-
公开(公告)号：CN113624759A
公开(公告)日：2021-11-09
申请号：CN202110906221.5
申请日：2021-08-09
Applicant: 西安工程大学
Inventor： 郝红娟 , 王九鑫 , 刘宇程 , 卢定泽 , 苏耀恒 , 杨宁 , 吴鑫 , 李文龙 , 王康华 , 杜雨蓉 , 杨彤彤 , 王明墺 , 张倩 , 陈琳 , 张芷叶 , 黄磊 , 张亚鑫
Abstract: 本发明公开了一种基于机器学习的苹果无损检测方法，涉及利用图像分析对苹果进行智能化检测分级的方法。所述方法包括：得到苹果多参数的训练模型；设定苹果品质筛选区间；获取待检测苹果的外观图片，去噪后利用训练模型对苹果的外观图片进行识别，筛选出的所需苹果进行内部无损检测，利用训练模型对苹果的内部进行无损判断，无病的苹果进行内部共振声波检测，利用训练模型判断其内部物质含量，完成所有苹果的分类。本发明快速高效的对大量苹果进行精准检测，提高了检测精准度和效率，优化了检测流程。既能够减少果农的工作量，又可以提高果农的收入。还可以根据消费者要求，提供不同等级的果品，对提升国产果品的地位有一定作用。
-
公开(公告)号：CN116958961A
公开(公告)日：2023-10-27
申请号：CN202310686793.6
申请日：2023-06-12
Applicant: 西安工程大学
IPC: G06V20/68 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了基于改进YOLOv8s的轻量级石榴识别方法，该方法包括以下步骤：搭建轻量化YOLOv8网络；获取石榴图像并搭建数据集，将所述数据集按比例划分为训练集、验证集以及测试集；将数据集送入所述轻量化YOLOv8网络进行训练，得到权重文件；将所述测试集中的图片利用所述权重文件进行测试，得到改进网络的效果和检测结果。该方法采用ShuffleNetv2替换YOLOv8检测算法的骨干网络，并集成了超轻量化注意力机制ECA(EfficientChannel Attention)，在不提升模型计算量的同时保持YOLOv8的精度优势。进一步地，将标准卷积模块替换成深度可分离卷积(DWConv)模块，使模型极致轻量化，满足部署到嵌入式设备的要求。
-
公开(公告)号：CN119367704A
公开(公告)日：2025-01-28
申请号：CN202411280274.0
申请日：2024-09-13
Applicant: 西安工程大学
IPC: A62B17/00 , A61B5/0205 , A61B5/024 , A61B5/1455 , A61B5/01 , A61B5/11
Abstract: 本发明公开了一种基于消防服的体征检测预警系统，包括消防服主体，以及设置于所述消防服主体上的中心处理器、生理信息监测模块、环境信息监测模块、位置估算模块和通信模块。该预警系统在长时间测量心率血氧数据时，测量得到的数据较为稳定，数据的波动小，可以获取到人体的欧拉角数据，通过分析欧拉角数据可以得到人体的实时运动姿态，还可以通过二次积分法计算出消防员行进过的位移，进而估算出消防员的位置信息，可以在数据超过报警阈值时向上位机发送各项数据对应的警报标识。
-
公开(公告)号：CN114235961A
公开(公告)日：2022-03-25
申请号：CN202111293708.7
申请日：2021-11-03
Applicant: 西安工程大学
Inventor： 王九鑫 , 姚家辉 , 苏耀恒 , 吴鑫 , 李文龙 , 黄磊 , 王康华 , 王攀龙 , 解淑婷 , 王明墺 , 杜雨蓉 , 陈琳 , 杨宁 , 张芷叶 , 卢定泽 , 郝红娟 , 刘宇程
Abstract: 本发明公开了基于机器学习的苹果霉心病超声无损快速检测设备及方法，包括步骤一，设备调试；步骤二，数据采集；步骤三，数据降噪；步骤四，机器学习；步骤五，数据显示；本发明通过滑台机构的设置，有利于根据苹果的大小调整非聚焦探头和超声接收器的高度，保证了非聚焦探头中心、苹果果心和超声接收器中心处理同一直线上，有利于提升检测的准确性，通过自主设计的设备以及方法，实现了对苹果霉心病的检测，检测时间仅为0.1s左右，大大提高了检测效率，防止了霉心病扩散对果农造成严重的经济损失，能够有效提升苹果质量，设备简单，制造成本低，检测方法易于操作，并且采用超声检测，检测成本低，大大降低了整体成本。
-
公开(公告)号：CN114202643A
公开(公告)日：2022-03-18
申请号：CN202111293026.6
申请日：2021-11-03
Applicant: 西安工程大学
Inventor： 苏耀恒 , 王九鑫 , 姚家辉 , 吴鑫 , 李文龙 , 黄磊 , 王康华 , 王攀龙 , 杜雨蓉 , 王明墺 , 张倩 , 陈琳 , 杨宁 , 杨彤彤 , 张亚鑫 , 卢定泽 , 郝红娟 , 刘宇程
Abstract: 本发明公开了基于多传感融合的苹果叶部病害识别终端及方法，热敏感CCD传感器、CCD工业摄像机、计算机、图像数据处理模块、检测模块和定位模块，识别方法包括步骤一，训练神经网络；步骤二，图像采集；步骤三，图像处理；步骤四，图片边界框预测及类别判断；步骤五，实时定位；本发明通过采用YOLO检测网络和红外热成像技术，在病症早期可以有效检测出来症状，可以达到非常高的准确率和识别速度，本发明通过采用GPS+IMS惯性传感器，可以实现优秀的定位与轨迹重构，记录病害当前所在的位置，本发明的自动化程度高，识别效率高，工作强度低，本发明采用了多传感器融合的检测方法，与现有的技术相比，提高了准确率、识别速度和实用性。
