-
公开(公告)号：CN116385734A
公开(公告)日：2023-07-04
申请号：CN202310295401.3
申请日：2023-03-24
申请人： 昆明理工大学 , 云南省烟草质量监督检测站
IPC分类号： G06V10/44 , G06V10/774 , G06V10/764
摘要： 本发明提供了一种特征通道加权和动态损失调控的烤烟分组方法及系统，涉及深度学习和烤烟分级技术领域，通过图像采集装置采集获取N个主收组别的烤烟图像，建立烤烟分组数据集，其中，N为正整数，对所述烤烟分组数据集进行数据预处理，获取预处理数据集，设计烤烟组别分类网络TGNet，用所述烤烟组别分类网络TGNet训练所述预处理数据集，得到烤烟组别分类模型，基于所述烤烟组别分类模型获取烤烟分组结果。本发明解决了现有的深度学习烤烟分组方法在高尺度特征中缺乏关键特征表达、类间辨别能力有限、模型在训练期间倾向学习多数类样本的技术问题。实现了烤烟组别实时分类，达到有效提高烤烟组分类效率，降低人工分级成本。
-
公开(公告)号：CN116310977A
公开(公告)日：2023-06-23
申请号：CN202310248947.3
申请日：2023-03-13
申请人： 昆明理工大学
IPC分类号： G06V20/40 , G06V10/762 , G06V10/774 , G06V10/771 , G06N3/084
摘要： 本申请涉及视频实例分割技术领域，提供了一种基于尺度自适应调控的弱监督视频实例分割方法，所述方法包括：确定第一交通场景视频实例分割数据集；将交通场景视频实例分割数据集输入策略输出模型中，输出第一输出结果；构建弱监督损失模块；构建自适应调控模块；构建生成调控模块；根据弱监督损失模块、自适应调控模块和所述生成调控模块生成交通场景弱监督视频实例分割模型，利用所述交通场景弱监督视频实例分割模型进行实例分割。解决了利用弱监督学习进行视频实例分割中，由于仅使用边界框进行网络训练导致大尺度动态范围的视频目标分割精度不足的问题，可以增强对目标适应性和重要区域聚焦能力，提高目标分割精度。
-
公开(公告)号：CN113269275B
公开(公告)日：2023-06-06
申请号：CN202110685414.2
申请日：2021-06-21
申请人： 昆明理工大学
IPC分类号： G06V10/774 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/082 , B65G47/91 , B65G47/34 , B65G47/18 , A01K67/04
摘要： 本发明涉及一种蚕茧下茧实时检测方法，属于蚕桑业加工技术领域。该方法通过对YOLOv3深度学习目标检测算法进行基于锚点框参数预置、通道剪枝和嵌入感受野模块改进后以在蚕茧生产加工过程中选茧时对下茧进行实时检测。该蚕茧分选机的上料装置用于蚕茧上料，输送装置用于输送蚕茧，图像采集装置用于对输送装置上的蚕茧进行拍照，获取蚕茧图像，下茧抓取装置用于对蚕茧进行抓取剔除，上车茧储存装置用于对蚕茧进行储存。蚕茧分选机根据下茧实时检测方法输出的坐标对下茧进行抓取剔除，对上车茧收集储存，从而提高了蚕茧生产加工的生产效率及茧丝质量，降低生产成本。本发明方法的蚕茧分选机具有结构简单、分选质量精准、工作效率高等特点。
-
公开(公告)号：CN114973306A
公开(公告)日：2022-08-30
申请号：CN202210073729.6
申请日：2022-01-21
申请人： 昆明理工大学
IPC分类号： G06V40/10 , G06N3/08 , G06N3/04 , G06K9/62 , G06V10/762 , G06V10/82 , G06V10/774
摘要： 本发明涉及一种精细尺度嵌入的轻量级红外实时检测方法与系统，属于机器视觉领域。本方法对获取的红外图像数据集进行剔除和行人姿态扩充，构建红外行人数据集；将红外行人数据集分为训练集和测试集，并进行标注；采用K‑means++算法对红外行人数据集进行聚类分析，预置目标检测模型候选框参数；在Yolov4‑tiny网络基础上嵌入红外行人目标精细尺度，加深主干网络，构建精细尺度嵌入的红外行人目标检测网络结构；将红外行人数据集输入精细尺度嵌入的红外行人目标检测网络结构进行训练获得红外行人目标检测模型；将红外行人目标检测模型通过通道剪枝获得轻量级红外行人目标检测模型，利用知识蒸馏算法完成模型的微量调控；通过轻量级红外行人目标测模型对红外行人检测。
-
公开(公告)号：CN114973116A
公开(公告)日：2022-08-30
申请号：CN202210073745.5
申请日：2022-01-21
申请人： 昆明理工大学
摘要： 本发明涉及一种自注意力特征嵌入夜间机场跑道异物检测方法与系统，属于异物检测领域。本方法包括搭建图像采集系统，采集入侵异物RGB图像，建立异物检测数据集；将异物数据集划分成训练集和测试集，标注训练集和测试集中图像，获取入侵异物的类别和位置标签；采用K‑means算法对异物数据集进行聚类分析，获取YOLOv5目标检测算法的先验框参数，采用自注意力特征嵌入网络模型CSPTNet从不同自注意力分支子空间提取特征信息并嵌入位置信息；以CIoU定位损失函数优化模型定位精度，使用CSPTNet训练夜间机场跑道异物数据集，得到夜间机场跑道异物入侵检测模型；采用测试集的异物数据进行测试；输入测试异物图片得到异物检测结果。本发明可实现夜间异物入侵实时检测。
