-
公开(公告)号：CN115147279A
公开(公告)日：2022-10-04
申请号：CN202210784242.9
申请日：2022-07-05
Applicant: 南京林业大学
Abstract: 本发明公开了基于选择性通道处理机制的轻量级遥感图像超分辨率方法，涉及遥感图像的处理，尤其是遥感图像的增强或复原，包括：对已有的样本图像变换操作并降采样，得到对应的高分辨率图像与低分辨率图像的训练集；初始化基于选择性通道处理机制的卷积神经网络，该网络将低分辨率遥感图像作为输入，并输出高分辨率遥感图像；在训练集上采用梯度下降法和反向传播算法，对构建的卷积神经网络进行迭代训练，得到参数优化后的卷积神经网络；利用参数优化后的神经网络模型，将低分辨率遥感图像作为输入，得到高分辨率遥感图像。相较于之前的方法，本发明参数量更少，模型运算效率更高，同时，可以得到高频部分更加清晰的、质量更高的超分辨率遥感图像。
-
公开(公告)号：CN114972040A
公开(公告)日：2022-08-30
申请号：CN202210832867.8
申请日：2022-07-15
Applicant: 南京林业大学
Abstract: 本发明公开了一种单板层积材的散斑图像超分辨率重建方法，包括：在单板层积材试件表面依次喷涂白色底漆和黑色散斑，使得单板层积材试件表面形成黑白散斑；连续采集多张单板层积材试件受外部作用力产生扩展尖端裂纹的原始高清散斑图像；对多张原始高清散斑图像进行处理，得到多张原始高分辨率图像块和低分辨率图像块；构建残差网络模型，利用训练集对残差网络模型进行训练，得到训练好的残差网络模型；本发明克服了单板层积材在超分辨率图像重建中的细节信息丢失和边缘模糊；加入特征图动态加权模块提高了单板层积材超分辨率图像重建的真实性；采用了一种新的残差网络模型，提高了网络性能；重建后的单板层积材超分辨率图像精度高，真实性高。
-
公开(公告)号：CN114897292A
公开(公告)日：2022-08-12
申请号：CN202210317326.1
申请日：2022-03-28
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于多尺度残差卷积变分网络故障诊断方法和诊断系统，包括：获取针对机械设备不同传递系统故障的加速度数据，并随机划分为训练样本和测试样本；由至少3个残差卷积变分模块并行学习串接，对每个残差卷积变分模块输出特征向量进行汇总形成总的特征向量，并采用分类模块对总的特征向量进行故障分类，形成多尺度残差卷积变分网络模型，其中，对多尺度残差卷积变分网络模型的初始参数进行设置；采用所述训练样本对多尺度残差卷积变分网络模型进行训练，实现小样本数据下多尺度、深层次的故障特征学习，并将测试样本输入至上述训练好的多尺度残差卷积变分网络模型，以实现对机械设备运行状态的自动辨别和智能诊断。
-
公开(公告)号：CN113096017B
公开(公告)日：2022-01-25
申请号：CN202110399796.2
申请日：2021-04-14
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于深度坐标注意力网络模型的图像超分辨率重建方法，涉及图像的增强或复原，包括：对已有的样本图像进行变换操作，并进行降采样，得到对应的高分辨率图像与低分辨率图像的训练集；初始化基于深度坐标注意力机制的卷积神经网络，该网络将低分辨率图像作为输入，并输出高分辨率图像；在训练集上采用梯度下降法和反向传播算法，对构建的卷积神经网络进行迭代训练，得到参数优化后的卷积神经网络；利用训练好的卷积神经网络对输入的低分辨率图像进行超分辨率重建，得到高分辨率图像的最终输出。本发明相对于现有方法，充分利用低分辨率图像与特征图像所包含的信息，对低分辨率图像进行超分辨率重建，拥有更好的超分辨率重建质量。
-
公开(公告)号：CN109618669B
公开(公告)日：2021-09-28
申请号：CN201910153613.1
申请日：2019-02-28
Applicant: 南京林业大学
IPC: A01D46/26
Abstract: 本专利提供一种梳刷角度可变的拍打式果实采收装置，它采用机械驱动的可以摆动梳刷对果树枝条进行拍打，使得果实掉落，作业效率高。它包括拍打装置，所述拍打装置包括底座，固定的底座上的竖管，在竖管上间隔固定多个铰接座，各铰接座上沿周向铰接有多个梳刷，上下相邻的两个梳刷均与平行于竖管的连杆铰接；在竖管上滑动设置有推头；多根撑杆的两端分别与推头、铰接在同一个铰接座上的各梳刷铰接；推头与伸入竖管内的推杆上端相连，推杆的下端与驱动推杆在竖管内上下滑动的设置在底座上的曲柄滑块机构相连；当曲柄滑块机构动作，带动推杆和推头上下移动，撑杆推动各梳刷摆动。
-
Patent Agency Ranking
公开(公告)号：CN113096017A
