-
公开(公告)号：CN116309375A
公开(公告)日：2023-06-23
申请号：CN202310159967.3
申请日：2023-02-23
Applicant: 南京林业大学
Abstract: 本发明公开一种实木板材双面缺陷检测及智能加工坐标确定方法，包括：采集N块实木板材样本双面图像，对图像进行预处理；对图像进行缺陷标注，并将其作为数据集用来训练实木板材缺陷检测深度学习离线网络模型；在线采集实木板材双面图像，并进行预处理，将实木板材双面图像按行对齐；将实木板材图像输入至训练好的模型内，获得实木板材缺陷坐标；优化实木板材缺陷坐标，获得实木板材图像上的加工位置坐标；将加工位置坐标从实木板材图像上转换至实际板材上。本发明通过集成双目视觉获取实木板材双面图像并进一步地进行缺陷检测，对检测到的双面缺陷坐标进行基于图像的工艺优化，实现实木板材的双面缺陷检测，并获取实际板材的加工坐标点。
-
公开(公告)号：CN114882291B
公开(公告)日：2023-06-06
申请号：CN202210607623.X
申请日：2022-05-31
Applicant: 南京林业大学
IPC: G06V10/764 , G06V10/77 , G06V10/34 , G06V10/30 , G06V10/24 , G06V10/26 , G06V10/54 , G06V10/82 , G06N5/01 , G06N20/00
Abstract: 本发明公开一种基于高光谱图像像素块机器学习的籽棉地膜识别分类方法，利用高光谱成像设备获取杂质混合后的物料高光谱图像，将高光谱图像切割为与剔除要求对应的像素块，并提取空间纹理特征结合光谱特征作为像素块的特征，构建机器学习模型，构建杂质对接矩阵，提升对于连续像素块的识别精度，最终实现对像素块中物料进行在线分类识别。本发明利用极限梯度提升算法对原始光谱特征重要性进行排序，引入加权光谱特征值概念，构建随机森林分类器对籽棉与地膜进行在线分类识别；有效解决了地膜由于透光性产生异物同谱问题导致识别像素点过少、分类精度不高的问题。
-
公开(公告)号：CN114817609B
公开(公告)日：2022-11-25
申请号：CN202210396144.8
申请日：2022-04-15
Applicant: 南京林业大学
IPC: G06F16/583 , G06F16/51 , G06V10/56 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于提升树的实木地板颜色的自动排序方法，包括：采集多张实木地板表面图像并预处理；对实木地板图像进行颜色空间变换；建立实木地板图像的颜色深浅序列；设定每张实木地板图像颜色深度值；提取实木地板图像的颜色特征向量；建立实木地板颜色回归树数学模型并对其参数进行调优；通过最优回归树数学模型计算得到待测实木地板图像的颜色深度值；根据实木地板图像的颜色深度值的大小将实木地板图像的颜色进行在线排序。本发明以初步建立实木地板颜色深浅序列为先验知识，提取实木地板颜色特征向量，然后使用梯度提升决策树对实木地板颜色特征向量进行回归，实现实木地板颜色的无级分类，同时，还能实现实木地板颜色深浅自动排序。
-
公开(公告)号：CN115272733A
公开(公告)日：2022-11-01
申请号：CN202210915266.3
申请日：2022-07-29
Applicant: 南京林业大学
IPC: G06V10/762 , G06V10/764 , G06V10/80 , G06V20/10 , G06V10/74
Abstract: 本发明公开了一种基于点云数据与多特征融合的树干信息提取方法，属于林地点云数据处理技术领域。该方法包括：采用三角剖分法提取树干区域的点云数据；选取聚类中心；计算每个点云数据的快速点特征直方图；计算每个点云数据到聚类中心的欧式距离和快速点特征直方图的相似度；根据欧氏距离和相似度，重新确定聚类中心；当聚类中心不再变，每类点云数据构成了一棵树干。本发明利用三角剖分法克服点云数据的非结构性、降低点云数据量，提高信息提取效率和精度；利用欧式距离和FPFH的相似度作为聚类准则，优化聚类效果，为树木点云数据的分类提供了一种简单有效的分类方法，有助于提高森林资源调查与监测的效率。
-
公开(公告)号：CN114155385B
公开(公告)日：2022-09-27
申请号：CN202111445062.X
申请日：2021-11-30
Applicant: 江苏鑫源烟草薄片有限公司 , 南京林业大学
IPC: G06V10/56 , G06V10/774 , G06V10/74 , G06V10/764 , G06V10/26 , G06V10/82 , G06N3/08 , G06V10/58 , G06V10/34
Abstract: 本发明公开一种基于深度学习的RGB与高光谱的烟草识别方法，属于图像识别技术领域。首先利用RGB彩色图像的对数阈值分割和圈选标记，将图像中的与烟草颜色差别明显的其他物质区别出来；再结合高光谱成像，针对色彩相近区域进行特殊优化，利用自主设计的高光谱差值矩阵法，构建光谱特征F通道，对RGB中的相近色块使用深度学习结合F通道数据进行二次识别，避免相近色彩物体的漏检。本发明将高光谱与RGB结合，对传统RGB相机无法识别的颜色相近或透明的杂质做出优化，判断出烟草中的不同于烟草光谱特性的物质，实现实时监控筛选，避免人员主观与长时间工作带来的影响，提升烟草的纯净度和识别效率，对烟草行业具有十分重要的意义。
