稳定性。
-
公开(公告)号：CN116662593B
公开(公告)日：2023-10-27
申请号：CN202310896660.1
申请日：2023-07-21
Applicant: 湖南大学
IPC: G06F16/55 , G06N3/0464 , G06T7/00 , G06V10/58 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于FPGA的全流水线医药高光谱图像神经网络分类方法，首先采集并制作高光谱医药数据集图像；其次设计具有卷积神经网络主干架构的深度神经网络进行训练，保存模型收敛的训练参数；然后对神经网络进行量化处理，对网络权重使用逐通道对称量化，对网络的其他浮点参数使用贪心算法逐步寻找各个参数缩放系数的局部最优值，获得参数为整型的神经网络；基于硬件描述语言Verilog重新构建寄存器传输级的网络模型，实现全流水线；最终通过仿真综合布局布线，将符合预设设计要求的布局布线后的网络模型部署在FPGA上完成分类算法实现。在边缘端进行分类，准确率仅有轻微下降，实现全流水线化，分类速度较快，资源消耗较低。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.031 seconds)