公开(公告)日：2021-07-09
申请号：CN202110399796.2
申请日：2021-04-14
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于深度坐标注意力网络模型的图像超分辨率重建方法，涉及图像的增强或复原，包括：对已有的样本图像进行变换操作，并进行降采样，得到对应的高分辨率图像与低分辨率图像的训练集；初始化基于深度坐标注意力机制的卷积神经网络，该网络将低分辨率图像作为输入，并输出高分辨率图像；在训练集上采用梯度下降法和反向传播算法，对构建的卷积神经网络进行迭代训练，得到参数优化后的卷积神经网络；利用训练好的卷积神经网络对输入的低分辨率图像进行超分辨率重建，得到高分辨率图像的最终输出。本发明相对于现有方法，充分利用低分辨率图像与特征图像所包含的信息，对低分辨率图像进行超分辨率重建，拥有更好的超分辨率重建质量。
-
公开(公告)号：CN113012156A
公开(公告)日：2021-06-22
申请号：CN202110506907.5
申请日：2021-05-10
Applicant: 南京林业大学
Abstract: 本发明公开一种实木板材颜色智能分类方法，包括：对实木板材图片预处理；将RGB彩色空间转换到Lab彩色空间和HSV彩色空间；获取Lab彩色空间、HSV彩色空间的颜色的一阶矩和二阶矩；使用K‑Means聚类算法对图片进行聚类；采用基于K‑Means聚类算法的主颜色提取方法对低通滤波后的实木板材图片进行主颜色提取，根据主颜色含量进行等级划分；对图片进行高通滤波，获得纹理信息，将图片划分为直纹或曲纹；给实木板材图片贴标签，制作样本集；将待分类的实木板材图片输入到训练、验证得到的最优颜色分类模型中，实现实木板材颜色分类；本发明可有效对实木板材图像颜色进行分类，且该方法不需要颜色空间量化、特征向量维数低。
-
公开(公告)号：CN110603958B
公开(公告)日：2021-06-04
申请号：CN201911027311.6
申请日：2019-10-27
Applicant: 南京林业大学
IPC: A01D46/26 , G06F30/17 , G06F119/14
Abstract: 本发明公开了一种局部激励的振动控制方法，振动控制方法用于三点可调夹持式振动采摘装置，三点可调夹持式振动采摘装置包括底座以及设于底座上方的左夹持机构、右夹持机构和中夹持振动机构；中夹持振动机构位于左夹持机构和右夹持机构之间，左夹持机构固定在底座上，右夹持机构和中夹持振动机构均能分别在底座上发生水平移动；左夹持机构和右夹持机构均用于夹持果枝；中夹持振动机构用于夹持果枝并对果枝施加振动，中夹持振动机构的振动力通过零刚度减震器隔绝在左夹持机构和右夹持机构上的传递；本发明用于三点可调夹持式振动采摘装置，自动化程度高，且该方法可以计算出不同枝条的具体夹持参数l，x1，可以精准激励，可靠地保证了采摘的精准性。
-
公开(公告)号：CN109794438B
公开(公告)日：2021-03-16
申请号：CN201910254499.1
申请日：2019-03-31
Applicant: 南京林业大学
Abstract: 本专利的蓝莓自动分等方法及装置，让蓝莓自由滚动的方式实现自动分等，对蓝莓基本没有无损伤，空间利用率高。它包括输送带，在输送带上设置有至少一对分流板，每个移动通道的前端与一个分等轨道对接；分等轨道高度逐渐降低；分等轨道具有形成四边形的第一、二、三、四边；除了在分等轨道的出口所在的第四边外，在其它三条边上均开有分级槽口；位置较低的分级槽口的宽度大于位置较高的分级槽口的宽度；在分等轨道四条边的下方分别设置有收集装置，从相互平行的各边上的分级槽口掉落的蓝莓落入该边下方的收集装置；从各分等轨道出口掉落的蓝莓落入的第四边下方的收集装置。
-
公开(公告)号：CN111330861A
公开(公告)日：2020-06-26
申请号：CN202010268968.8
申请日：2020-04-08
Applicant: 南京林业大学
Abstract: 本技术公开了一种旋转式木材等级分选装置，包括传送带机构、电动升降台和分选机构，传送带机构的后方设有电动升降台，传送带机构和电动升降台之间设有间隙，且间隙处上方和下方均设有相机一，分选机构位于电动升降台一侧；分选装置包括分选台、立柱、顶部结构和吸盘搬运结构，分选台的中部通过立柱与顶部结构连接，分选台的圆周方向上开设有多个收集槽，每个收集槽处均对应有一个收集筐，顶部结构的圆周方向上设有一圈圆形轨道，吸盘搬运结构与圆形轨道滑动连接。本技术可以机器自主识别并划分板材的等级，然后自主实现板材的分选。可以完全地由机械实现分选功能，将工人从重复繁琐的劳动中解放出来，还可以大大提高生产的效率。
-
-
-
-
-
-
-
-
-
Search Results
221
records
(took 0.025 seconds)
