-
公开(公告)号：CN116452979A
公开(公告)日：2023-07-18
申请号：CN202310398491.9
申请日：2023-04-14
Applicant: 淮阴工学院
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06V10/80 , G06V10/20 , G06V10/26 , G06V10/30 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于AB‑Net的葡萄叶斑病识别方法，所述方法包括：采集并保存葡萄叶斑病图像数据；根据病害类别对葡萄叶斑病图像数据进行人工标注，并制作成数据集；将数据集按照一定比例分割为训练集和测试集并且对葡萄叶斑病图像进行预处理；构建基于AB‑Net的葡萄叶斑病识别模型，包括特征提取模块和重复堆叠三次的特征融合模块CNeck；所述CNeck模块包括一个BottleNeck双残差路径模块和一个ANeck模块；通过多次迭代得到最好的预训练模型权重，然后对测试集的病害样本进行验证分类。本发明通过先分类后识别的方法来确定叶斑病病害类别，鲁棒性更强，自适应能力更强，识别率更高。
-
公开(公告)号：CN116030245A
公开(公告)日：2023-04-28
申请号：CN202310032957.3
申请日：2023-01-10
Applicant: 淮阴工学院
IPC: G06V10/25 , G06V10/77 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于DSLNet网络的车辆检测方法及装置，对预先获取的交通车辆原始图像进行预处理，分为训练图像和测试图像；构建DSLNet车辆目标检测网络；包括主干网络模块、UDM加强特征提取模块以及YoloHead目标检测头模块；主干网络模块用于提取车辆的特征信息，UDM加强特征提取模块进一步加强特征的提取能力，YoloHead目标检测头模块用于检测目标对象；将事先分配好的训练图像输入到DSLNet车辆目标检测网络中进行训练；将测试图像输入到训练好的DSLNet车辆目标检测网络中，进行评估。本发明提出的DSLNet网络，结构简单，采用大卷积和小卷积组合的方式进行特征提取，并采用深度可分离卷积来降低参数量，能够实现道路图像中实时的车辆的准确识别，且识别准确率较高。
-
公开(公告)号：CN115455177A
公开(公告)日：2022-12-09
申请号：CN202210920360.8
申请日：2022-08-02
Applicant: 淮阴工学院
IPC: G06F16/35 , G06F16/33 , G06F40/30 , G06F40/284
Abstract: 本发明公开一种基于混合样本空间的不平衡化工文本数据增强方法及装置，首先按预设规则从语料集中获得两个一级标签不同的化工文本样本，将两个样本依次输入动态词向量编码器中，获得文本样本对输出动态词向量；将两个样本根据预设静态词向量生成模型依次获得对应的静态词向量，然后对上述词向量分别展开样本自插值混合；然后随机选择与文本样本位于同一大类样本空间下属不同小样本类别空间中的文本样本生成的词向量与自插值得到的词向量展开层次样本空间插值，输出获得数据增强后的词向量，应用于下游分类任务中。本发明利用多标签数据同一层级类别之间样本的依赖关系，降低小样本所属类别分类难度，进而有效提升不平衡样本数据分类精度。
-
公开(公告)号：CN112580332A
公开(公告)日：2021-03-30
申请号：CN202011303829.0
申请日：2020-11-19
Applicant: 淮阴工学院
IPC: G06F40/216 , G06F40/242 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 发明公开了一种基于标签分层延深建模的企业画像方法，首先对企业模糊标签进行统计和筛选，筛选出如批发业、零售业等不能完整概括企业特点的标签，使用Bert模型依据企业经营范围和企业标签对筛选出的标签进行分类延深；然后将企业名称、企业简介、经营范围信息整合，基于预先建立好的企业词库进行特征拓展，分别使用TextRank、TF‑IDF、LDA主题模型从综合信息中抽取关键词，将处理后的关键词作为更深层的企业延深标签；最后，将本建模方法应用到企业画像系统中，优化标签精确概括能力。本发明普遍适用于标签延深建模和标签提取问题，充分考虑了标签延深的层次关系，可以有效的提高标签和企业画像系统的准确度。
-
公开(公告)号：CN107168402B
公开(公告)日：2018-11-13
申请号：CN201710334055.X
申请日：2017-05-12
Applicant: 淮阴工学院
