-
Patent Agency Ranking
公开(公告)号：CN103077529B
公开(公告)日：2016-04-06
申请号：CN201310061389.6
申请日：2013-02-27
Applicant: 电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于图像扫描的植物叶片特征分析系统，其包括以下步骤：（1）、图像预处理，（2）、叶子图像特征分析计算，（3）、叶片模板匹配，（4）、颜色聚类，（5）、病斑分析。本发明具有很高的自动化水平，减少了分析过程中的人工操作，提高了自动化的程度，同时免除了人工操作引入的误差；相较传统的canny算子、罗盘算子，有更快地执行效率；具有较高的精确性。能够对残叶进行自动补全操作，并且可以自动计算残叶被补全的面积。
-
公开(公告)号：CN103077529A
公开(公告)日：2013-05-01
申请号：CN201310061389.6
申请日：2013-02-27
Applicant: 电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于图像扫描的植物叶片特征分析系统，其包括以下步骤：（1）图像预处理，（2）叶子图像特征分析计算，（3）叶片模板匹配，（4）颜色聚类，（5）病斑分析。本发明具有很高的自动化水平，减少了分析过程中的人工操作，提高了自动化的程度，同时免除了人工操作引入的误差；相较传统的canny算子、罗盘算子，有更快地执行效率；具有较高的精确性。能够对残叶进行自动补全操作，并且可以自动计算残叶被补全的面积。
-
公开(公告)号：CN110659730A
公开(公告)日：2020-01-07
申请号：CN201910957935.1
申请日：2019-10-10
Applicant: 电子科技大学中山学院
Abstract: 本发明公开了一种基于脉冲神经网络的端到端功能性脉冲模型的实现方法，涉及人工智能技术领域，本发明包括定义输入脉冲二元组Di和期望输出脉冲二元组Dd；基于功能性脉冲响应函数和动态突触函数构建功能性脉冲模型，初始化功能性脉冲模型参数，并设置训练轮数epochmax；构建功能性脉冲模型的损失函数，根据损失函数计算训练损失值L；当训练损失值L不等于零且当前训练轮数小于epochmax时，利用反向传播算法对功能性脉冲模型进行训练，更新参数，直至功能性脉冲模型收敛，完成训练；对训练完成的功能性脉冲模型进行测试，若符合要求，则输出该训练好的功能性脉冲模型，本发明在时间顺序学习任务上明显优于传统的脉冲神经网络，提高了模型的分类准确率和训练速度。
-
公开(公告)号：CN104573688B
公开(公告)日：2017-08-25
申请号：CN201510025849.9
申请日：2015-01-19
Applicant: 电子科技大学
Abstract: 本发明涉及数字图像处理与分割领域和烟草真伪检测领域，提供了基于深度学习的移动平台烟草激光码智能识别方法及装置。首先通过终端摄像头获取条烟包装表面的激光码图像，采用大律法和局部阈值化技术相结合对图像进行二值化；对激光码图像进行校正，使得激光码字符区域处于一个与屏幕平行的矩形区域；通过字符分割将激光码图像分割为单个字符图像；采用分割后的激光码字符训练构建的深度卷积神经网络，将训练好的神经网络移植到移动平台(基于Android)客户端，采用该深度卷积神经网络对烟草激光码进行字符识别；通过比对后台烟草编码规则即可及时判断烟草真伪。
-
公开(公告)号：CN104573688A
公开(公告)日：2015-04-29
申请号：CN201510025849.9
申请日：2015-01-19
Applicant: 电子科技大学
CPC classification number: G06K9/344 , G06K9/6267 , G06K9/66 , G06K2209/01
Abstract: 本发明涉及数字图像处理与分割领域和烟草真伪检测领域，提供了基于深度学习的移动平台烟草激光码智能识别方法及装置。首先通过终端摄像头获取条烟包装表面的激光码图像，采用大律法和局部阈值化技术相结合对图像进行二值化；对激光码图像进行校正，使得激光码字符区域处于一个与屏幕平行的矩形区域；通过字符分割将激光码图像分割为单个字符图像；采用分割后的激光码字符训练构建的深度卷积神经网络，将训练好的神经网络移植到移动平台(基于Android)客户端，采用该深度卷积神经网络对烟草激光码进行字符识别；通过比对后台烟草编码规则即可及时判断烟草真伪。
-
-
-
-
Search Results
5
records
(took 0.023 seconds)
