-
公开(公告)号：CN116543535A
公开(公告)日：2023-08-04
申请号：CN202310552708.7
申请日：2023-05-17
申请人： 湖南科技大学
IPC分类号： G08B21/18
摘要： 本发明涉及一种基于深度神经网络的环水口区域报警方法，包括：以yolov7算法内原ELAN模块替换为swim‑tansformer模块的新yolov7算法为基础，加入DeepSORT跟踪算法构建的目标检测模型。本发明通过将进行标签处理的螺旋出料管相关图片格式转换为coco数据集格式，以新yolov7算法为基础构建目标检测模型，对coco数据集进行训练获得权重文件，基于权重文件进行螺旋出料管相目标检测，得到检测结果。在目标检测模型加入DeepSORT跟踪算法，对环水口区域使用掩码操作覆盖掉除环水口以外区域，只检测环水口区域，对螺旋出料管进行目标跟踪，当目标出现在区域即进行报警。本发明引入了注意力机制以及区域入侵检测的思想，实现当螺旋管目标检测框碰到人为设定环水口区域进行报警的功能。
-
公开(公告)号：CN116503358A
公开(公告)日：2023-07-28
申请号：CN202310478816.4
申请日：2023-04-28
申请人： 湖南科技大学
IPC分类号： G06T7/00 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/08
摘要： 本发明涉及图像识别技术领域，尤其涉及一种基于注意力机制融合的输电铁塔锈蚀检测的方法，该方法包括：获取输电铁塔锈蚀数据集，对输电铁塔锈蚀数据集内的铁塔锈蚀图像进行截取，以得到目标区域图像集；为yolov5网络结构配置yaml文件，在yaml文件中增加一组用以进行目标检测的锚框，并在头部网络增加目标检测网络结构层，进行目标区域的检测；在主干网络内添加注意力机制模块，用以从铁塔锈蚀图像中找到目标区域中的目标特征；在颈部网络中添加二阶通道注意力机制模块，得到目标网络结构；将目标区域图像集输送至目标网络结构中进行训练，得到最优网络结构；将待检测铁塔锈蚀图像发送至最优网络结构，本发明提高了输电铁塔锈蚀检测的精准度。
-
公开(公告)号：CN116503352A
公开(公告)日：2023-07-28
申请号：CN202310464828.1
申请日：2023-04-27
申请人： 湖南科技大学
IPC分类号： G06T7/00 , G06T7/73 , G06V10/764 , G06V10/82 , G06V10/77 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种基于YOLOv4网络的铸坯缺陷检测方法，属于铸坯缺陷检测技术领域，本发明包括以下步骤：步骤S1，获取含有铸坯缺陷的图像；步骤S2,利用标注软件对含有铸坯缺陷的图像进行标注，构建含有铸坯缺陷的图像数据集；步骤S3，构建改进的YOLOv4网络；步骤S4，利用训练后的改进YOLOv4网络模型对铸坯表面缺陷进行测试，本发明通过获取不同视角含有铸坯缺陷图像，构建改进YOLOv4网络，学习到含有铸坯缺陷图像多尺度的特征信息，提升网络模型的泛化能力，最终在加渣背景下精准的识别定位出铸坯缺陷图像，本发明抗干扰能力强，稳定性高，能够在各种复杂背景图像中精准的识别和定位出铸坯缺陷。
-
公开(公告)号：CN116493556A
公开(公告)日：2023-07-28
申请号：CN202310501564.2
申请日：2023-05-06
申请人： 湖南科技大学
IPC分类号： B22D11/108 , B22D11/16
摘要： 本发明涉及炼钢技术领域，尤其涉及连铸结晶器智能加渣机器人环水口区域布料方法及装置，包括：环水口区域布料优化技术及实现优化方法的装置机构设计。本发明通过Ω形加渣轨迹的设计及双出料口设计的出料口自动翻转技术的应用，配合工业机器人动作，实现布料覆盖区域的最大化及机械加渣系统的智能化，有助于实现加渣过程的无人化，从而有效避免加渣工人在恶劣加渣环境中受到侵害，为提高连铸过程的智能化及保障生产安全做出贡献。
-
公开(公告)号：CN115496694B
公开(公告)日：2023-07-25
申请号：CN202211218289.5
申请日：2022-09-30
申请人： 湖南科技大学
摘要： 本发明公开了一种基于改进图像形成模型对水下图像进行恢复和增强的方法，首先在水下图像的模糊图像区域中提取BL，之后再基于水下图像模糊区域提取的BL得到了图像的场景深度和图像的TM，最后选取三种深度估计方法来估计场景深度的方法，通过得到的三个数值将水下图像进行场景恢复，得到了水下增强的图像；处理后的图像可以与当前的陆地上的目标检测识别技术相融合，实现陆地检测到水下检测的应用。
-