-
Patent Agency Ranking
公开(公告)号：CN113158580B
公开(公告)日：2021-12-10
申请号：CN202110506961.X
申请日：2021-05-10
Applicant: 南京林业大学
IPC: G06F30/27 , G06N3/00 , G06N3/12 , G06F111/04 , G06F111/06 , G06F113/24
Abstract: 本发明公开实木板材的一维排样方法，包括：读取经切割缺陷后的N段实木板材长度Li信息；读取需求量为bj的待排零件的长度lj信息；建立实木板材一维排样数学模型；基于改进最大最小蚁群系统的方法生成初始种群：基于改进遗传算法多次迭代得到最优排样方案；将改进遗传算法得到的迭代最优解进行记录；根据记录中的至今最优解自适应更新信息素的界限；采用动态混合策略进行信息素更新。本发明克服了随机选择的盲目性；加快了蚁群系统的收敛速度，提高了求解速率，排样时间快，利用率高；有助于维持种群多样性，减少局部最优和早熟问题的出现，增强了算法的全局搜索能力；采用迭代最优解和全局最优解的动态混合策略，有助于增强算法合理引导搜索的能力。
-
公开(公告)号：CN112808603B
公开(公告)日：2021-10-12
申请号：CN202011526794.7
申请日：2020-12-22
Applicant: 南京林业大学
Abstract: 本发明公开了基于RealSense相机的鲜切花分选装置及方法，属于鲜切花分选技术领域。该装置包括工控机、传送装置、检测装置和分选装置，检测装置包括激光传感器和图像采集装置，图像采集装置包括光源、RealSense相机、翻转装置。通过三个RealSense相机采集鲜切花二维图像和深度信息，使用图像处理算法得到二维图像的尺寸特征和颜色特征，使用深度学习算法分析二维图像和深度信息得到鲜切花成熟度，综合多个鲜切花特征，使用分类算法对鲜切花进行分级，最后通过分选装置将鲜切花分成三类收集。该方法能够将不同等级鲜切花进行特征提取，并进行分选，提高了鲜切花识别分级和分选的效率。
-
公开(公告)号：CN112950602A
公开(公告)日：2021-06-11
申请号：CN202110264308.7
申请日：2021-03-11
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于深度相机与机器学习的糖果缺陷检测装置及分类方法，深度相机采集光源反射的糖果图像，并传输至工控机，工控机对糖果图像进行处理后，控制分选机构完成缺陷糖果的剔除工作；本发明的分类方法将机器视觉算法与深度学习算法相结合，利用机器视觉算法在RGB颜色空间对图像进行特征提取，并对图像中粘连的糖果进行分割，保证了算法在工业环境下运行的稳定性；利用深度学习算法中的卷积神经网络Resnet18检测缺陷糖果，通过改进网络结构进行糖果分类，并输出糖果缺陷面积。本发明降低了人工分拣的误检率和漏检率与企业的生产成本，满足了企业的生产需求，提高了生产效率。
-
公开(公告)号：CN112808603A
公开(公告)日：2021-05-18
申请号：CN202011526794.7
申请日：2020-12-22
Applicant: 南京林业大学
Abstract: 本发明公开了基于RealSense相机的鲜切花分选装置及方法，属于鲜切花分选技术领域。该装置包括工控机、传送装置、检测装置和分选装置，检测装置包括激光传感器和图像采集装置，图像采集装置包括光源、RealSense相机、翻转装置。通过三个RealSense相机采集鲜切花二维图像和深度信息，使用图像处理算法得到二维图像的尺寸特征和颜色特征，使用深度学习算法分析二维图像和深度信息得到鲜切花成熟度，综合多个鲜切花特征，使用分类算法对鲜切花进行分级，最后通过分选装置将鲜切花分成三类收集。该方法能够将不同等级鲜切花进行特征提取，并进行分选，提高了鲜切花识别分级和分选的效率。
-
公开(公告)号：CN112766229A
公开(公告)日：2021-05-07
申请号：CN202110171946.4
申请日：2021-02-08
Applicant: 南京林业大学
Abstract: 本发明公开一种基于注意力机制的人脸点云图像智能识别系统，包括点云数据转化模块、特征提取模块、注意力机制模块、图像融合模块、数据集样本划分以及孪生神经网络模块。本发明中提出将点云数据转化为人脸深度图，并对深度图进行特征提取，加入注意力机制，能够更好地提取出反映人脸的特征区域；本发明提出对数据样本划分为正样本和负样本，并使用孪生神经网络模块对正负样本进行训练，利用对比损失函数能够更好地对人脸特征向量进行误差计算，最后找到最接近的人脸类别，能够更加准确、迅速地进行人脸识别。
-
-
-
-
-
-
-
-
-
Search Results
157
records
(took 0.029 seconds)
