基于多传感器融合的新鲜苹果损伤敏感度无损检测方法

    公开(公告)号:CN105372203B

    公开(公告)日:2017-12-15

    申请号:CN201510742702.1

    申请日:2015-11-04

    Applicant: 江南大学

    Inventor: 朱启兵 黄敏

    Abstract: 本发明涉及一种基于多传感器融合的新鲜苹果损伤敏感度无损检测方法。该方法包括:a、用可视/近红外光谱系统采集苹果的光谱,提取光谱数据矩阵;b、用高光谱图像系统采集相同苹果的图像,利用广义高斯函数获得特征参数矩阵;c、用光谱数据矩阵和特征参数矩阵,构建特征融合矩阵;d、用破坏性仪器采集苹果样本的损伤敏感度指标;e、用最小二乘支持向量机构建苹果损伤敏感度的评价预估模型;f、采集可视/近红外光谱和高光谱图像,并输入到评价预估模型中,获得苹果损伤敏感度的评价结果。本发明通过可视/近红外光谱系统和高光谱图像系统多传感器融合及评价预估模型获得新鲜苹果的损伤敏感度评价结果;操作简单,实时性好,可靠性高。

    一种基于R‑FCN的小目标检测方法

    公开(公告)号:CN107145908A

    公开(公告)日:2017-09-08

    申请号:CN201710317066.7

    申请日:2017-05-08

    Applicant: 江南大学

    Inventor: 黄敏 蒋胜 朱启兵

    Abstract: 本发明公开了一种基于R‑FCN的小目标检测方法,涉及图像处理领域,该方法包括:将待测图像导入卷积网络,按照从M个网络层的最顶层至最底层的顺序以及按照从M个网络层的最底层至最顶层的顺序通过M个网络层依次对待测图像进行特征提取,生成尺度不同的特征映射图,选取N层特征映射图导入RPN进行前后景分类,确定前景区域的坐标,将前景区域的坐标对应的特征映射块处理为特征向量;将各个特征向量输入分类器中进行二次分类,检测特征向量所属的类别是否对应待检测的小目标并输出检测结果,本发明采用top‑down特征金字塔和down‑top特征金字塔相结合的方式,在不同尺度的特征映射图上进行小目标检测,可以减少对小目标的漏报,提高检测精度。

    基于深度卷积神经网络的堆场烟雾监测及在线模型更新方法

    公开(公告)号:CN107025443A

    公开(公告)日:2017-08-08

    申请号:CN201710221097.2

    申请日:2017-04-06

    Applicant: 江南大学

    Abstract: 本文发明涉及一种基于深度卷积神经网络的堆场烟雾监测及在线模型更新方法,包括以下步骤:a、利用工具将烟雾视频转为图像序列,并进行烟雾类标标注;b、利用深度卷积神经网络获取烟雾更加抽象的高层特征,并进行迭代训练优化模型参数,根据损失函数评价迭代模型,选择最优模型;c、根据漏报、误报情况实现模型的在线更新。本发明通过深度卷积神经网络对烟雾图像进行有效的特征提取,其能够实现视频监控下的烟雾实时监测及模型更新,进一步提升检测精度,操作简单,快速有效,并具有较高鲁棒性等优点。

    基于嵌入式的苹果采后田间分级检测方法及系统

    公开(公告)号:CN103646251B

    公开(公告)日:2017-05-17

    申请号:CN201310419877.X

    申请日:2013-09-14

    Applicant: 江南大学

    Abstract: 本发明涉及一种基于嵌入式的苹果采后田间分级检测方法及系统的实现过程。该检测系统主要包括ARM处理器、步进电机模块、图像采集模块、执行分级模块。步进电机模块滚动传输苹果,CMOS能采集苹果整个表皮图像,并通过USB传送到ARM,并与建立好的分类器进行匹配,实现苹果缺陷和大小的检测,并发送控制信号到分级执行机构。分类器是基于Haar‑like特征、改进的AdaBoost算法,并引入了风险系数,使算法有更好的鲁棒性和自适应性。采用改进的遗传算法对样本的权值进行优化,采用了改进型交叉算子和改进型变异算子,保证了遗传算法的收敛能力,提高了算法的优化能力。本发明能实现对苹果的缺陷和大小快速、准确地分级。

    一种单层氧化石墨烯改性水性聚氨酯复合材料的制备方法

    公开(公告)号:CN105176067A

    公开(公告)日:2015-12-23

    申请号:CN201510683888.8

    申请日:2015-10-22

    Applicant: 江南大学

    Abstract: 一种单层氧化石墨烯改性水性聚氨酯复合材料的制备方法,属于无机纳米改性聚氨酯材料的制备领域。本发明先利用新型强氧化剂高铁酸钾对鳞片石墨进行氧化剥离,经离心洗涤后制备得到单层氧化石墨烯;再将这种单层氧化石墨烯经超声分散于去离子水中,在水性聚氨酯乳化阶段加入,高速搅拌后制备单层氧化石墨烯改性水性聚氨酯复合乳液。本发明与现有的无机物改性高分子材料相比,单层氧化石墨烯经超声后能在聚合物基体中稳定分散,由于氧化石墨烯在比表面积、强度、硬度等属性上都优于其他的纳米改性物质,从而在水性聚氨酯的热稳定性、力学性能等方面具有很大优势。

    基于径向基神经网络的室内火灾预测方法及系统

    公开(公告)号:CN103325205B

    公开(公告)日:2015-11-18

    申请号:CN201310276272.X

    申请日:2013-07-01

    Applicant: 江南大学

    Abstract: 本发明涉及一种基于径向基神经网络的室内火灾预测方法及系统,其包括如下步骤:a、建立室内火灾发生概率预估模型,所述建立的室内火灾发生概率预估模型位于上位机内;b、在室内设置所需的监控节点,所述监控节点实时采集室内环境参数,并将所述采集的室内环境参数传输到上位机内;c、上位机将接收的室内环境参数输入室内火灾发生概率预估模型内,以获得当前室内环境时对应的火灾概率值;d、当上位机通过室内火灾发生概率预估模型得到对应的室内环境判断为明火或阴燃火时,上位机向监控节点传输报警信息,以通过监控节点进行报警提示。本发明能够及时发现室内火灾隐患,实时性好,可靠性高,稳定性强。

    基于迭代阈值的毛豆高光谱图像感兴趣区域自动提取方法

    公开(公告)号:CN104573689A

    公开(公告)日:2015-04-29

    申请号:CN201310474353.0

    申请日:2013-10-11

    Applicant: 江南大学

    CPC classification number: G06K9/4671 G06K9/6269

    Abstract: 本发明涉及一种基于迭代阈值的毛豆高光谱图像感兴趣区域自动提取方法,能够自动提取毛豆的感兴趣区域。本发明的技术方案为:a、初置阈值估计值把透射性最强波段下的图像分割成背景和毛豆两部分,计算两部分的灰度平均值,并以此求新的阈值,直到当前计算出的阈值与上一次阈值相等为止。b、为增强对比度,则找出背景坐标,并把背景灰度值赋值为255,毛豆灰度值保持不变。c、再次利用阈值分割把图像二值化,分割出豆荚和豆粒。d、把豆粒即感兴趣区域的坐标映射到其它波段,得到全波段下的感兴趣区域。本发明通过自动提取毛豆的感兴趣区域,并结合分类预估模型及高光谱图像采集系统获得毛豆豆荚螟的检测结果,实时性好,省时省力,可靠性高。

Patent Agency Ranking