-
公开(公告)号：CN114964628A
公开(公告)日：2022-08-30
申请号：CN202210516324.5
申请日：2022-05-12
申请人： 昆明理工大学
摘要： 本发明提供了一种氨气泄漏混洗自注意力轻量化红外检测方法及系统，涉及图像处理及气体泄漏检测技术领域，所述方法通过获得红外图像检测数据集；对红外图像检测数据集进行归一化处理后划分为训练集、测试集，并对红外图像检测数据集进行氨气泄漏红外数据标注；构建混洗自注意力网络结构；利用具有氨气泄漏红外数据标注的训练集对混洗自注意力网络结构进行训练，获得混洗自注意力网络模型；通过混洗自注意力网络模型对测试集进行检测，调用最终混洗自注意力网络模型及测试程序，输入氨气泄漏红外图像确定检测结果，达到在较远距离处就能实现对氨气泄漏的实时精确监测，保障工作人员安全并在氨气出现泄漏时及时作出响应，降低经济损失的技术效果。
-
公开(公告)号：CN113392804B
公开(公告)日：2022-08-16
申请号：CN202110749503.9
申请日：2021-07-02
申请人： 昆明理工大学
IPC分类号： G06V20/52 , G06V10/764 , G06Q50/26
摘要： 本发明公开了一种基于多角度的交警目标数据集的场景化构建方法及系统，其中，所述方法包括：采集第一天气状况数据集，并进行分类，生成第一、第二天气状况数据子集；并分别获得第一、第二天气能见度；构建第一角度交警数据集；获得第一用户图像集合；对第一用户图像集合进行距离远近的分类，生成第二角度交警数据集；对第一用户图像集合进行性别差异的分类，生成第三角度交警数据集；构建第一用户的多场景执勤数据集，并进行特征标注。解决了现有技术中存在单独针对交警目标的数据集构建不够完善，且无法基于真实的道路交通场景进行构建，使得无法充分应用交警目标数据集对交警的指挥手势进行准确判定的技术问题。
-
公开(公告)号：CN114170329A
公开(公告)日：2022-03-11
申请号：CN202111220082.7
申请日：2021-10-20
申请人： 云南省烟草质量监督检测站 , 昆明理工大学
摘要： 本发明公开一种正组烟叶的颜色区分方法，涉及烟叶分级技术领域。本发明通过由烟叶分级专家挑选得到正组烟叶“标准”颜色样本；再由工业相机获得正组烟叶“标准”颜色样本的正面图像，将图像进行二值化分割，确定图像烟叶区域，对图像烟叶区域的像素点采样获得烟叶色差；样本关于色差的散点图的正组三色烟叶色差值具有明显区间分布，以连续各个区间存在的交叉域作为烟叶色差区间的交叉域范围；通过交叉域样本点计算区间划分的阈值，定义了正组柠檬黄、橘黄、红棕三色烟叶的色差区间，各区间代表了不同的正组烟叶颜色；本发明建立可描述的烟叶颜色的区分方法，利用单一指标，完成对正组烟叶颜色的区分。
-
公开(公告)号：CN113313130B
公开(公告)日：2022-02-18
申请号：CN202110749725.0
申请日：2021-07-02
申请人： 昆明理工大学
IPC分类号： G06V10/44 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于遮挡的安检图像危险品检测方法及系统，其中，所述方法包括：对所述第一结构特征结果进行外观尺度进行分析，获得第一目标尺度分布结果；将所述第一结构特征结果和所述第一目标尺度分布结果输入第一危险品评估模型，获得第一危险品评估结果；根据第一类别损失权重系数和第一动态遮挡系数，获得第一安检影响因素；根据所述第一安检影响因素对所述第一危险品评估模型进行增量学习，获得第二危险品评估模型；根据所述第一危险品评估结果和所述第二危险品评估结果，生成第一危险品检测结果。解决了现有技术依赖个人主观判断且容易导致漏报，且现实安检场景待检目标尺度分布不均、遮挡现象严重导致漏检率较高的技术问题。
-
公开(公告)号：CN113989524A
公开(公告)日：2022-01-28
申请号：CN202111253543.0
申请日：2021-10-27
申请人： 昆明理工大学
摘要： 本发明涉及一种多分辨率叶片样品外观特征提取方法，属于叶片检测技术领域。本发明方法通过全景图像传感器采集整张叶片外观特征图像，对图像进行ROI分割处理，去除背景并提取出整张叶片ROI和叶片主脉ROI；在整张叶片ROI中，计算出工业显微镜采样点的数量与位置数据信息；将采样点到主脉距离不小于距离阈值l的采样点和叶片交并比IOU不大于阈值p的采样点去除；根据已知工业图像传感器内参，通过坐标转换，将采样点像素坐标转换为世界坐标，计算出每个采样点工业图像传感器采样的移动距离L；计算出工业图像传感器移动至采样点的电机所需脉冲数P；通过电机所需脉冲数，将工业图像传感器移动至采样点位置，提取采样点的叶片外观特征高分辨率图像数据。
-
-
-
-
-
-
-
-
-
搜索结果
141 条记录 (耗时 0.036 秒)
