-
公开(公告)号：CN114723732A
公开(公告)日：2022-07-08
申请号：CN202210439052.3
申请日：2022-04-25
Applicant: 淮阴工学院 , 江苏淮香食用菌有限公司
Abstract: 本发明公开了一种杏鲍菇表面瑕疵检测方法、装置及存储介质。其中方法包括如下步骤：S1：环绕杏鲍菇至少一周进行视频采集，将视频解析成杏鲍菇图像帧序列；S2：提取获得的杏鲍菇图像帧中的前景目标；S3：搭建包括生成器及鉴别器的条件生成对抗网络，将提取的前景目标分别输入到生成器和鉴别器中生成标准杏鲍菇轮廓图像；S4：从前景目标中提取原始杏鲍菇轮廓图像；S5：将标准杏鲍菇轮廓图像和原始杏鲍菇轮廓图像进行和差运算，获得杏鲍菇瑕疵位置。上述方法，通过机器视觉代替人工检测，提高了杏鲍菇的检测效率，并采用生成对抗网络生成标准的杏鲍菇轮廓，实现对形态各异、瑕疵形状多变的杏鲍菇等杏鲍菇的瑕疵位置检测。
-
公开(公告)号：CN116342487B
公开(公告)日：2025-01-03
申请号：CN202310149978.3
申请日：2023-02-22
IPC: G06T7/00 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于叶绿素荧光成像及DB‑YOLOv7的绿豆叶斑病检测方法，预先获取绿豆叶斑病图像，通过人工标注制作绿豆叶斑病数据集，并划分为训练集、验证集和测试集；构建基于DB‑YOLOv7的绿豆叶斑病检测模型；在YOLOv7模型的基础上重构了SPPCSPC模块，使其能够更有效的捕捉有效信息，增强对小病斑的提取能力；其次引入了GFPN模块并在其基础上进行了改进，缩短了高层级与低层级之间的距离，解决了路径过长导致的特征丢失问题；另外引入了CA注意力机制模块，提高了模型的鲁棒性；基于训练集和验证集对DB‑YOLOv7模型进行训练和评价；将所述测试集图像输入至训练后的DB‑YOLOv7模型进行识别，实现绿豆叶斑病检测。本发明能够有效地提高绿豆叶斑病检测的精度，具有广阔的应用前景。
-
公开(公告)号：CN118468223B
公开(公告)日：2024-11-22
申请号：CN202410614595.3
申请日：2024-05-17
Applicant: 淮阴工学院
IPC: G06F18/25 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/0455 , G06N3/049 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于STGNN‑Net的车辆轨迹预测方法，首先，对预先获取的轨迹数据集进行划分与特征构建；其次，构建基于STGNN‑Net的车辆轨迹预测网络，一个分支用TGCN‑Net提取输入轨迹数据的时间特征，另一个分支利用STG‑Net获得轨迹的时空特征，使得模型能考虑不同时间与空间范围的影响，再利用残差网络分别对TGCN‑Net和STG‑Net进行特征融合；最后利用自适应学习经过Informer特征融合后送入BiGRU网络预测车辆的轨迹。本发明充分利用轨迹数据中的时间特征，同时结合不同时间的空间特征，通过TGCN‑Net和STG‑Net提取特征以减少信息的损失，实现了更加准确和鲁棒的轨迹预测；通过图神经网络和注意力机制使网络能考虑交互信息，从而优化特征，实现较高的轨迹预测精度。
-
公开(公告)号：CN118470413B
公开(公告)日：2024-10-18
申请号：CN202410607710.4
申请日：2024-05-16
Applicant: 淮阴工学院
IPC: G06V10/764 , G06N3/0464 , G06V10/82 , G06V10/44 , G06V10/80 , G06V10/774 , G06N3/08 , G06V10/776 , G06V10/74
Abstract: 本发明公开了一种基于UpCPFNet模型的芒果分级识别方法，首先将预先获取的芒果数据进行人工标注并制作成数据集，再对数据集进行预处理；构建包括初步特征提取模块Stem、六个ReHRSE模块、三个UpCFP模块、一个DoDB模块的基于UpCPFNet模型的芒果分级识别网络；对ReHRSE模块进行堆叠加深网络层数，使用UpCFP模块进行下采样丰富特征信息，使用DoDB模块对得到的深层网络特征和浅层网络特征在不同尺度上进行全局特征聚集和融合；最后通过全连接层输出分类。本发明使用深层网络的信息特征分别对局部特征进行特征融合，同时在不同尺度上的特征融合有助于集中局部特征信息，提高级别图像数据相似性的有效辨别，具有很大的实际运用价值，在农作物级别识别领域具有较大的前景。
-
公开(公告)号：CN118506455A
公开(公告)日：2024-08-16
申请号：CN202410743173.6
申请日：2024-06-07
Applicant: 淮阴工学院
IPC: G06V40/20 , G06V40/10 , G06V10/25 , G06V10/30 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种结合关键点检测和目标检测的人体行为检测方法，所诉方法包括：采集并保存站立，坐立，运动，卧躺多种人体姿态数据以及烟头，手机的物品数据；根据采集到的数据进行人工标注，数据预处理，并制作成数据集，按照一定比例分成训练集和测试集；构建人体行为检测模型，构建的思想使用双通道交互模块对关键的空间信息进行表征，并同时优化视觉特征，构建了一个多分支的深度神经网络，将各个分支的结果进行合并。首先利用人体检测器检测到人体框，利用人体姿态估计获取面部和手腕部关键点区域，将人体面部和手腕部的特征作为一种感知学习模块充分获取不同层级的上下文语义信息，结合烟头和手机的位置信息判别人体是否处于抽烟，玩手机，打电话的状态，其次利用人体肩关节，腰关节，膝关节和踝关节的相关特征信息提取位置信息以及位置之间的相关性判别人体是否摔倒。本发明通过关键点检测和目标检测交互的方法来确定人体所处的状态，鲁棒性更强，灵活性更强，识别率更高。
