-
公开(公告)号：CN117405678A
公开(公告)日：2024-01-16
申请号：CN202210763696.8
申请日：2022-07-01
申请人： 岭南现代农业科学与技术广东省实验室肇庆分中心 , 桂林电子科技大学
IPC分类号： G01N21/88 , G01N21/954 , G01N21/958 , G01N21/01 , G06N3/0464 , G06N3/08 , G06T7/00 , G06V10/82
摘要： 本发明公布了一种基于深度学习的玻璃瓶内壁裂纹检测装置。该装置主要包括三个部分：控制器装置，图像采集装置与裂纹检测装置。控制器装置包含有激光发射器，光电传感器和主控器，其中激光发射器与光电传感器负责检测玻璃瓶是否已经传输至检测装置下，主控器负责控制履带停止传输。图像采集装置用以获取玻璃瓶内壁的图像。裂纹检测装置是将获取到的图像用一个训练好的深度神经网络进行检测，判断其中是否含有裂纹，并将结果返回值主控器内。本检测装置结构简单，整体成本低，易于搭建，内壁图像采集精准且效率高，并且采用了最新的人工智能技术，使用神经网络对图像进行识别，因此适用于对玻璃瓶内壁图像进行实时检测。
-
公开(公告)号：CN117393113A
公开(公告)日：2024-01-12
申请号：CN202210732011.3
申请日：2022-06-27
申请人： 岭南现代农业科学与技术广东省实验室肇庆分中心 , 桂林电子科技大学
IPC分类号： G16H30/20 , G16H30/40 , G16H50/20 , G06T5/70 , G06T5/73 , G06T5/80 , G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/044 , G06N3/0464 , G06N3/08 , A61B5/00
摘要： 本发明公开了一种基于深度学习的阿尔兹海默症辅助诊断系统及终端，包括：预处理模块对原始FMRI结构像进行预处理，并提取预处理后的FMRI图像中ROI的时间序列构建多尺度一维卷积神经网络和两层堆叠的循环神经网络相结合的深度学习模型，该模型旨在提取FMRI图像中的时间特征。多尺度一维卷积神经网络可以解释多个不同时段的大脑活动，增强了该模型的表征能力，两层堆叠的循环神经网络能识别了更高级别的时序信息。将该模型应用到基于深度学习的AD三个阶段的分类预测任务中，利用交叉验证法得到最后的分类性能，根据分类结果判断受试者是否为阿尔兹海默症患者。该系统采用深度学习技术，对受试者是否患有阿尔兹海默症进行预测，为临床诊断提供辅助功能。
-
公开(公告)号：CN117307513A
公开(公告)日：2023-12-29
申请号：CN202210694238.3
申请日：2022-06-22
申请人： 岭南现代农业科学与技术广东省实验室肇庆分中心 , 桂林电子科技大学
IPC分类号： F04D27/00 , G10L17/00 , G10L17/18 , H04B10/116 , H04L9/40
摘要： 本发明公开了一种基于深度学习和VLC‑树莓派融合声纹识别的智能PCR风扇机，该系统包括四个部分：移动通信设备、移动控制系统、中央处理系统、风扇终端，所述移动通信设备主要是由带有LED灯和麦克风的移动设备；所述移动控制系统主要是附着在移动设备的自主研发应用；中央管控系统主要是光通信模块、声纹识别控制模块、深度学习模块、风扇控制端；风扇终端主要是风叶、信号接收器、无刷电机。在本发明中，为方便后续的读者更能实际的操控，故使用到了树莓派、移动端和深度学习技术。所述的移动通信设备、中央管控系统、风扇终端均通过VLC双工通信、移动端技术、深度学习实现此发明。本发明具有增强了用户体验、弥补了可见光智能应用领域的空缺等优点。
-
公开(公告)号：CN117351407A
公开(公告)日：2024-01-05
申请号：CN202210734049.4
申请日：2022-06-29
申请人： 岭南现代农业科学与技术广东省实验室肇庆分中心 , 桂林电子科技大学
摘要： 本发明公开了一种基于多级注意力算法的密集物群监测系统。物群智能监测系统由摄像头模块，嵌入式计算平台以及Web服务器组成。其中，摄像头模块实时采集监控场景的物群图像信息，并传输至嵌入式计算平台，嵌入式计算平台搭载物群智能识别算法对物群图像信息进行分析，将所得分析图通过WIFI网络传给Web服务器中进行解析，得到数量，定位，密度等信息，可供管理员在网站中查看。网站同时具有预警功能，分析数量超过阈值时，网站将进行预警及嵌入式设备播放聚集警报。其中，所述物群智能识别算法为结合了通道注意力，感受野注意力，空间注意力的多级注意力算法。
-
公开(公告)号：CN117333764A
公开(公告)日：2024-01-02
申请号：CN202210670550.9
申请日：2022-06-21
申请人： 岭南现代农业科学与技术广东省实验室肇庆分中心 , 桂林电子科技大学
IPC分类号： G06V20/10 , G06N3/0464 , G06N3/08 , G06V10/10 , G06V10/764 , G06V10/82