Abstract: 本发明公开了基于CAN现场总线的鸡舍环境温度智能监测系统，其特征在于：所述温度智能监测系统由基于CAN现场总线的鸡舍环境参数采集与智能预测平台、鸡舍环境多点温度融合模型和鸡舍环境温度智能预测模型三部分组成；本发明不但有效解决了传统鸡舍环境温度监控系统由于设计不合理、设备落后、控制系统不完善等原因导致密闭式鸡舍内环境仍存在许多问题，而且有效解决了现有的鸡舍环境监测系统，没有根据鸡舍环境温度变化的非线性、大滞后和鸡舍面积大温度变化复杂等特点，对鸡舍环境的温度进行监测与预测，从而极大的影响鸡舍环境温度的调控问题。
-
Patent Agency Ranking
公开(公告)号：CN118470414B
公开(公告)日：2024-12-20
申请号：CN202410607712.3
申请日：2024-05-16
Applicant: 淮阴工学院
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/776 , G06V10/40 , G06V10/80 , G06N3/084
Abstract: 本发明公开了一种基于CS‑DNet轻量级模型的小麦种子筛选方法，预先收集实验所需小麦种子图像数据，并通过人工标注的方法对图片进行分类制作成数据集；构建基于CS‑DNet轻量级模型的小麦筛选网络，包括特征提取模块FEM和特征融合模块FFM；其中特征提取模块FEM采用通道分割、不同尺度的深度可分离卷积以及残差连接操作；特征融合模块FFM包括空洞卷积通道混洗模块C‑DBlock和增强倒残差结构EIRS；C‑DBlock实现通道信息的共享和空间信息的共享；EIRS为双分支网络结构，实现两条分支特征向量的融合；通过多次迭代得到效果最优的模型参数；用预训练好的网络模型对小麦种子进行分类。采用本发明可以在短时间实现小麦种子的准确筛选，在农业作物种子筛选领域具有较大的前景。
-
-
公开(公告)号：CN118468223A
公开(公告)日：2024-08-09
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：CN117150007A
公开(公告)日：2023-12-01
申请号：CN202310939664.3
申请日：2023-07-27
Applicant: 淮阴工学院
IPC: G06F16/35 , G06F18/214 , G06F40/211 , G06F40/253 , G06F40/30 , G06F40/194 , G16H50/70
Abstract: 本发明公开了一种面向呼吸道疾病文本的多角度文本分类方法，包括：收集呼吸道疾病文本，并确定各呼吸道疾病文本分别对应的疾病类别，进行文本预处理，制作呼吸道疾病文本样本；并使用呼吸道疾病文本样本制作相关词向量和字典，按照比例并划分出训练集、验证集和测试集；使用清华树库TCT的词性标注模型对训练集文本进行句法分析，针对分析结果的名词和形容词构建特征疾病表；建立疾病诊断网络DDNet，并进行训练；将目标样本文本输入到训练好的疾病诊断网络DDNet中获得目标样本文本的分类。针对呼吸道疾病文本的特殊性和多元性，本发明方法从多角度对其进行解析分类，具有较高的针对性和可操作性。
-
公开(公告)号：CN117132827A
公开(公告)日：2023-11-28
申请号：CN202311105750.0
申请日：2023-08-30
Applicant: 淮阴工学院
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/80 , G06V10/42 , G06V10/776
Abstract: 本发明公开了一种基于改进YOLOv5s网络的热轧钢带表面缺陷检测方法，该方法使用YOLOv5s目标检测模型作为基础，在此基础上提出一种改进的YOLOv5s网络模型。首先，将neck部分的结构改换为AFPN结构，实验结果表明该结构与其他最先进的特征金字塔网络相比较更具竞争力，而且每秒浮点运算(FLOPs)也最低，并在较低参数下达到了比Baseline更好的性能。其次，使用GIoU损失函数，其不仅关注重合区域，还关注其他非重合区域，更好的反映了两者的重合程度，并且当IoU＝0时，两个框之间的距离仍然很好的表示出来。最后，添加注意力机制模块，选用EffectiveSE卷积神经网络结构加入YOLOv5s网络中，实验表明它与SENet等经典网络结构相比分类精度更高、收敛速度更快。本发明所提出的方法在原始网络基础上有效提升了模型对热轧钢带表面缺陷检测的性能，降低了模型的参数量和计算量，缩短了模型的推理时间。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.073 seconds)