-
Patent Agency Ranking
公开(公告)号：CN118469079A
公开(公告)日：2024-08-09
申请号：CN202410607726.5
申请日：2024-05-16
Applicant: 淮阴工学院
IPC: G06Q10/04 , G06Q50/40 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F18/25 , G06F17/16 , G06N3/0499
Abstract: 本发明公开了一种基于DCG及双分支并行的地铁客流量预测方法及装置，所述方法包括：首先，构建地铁通行网络，其中节点表示站台点，节点所连边表示站台间的到达关系；其次，通过地铁通行网络和实体测量数据构建包括深度关系矩阵、旅行距离权重矩阵和乘客流量权重矩阵融合的DCG模块；最后，将DCG模块编码送入SBULSTM模块与Transformer模块双分支并行的预测神经网络。本发明通过DCG模块，还原地铁网络的实际拓扑结构，捕捉由站点到站线的客流特征；同时，并行SBULSTM模块与Transformer模块既能考虑时间序列的前后向状态，又能够学习复杂的时间特征、捕捉DCG所提供全局空间上的客流信息，加强全局时空通道的交互以减少信息的损失，提高了综合时空预测的能力。
-
公开(公告)号：CN114750231B
公开(公告)日：2024-02-06
申请号：CN202210438254.6
申请日：2022-04-25
Applicant: 淮阴工学院 , 宿迁久天信息技术有限公司 , 江苏清软智能科技有限公司
Abstract: 本发明公开了一种杏鲍菇根部切削装置及其切割轨迹控制方法，装置包括切刀机构和驱动切刀机构使其沿曲线移动切削杏鲍菇的双直线模组驱动机构，双直线模组驱动机构包括水平设置的第一直线模组和竖直设置的第二直线模组，第一直线模组高度上位于第二直线模组顶部；第一直线模组的滑块上转动连接有第一连杆，第二直线模组的滑块上转动连接有第二连杆，两个连杆末端铰接相连；切刀机构包括固定在第一连杆上的Y型刀架，Y型刀架上设置有角度可调节的刀片一；Y型刀架顶部固定有槽型刀架，槽型刀架上设置有刀片二。本发明中，两个直线模组能使切
-
公开(公告)号：CN117315716A
公开(公告)日：2023-12-29
申请号：CN202311229543.6
申请日：2023-09-22
Applicant: 淮阴工学院
IPC: G06V40/10 , G06V20/52 , G06V10/62 , G06V10/80 , G06V10/52 , G06V10/42 , G06V10/44 , G06V10/74 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种基于双相似度分割的遮挡行人重识别方法及装置，采用全局上下文关联模块提取全局特征；采用分组融合模块通过将不同尺度的特征图融合来收集更多的局部信息；然后使用加权交叉熵和三元组损失函数共同优化多分支网络；另外采用了双相似度区域分割方法消除图像中出现的无效干扰块，融合有效区域块的相似度；将行人图像对的全局相似度和各局部区域相似度进行融合，按相似度从大到小排序，实现行人重识别。本发明的方法显著提高了识别的性能，解决了遮挡行人重识别准确率不高的问题，为遮挡行人重识别在实际的应用中提供了一种更具优势的方法。
-
公开(公告)号：CN117315633A
公开(公告)日：2023-12-29
申请号：CN202311234257.9
申请日：2023-09-22
Applicant: 淮阴工学院
IPC: G06V20/59 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048
Abstract: 本发明公开了一种基于姿态补充特征的驾驶员行为识别方法及装置，首先，预先获取驾驶员分心行为数据集，并对数据进行预处理；然后，将图像分别送入基于内卷积注意力的双叉式网络和姿态补充网络，通过双叉式网络同时关注局部特征和全局特征从而得到深层特征，通过姿态补充网络得到姿态补充特征；最后，将得到的深层特征和姿态补充特征进行特征融合；对驾驶员的行为进行检测。本发明在一定程度上克服了传统驾驶员行为识别时特征单一不全面、驾驶员相似行为难以区分以及复杂背景影响驾驶员行为识别的问题，提升了真实场景下驾驶员分心行为识别准确率，可辅助驾驶员安全行车，更贴合于实际情况，应用更为广泛，实用性更强。
-
公开(公告)号：CN117315597A
公开(公告)日：2023-12-29
申请号：CN202311229537.0
申请日：2023-09-22
Applicant: 淮阴工学院
IPC: G06V20/54 , G06V10/80 , G06V10/44 , G06V10/422 , G06V10/54 , G06V10/52 , G06V10/62 , G06V10/46 , G06V10/77 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08 , G06N3/048
Abstract: 本发明公开了一种基于多分支的车辆重识别方法及装置，对预先获取的交通车辆原始图像进行预处理，构建包括主干网络模块、Transformer融合模块、全局特征提取模块以及局部特征提取模块的车辆重识别网络；主干网络模块用于提取车辆的特征信息；所述全局特征提取模块用于更好的提取特征信息并融合产生一个整体全局的车辆外观特征，判断车辆的一个整体轮廓；所述局部特征提取模块更加注意的是局部的一些细节特征的提取；所述Transformer融合模块来融合和进一步捕捉图像中的全局结构和语义信息，使其更好的分辨目标车辆。本发明通过三路分支的Transformer融合模块、局部和全局的特征提取的方法能在复杂的交通环境下对车辆进行有效的重识别。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.054 seconds)