摘要： 本发明公布了一种基于深度学习的番茄病虫害检测装置与方法。该装置主要包括：图像采集终端，用于存储与识别番茄叶片图像的服务器，客户端和预警模块。图像采集终端包括外盒，置物板，摄像头，LED光源，控制面板，电源开关，摄像开关，和数据传送模块；服务器负责利用已经训练好的深度学习神经网络识别传送过来的图像并附上检测结果标签，同时根据标签分组存储已标注的图像；客户端负责显示番茄病害种类信息；预警模块根据番茄病虫害种类信息进行病虫害预警。本检测装置与深度学习方法将深度学习应用于番茄病虫害自动识别中，无需对图像进行预处理，识别精度高，时效性强，可节约大量时间与人力成本，实现对病害植株的实时检测与及时施药，具有较好的应用前景。
-
公开(公告)号：CN117272290A
公开(公告)日：2023-12-22
申请号：CN202210670444.0
申请日：2022-06-15
申请人： 岭南现代农业科学与技术广东省实验室肇庆分中心 , 桂林电子科技大学
IPC分类号： G06F21/55 , G06N3/0464 , G06N3/09 , H04L67/02
摘要： 本发明公开了一种基于深度学习的PCR‑Windows电脑垃圾弹窗消杀方法。该方案包括两个部分：电脑弹窗预测模型、本地弹窗消杀系统。所述电脑弹窗预测模型主要通过弹窗信息来训练出来的深度学习模型；所述本地弹窗消杀系统是Windows本地上的EXE程序。在本发明实例中，通过本地和云端联合的方式，可以有效消杀Windows系统上的垃圾弹窗，减少电脑使用者的心智负担。本发明具有部署简单且高效易用等优点。
-
公开(公告)号：CN117389258A
公开(公告)日：2024-01-12
申请号：CN202210732015.1
申请日：2022-06-30
申请人： 岭南现代农业科学与技术广东省实验室肇庆分中心 , 桂林电子科技大学
摘要： 本发明公开了一种基于深度强化学习的水下消杀机器人路径规划算法，首先对于已知的水下环境进行建模，设定水下消杀机器人的当前位置与目标位置；然后在仿真环境中针对已知的水下环境设置奖励函数，并利用基于深度强化学习的DQN算法训练深度神经网络；最后将训练好的深度神经网络写入水下消杀机器人的控制模块，并使其按照规划的路线行进，同时规避路线上的障碍物；该算法既保证了水下消杀机器人航线路线的效率，并且可以在遇到突发状况时进行应变，增强了水下消杀机器人在面对复杂水域情况时的适应性；该算法可应用于搭载了避障声纳能自主航行的水下消杀机器人。
-
公开(公告)号：CN117332198A
公开(公告)日：2024-01-02
申请号：CN202210683385.0
申请日：2022-06-20
申请人： 岭南现代农业科学与技术广东省实验室肇庆分中心 , 桂林电子科技大学
摘要： 本发明基于神经网络提出了一种修正红外测温仪测量误差的方法，涉及传感器和机器学习领域。本发明主要解决的是现有误差修正方法因为考虑引起误差的因素不充分而导致修正效果不佳的问题，具体步骤为：搭建采集训练数据的环境，在搭建的环境中采集训练数据，构建神经网络，使用采集的数据训练神经网络，使用训练好的神经网络修正体温。本发明与现有的误差修正方法相比，不仅考虑了环境温度对测量误差的影响，还考虑了湿度这个因素，并使用神经网络拟合出红外测温仪读数、耳标读数、环境温度和环境湿度与接触式体温计读数的函数关系。使用该函数关系即可对体温做出一个较为合理的估计，从而修正测量结果，改善精度。
-
公开(公告)号：CN118394084A
公开(公告)日：2024-07-26
申请号：CN202410494862.8
申请日：2024-04-23
申请人： 桂林电子科技大学 , 桂林市高新技术产业发展集团有限公司
IPC分类号： G05D1/43 , G05D1/633 , G05D1/644 , G05D1/247 , G05D109/10
摘要： 本发明公开了一种基于GSO粒子群算法的移动机器人路径规划方法，涉及移动机器人路径规划技术领域；该方法包括如下步骤：S1、构建目标函数；采用栅格法对工作环境空间进行建模，并以最短路径函数为目标函数；S2、通过GSO粒子群算法计算最短路径的路径点；将初始化后的粒子代替移动机器人，采用GSO粒子群算法对粒子进行优化更新，得到最短路径；S3、对最短路径进行平滑处理；根据粒子优化迭代所得到的最短路径，对其进行三次样条插值调整，得到平滑的最短路径。本发明中方法采用GSO粒子群算法，对不同等级的粒子采用不同的学习策略，在保证优势粒子的挖掘能力的前提下，增加粒子的多样性，从而增加算法的探索能力。
-
公开(公告)号：CN116485656A
公开(公告)日：2023-07-25
申请号：CN202310523823.1
申请日：2023-05-10
申请人： 桂林电子科技大学 , 桂林慧谷人工智能产业技术研究院
摘要： 本发明提出了一种基于深度学习的点云几何纹理上采样方法，旨在解决现有点云上采样方法只关注几何坐标增密而忽视纹理信息的问题。本发明的方法通过数据预处理、点云几何纹理特征提取、点云特征上采样、点云几何纹理回归等步骤，实现了点云的几何坐标和纹理的同时上采样。通过此方法，我们可以获得更高质量和更高分辨率的点云表示，显著提高自动驾驶、增强/虚拟现实(AR/VR)、3D表面重建和机器人感知等应用的质量和性能，同时优化点云渲染的结果，进一步提高三维视觉的真实感。本发明为三维视觉领域提供了一种新的、高效的点云处理方法。
-
-
-
-
-
-
-
-
-
搜索结果
205 条记录 (耗时 0.078 秒)