公开(公告)号：CN116336951A
公开(公告)日：2023-06-27
申请号：CN202310458629.X
申请日：2023-04-26
申请人： 湖南科技大学
摘要： 本发明涉及保护渣厚度测量技术领域，尤其涉及一种基于卡尔曼滤波的高精度保护渣厚度检测方法及装置，所述方法通过加渣流量计预测结晶池中保护渣的厚度同时利用红外传感器检测结晶池中的保护渣的厚度，再利用卡尔曼滤波的增益来修正传感器测量值；所述装置包括：红外测定模块、保护渣加渣流量测定模块、第一计算模块、第二计算模块以及第三计算模块，所述检测方法及装置通过不断更新卡尔曼滤波优化函数，使得结晶池中的保护渣厚度测量值更加逼近真实值，有效实现结晶池中保护渣厚度值的精准测量，为连铸工艺的保护渣厚度的控制提供更加准确的数据。
-
公开(公告)号：CN115546144A
公开(公告)日：2022-12-30
申请号：CN202211217129.9
申请日：2022-09-30
申请人： 湖南科技大学
摘要： 本发明公开了一种基于改进Yolov5算法的PCB表面缺陷检测方法，包括以下步骤：建立yolov5网络；在yolov5网络中的anchors增加小目标检测和小目标检测网络结构层；将yolov5网络的主干网络中的最后一个C3层替换为Transformer编码器的C3TR；在yolov5网络的主干网络中的SPPF层前增加注意力机制模块CA；对模型进行训练，得到目标检测最优模型；利用最优模型进行目标检测，输出目标检测结果，并对检测结果进行评价。本发明有效地提高了PCB缺陷检测的精度，缩短了PCB缺陷检测的时间和提高检测效率，能够满足工业生产的需求。
-
公开(公告)号：CN115496739A
公开(公告)日：2022-12-20
申请号：CN202211216530.0
申请日：2022-09-30
申请人： 湖南科技大学
IPC分类号： G06T7/00 , G06V20/69 , G06V10/26 , G06V10/774 , G06V10/82 , G06V20/70 , G06V10/40 , G06V10/25 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于低对比度高密度细胞实例分割方法，包括以下步骤：制作并转化数据集为coco数据集，将coco数据集划分为训练集、测试集；构建实例分割模型；采用训练集进行实例分割模型训练，得到训练好的实例分割模型；基于训练好的实例分割模型，采用测试集进行低对比度高密度细胞图像的实例分割，得到实例分割结果。本发明的实例分割模型基于Mask R‑CNN算法在特征提取主干中引入可形变卷积以增强对多细胞形状的分割能力，同时基于特征金字塔网络将高层语义结构信息传递至底层形成密集连接以适应密集特征图像的检测，较大地提升了低对比度高密度细胞的实例分割性能。
-
公开(公告)号：CN112308159A
公开(公告)日：2021-02-02
申请号：CN202011225539.9
申请日：2020-11-05
申请人： 湖南科技大学
摘要： 本发明公开了一种基于预测增量宽度学习的图像识别分类方法，包括以下步骤：步骤一：建立宽度学习模型，输入各类节点初始数量，设置识别准确度；步骤二：通过拟合函数计算需要的增强节点数量；步骤三：增加增强节点数量，进行增量宽度学习；步骤四：判断测试识别准确度是否大于设置识别准确度，若否，则返回步骤三；若是，则输出训练结果与识别准确度。本发明将宽度学习的部分实验数据通过最小二乘法拟合，通过部分实验数据拟合得出增强节点数量与识别精度之间的关系，通过设置精度可得出满足精度的合适的增强节点数量，避免了人为设置模型参数的繁琐步骤和设置不合适的模型参数导致的训练时间的增加，具有识别精度高、算法简单的优点。
-
公开(公告)号：CN112308082A
公开(公告)日：2021-02-02
申请号：CN202011227875.7
申请日：2020-11-05
申请人： 湖南科技大学
摘要： 本发明公开了一种基于双通道卷积核与多帧特征融合动态视频图像分割方法，包括以下步骤，步骤一：将原图像转化为灰度图像，利用边缘像素变换剧烈提取出边缘特征，得到边缘特征图像；步骤二：通过不同尺寸的双通道卷积核对边缘特征图像进行边缘特征筛选，对两张被筛选的图像进行相乘操作得到边沿图像；步骤三：构建两类多帧特征目标提取；步骤四：经过填充还原操作得到分割后的图像。本发明通过双卷积核与多帧特征融合的方法，能够将图像进行有效的分割，获得了完整的目标图像且无较多的杂质干扰，克服了传统边缘分割边界不封闭不连续的缺点，动态更新多帧特征目标提取也减少了杂质的积累，取得了良好的图像分割效果。
-
-
-
-
-
-
-
-
-
搜索结果
99 条记录 (耗时 0.029 秒)