-
Patent Agency Ranking
公开(公告)号：CN110254089B
公开(公告)日：2020-12-29
申请号：CN201910457051.X
申请日：2019-05-29
Applicant: 西安工程大学
IPC: B43L13/24
Abstract: 本发明公开了一种剖面线绘图仪，包括主尺，主尺连接有副尺连接块，副尺连接块上设置有30度、45度和60度夹角的第三凹槽以及与第三凹槽相适配的T型卡条，副尺连接块转动连接有U型副尺，U型副尺两侧相对设置有两个第一凹槽，第一凹槽滑动连接有副尺基础滑块，副尺基础滑块底部两侧设置有与第一凹槽相适配的第一凸台，副尺基础滑块底部设置有第一通孔，沿第一通孔方向设置有绘图笔筒，副尺基础滑块两侧卡接有延伸滑块，延伸滑块设置有绘图笔筒，绘图笔筒之间的距离相同。本发明一种剖面线绘图仪可绘制角度为30度、45度和60度的多条平行等距的剖面线，提高了剖面线绘图的效率和准确率，同时操作简便。
-
公开(公告)号：CN110254089A
公开(公告)日：2019-09-20
申请号：CN201910457051.X
申请日：2019-05-29
Applicant: 西安工程大学
IPC: B43L13/24
Abstract: 本发明公开了一种剖面线绘图仪，包括主尺，主尺连接有副尺连接块，副尺连接块上设置有30度、45度和60度夹角的第三凹槽以及与第三凹槽相适配的T型卡条，副尺连接块转动连接有U型副尺，U型副尺两侧相对设置有两个第一凹槽，第一凹槽滑动连接有副尺基础滑块，副尺基础滑块底部两侧设置有与第一凹槽相适配的第一凸台，副尺基础滑块底部设置有第一通孔，沿第一通孔方向设置有绘图笔筒，副尺基础滑块两侧卡接有延伸滑块，延伸滑块设置有绘图笔筒，绘图笔筒之间的距离相同。本发明一种剖面线绘图仪可绘制角度为30度、45度和60度的多条平行等距的剖面线，提高了剖面线绘图的效率和准确率，同时操作简便。
-
公开(公告)号：CN118506216A
公开(公告)日：2024-08-16
申请号：CN202410639598.2
申请日：2024-05-22
Applicant: 西安工程大学
IPC: G06V20/17 , G06V20/68 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/774
Abstract: 本发明公开的基于改进YOLOv8n的套袋前石榴产量估计系统，无人机图像采集模块采用无人机搭载摄像头，用于实时采集套袋前石榴数据，并通过无线通信实时传输给终端产量估计平台；石榴目标检测模块通过对YOLOv8n进行改进构建目标检测模型并训练得到石榴产量估计模型；石榴目标检测模块嵌入终端产量估计平台中，将无人机图像采集模块传输的数据在终端产量估计平台中进行实时检测，并进行产量估计；提高石榴检测效率，部署方便、检测精度高。本发明公开的套袋前石榴产量估计方法，使用改进YOLOv8n构建套袋前石榴目标模型并训练得到石榴产量估计模型，用自建的平台进行实时检测，预估石榴产量；估产精准度高并且速度快，降低人工成本。
-
公开(公告)号：CN111127401B
公开(公告)日：2023-04-07
申请号：CN201911206221.3
申请日：2019-11-29
Applicant: 西安工程大学
Abstract: 本发明公开了一种基于深度学习的机器人立体视觉机械零件检测方法，包括：获取待检测工件的双目立体图像，对双目立体图像进行处理后依次计算匹配代价C(x,y,d)、SAD代价；根据SAD代价得到视差图，将视差图转化为深度信息；对双目图像进行标定，对标定后的双目图像进行处理，分别得到双目图像的不同尺度特征图；将双目图像的不同尺度特征图融合后，与深度信息进行融合，完成三维的零件检测。增大图像分辨率，既可以增加图像清晰度，又可以防止网络过拟合造成的梯度消失或梯度爆炸问题；将双目图像的特征图与深度信息融合后，实现机械零件的三维立体检测，提高机器检测的准确率及工作效率。
-
公开(公告)号：CN111127401A
公开(公告)日：2020-05-08
申请号：CN201911206221.3
申请日：2019-11-29
Applicant: 西安工程大学
Abstract: 本发明公开了一种基于深度学习的机器人立体视觉机械零件检测方法，包括：获取待检测工件的双目立体图像，对双目立体图像进行处理后依次计算匹配代价C(x,y,d)、SAD代价；根据SAD代价得到视差图，将视差图转化为深度信息；对双目图像进行标定，对标定后的双目图像进行处理，分别得到双目图像的不同尺度特征图；将双目图像的不同尺度特征图融合后，与深度信息进行融合，完成三维的零件检测。增大图像分辨率，既可以增加图像清晰度，又可以防止网络过拟合造成的梯度消失或梯度爆炸问题；将双目图像的特征图与深度信息融合后，实现机械零件的三维立体检测，提高机器检测的准确率及工作效率。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.018 seconds)
