-
公开(公告)号：CN111862028B
公开(公告)日：2021-04-09
申请号：CN202010678895.X
申请日：2020-07-14
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于深度相机和深度学习的木材缺陷检测分选装置及方法，包括工控机、检测机构和设置在所述检测机构后侧的分选机构，所述检测机构包括检测传送带和深度图像采集机构。本发明通过深度相机采集木材表面的RGB图像和深度信息，用GAN网络结合小波变换重构RGBD彩色深度信息。在进行小波变换中，人工标记训练数据中的木材裂缝，形成自适应的裂缝小波基函数。在此基础上进行小波重构提高后续算法的效率，结合深度学习算法分析得出缺陷类型。该算法能够对不同缺陷类型的木材进行分选，不仅提高了缺陷判别的效率，还大大提高了分选的效率。
-
公开(公告)号：CN111862028A
公开(公告)日：2020-10-30
申请号：CN202010678895.X
申请日：2020-07-14
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于深度相机和深度学习的木材缺陷检测分选装置及方法，包括工控机、检测机构和设置在所述检测机构后侧的分选机构，所述检测机构包括检测传送带和深度图像采集机构。本发明通过深度相机采集木材表面的RGB图像和深度信息，用GAN网络结合小波变换重构RGBD彩色深度信息。在进行小波变换中，人工标记训练数据中的木材裂缝，形成自适应的裂缝小波基函数。在此基础上进行小波重构提高后续算法的效率，结合深度学习算法分析得出缺陷类型。该算法能够对不同缺陷类型的木材进行分选，不仅提高了缺陷判别的效率，还大大提高了分选的效率。
-
公开(公告)号：CN111738287A
公开(公告)日：2020-10-02
申请号：CN202010259251.7
申请日：2020-04-03
Applicant: 南京林业大学
Abstract: 本发明公开了一种多模态信息融合的马尾松种子活性检测方法，首先对马尾松种子中的淀粉变化进行检测、并对马尾松种子环境中的二氧化碳浓度的变化进行检测，并融合马尾松种子质量、体积及湿度信息先建立种子活性的样本模板，再进行模板比对与更新，最终实现马尾松种子活性的分级检测。本发明将多种模态的信息融合进入马尾松种子的识别，并在一次测量的同时记录种子的各项活性指标；避免了传统方法中分别的多次不同试验，达成了马尾松种子活性检测的一次性快速化，大大节约了实验所需花费时间。
-
公开(公告)号：CN111337513A
公开(公告)日：2020-06-26
申请号：CN202010268969.2
申请日：2020-04-08
Applicant: 南京林业大学
IPC: G01N21/892 , B07C5/34
Abstract: 本技术公开了一种青梅果实表面图像全方位采集装置，包括基座、机械爪机构、载物台机构和相机；机械爪机构包括直线导轨、气压缸、机械爪底座、机械爪和滚轮机构，机械爪底座滑动连接在直线导轨上，直线导轨固定连接在基座上，机械爪底座与机械爪转动连接，气压缸的一端与机械爪底座转动连接，另一端与机械爪转动连接，机械爪的夹持面连接有滚轮机构；机械爪机构有多对，且每对机械爪机构面对面对称设置；载物台机构固定连接在基座上，且载物台机构位于多对机械爪机构的之间；滚轮机构用于带动被夹持的果实转动；所述相机位于载物台机构的正上方。本技术可以全面获取青梅表面信息，提高图像采集的全面性以及效率。
-
公开(公告)号：CN110390322A
公开(公告)日：2019-10-29
申请号：CN201910800155.6
申请日：2019-08-28
Applicant: 南京林业大学
Abstract: 本发明公开了一种用于深度学习的籽棉地膜高光谱可视化标签算法，属于高光谱成像与深度学习技术领域。利用相邻替代性算法分析光谱的特征谱段，再结合二分法，将图像数据进行降维，生成籽棉地膜的高光谱伪彩色图，并使用框选标记的形式对伪彩色图进行标记，通过二维图像标记对应产生高维光谱的图像标签。本发明将高光谱技术应用于籽棉地膜识别领域，对于彩色相机和黑白相机无法识别的残留的透明地膜，本发明通过高光谱成像仪采集籽棉地膜在1000～2500nm的高光谱图像，进而识别并分类与籽棉具有不同光谱特性的残膜。
-
Patent Agency Ranking
公开(公告)号：CN108760668B
公开(公告)日：2019-10-29
申请号：CN201810566250.X
申请日：2018-06-01
Applicant: 南京林业大学
IPC: G01N21/3554 , G01N21/359 , G06K9/40 , G06K9/46 , G06K9/62 , G06N3/08
Abstract: 本发明公开了一种基于加权自动编码器的马尾松苗木根部水分快速测量方法，先使用Savitzky‑Golay方法对苗木近红外谱图进行平滑滤波，一阶导数消除基线漂移；再使用改进的可变加权堆叠自动编码器进行高阶特征提取；最后，使用两层全连接神经网络进行有监督微调并利用支持向量机回归进行水分含量的预测。本发明作为一种深度学习架构，改进的可变加权堆叠自动编码器可以逐层地提取光谱数据抽象的、有用的深层次特征，从而提高模型的预测性能。本发明不仅适用于对马尾松苗木的水分含量预测，同时也可以对马尾松其它物质含量以及其它植物含量进行预测，具有可移植性，更满足物质含量预测的需求。
-
公开(公告)号：CN106094198B
公开(公告)日：2018-06-12
申请号：CN201610418749.7
申请日：2016-06-15
Applicant: 南京林业大学
Abstract: 本发明公开了一种智能色选机光学系统自适应校正方法及装置，实现了以微控制器为核心融合智能控制技术、基于FPGA的图像处理技术、PWM控制技术的智能色选机光学系统自适应校正，该装置能够自动监控由光源老化等原因造成的光场变化情况，根据光场变化自动计算并设置各种检测参数，在环境变化时保证设备提供一致的检测灵敏度，从而使光学系统调整至相机的最佳工作环境，为后续图像处理算法的实现提供有利条件。
-
公开(公告)号：CN106599838A
公开(公告)日：2017-04-26
申请号：CN201611146743.5
申请日：2016-12-13
Applicant: 南京林业大学
CPC classification number: G06K9/00664 , G06K9/6201 , G06K2209/19
Abstract: 本发明公开了一种籽棉异纤分选系统延迟时间动态调整装置及方法，该装置包括第一线阵CCD相机、第二线阵CCD相机、棉花下落腔体、气体喷阀、喷阀驱动器以及嵌入式FPGA图像处理器；所述的第一线阵CCD相机和第二线阵CCD相机位于棉花下落腔体的两侧，且存在垂直高度差h，用于采集从棉花下落腔体内下落籽棉棉团的图像；第一线阵CCD相机与第二线阵CCD相机均通过CameraLink线缆与嵌入式FPGA图像处理器相连；喷阀驱动器通过差分信号线缆与嵌入式FPGA图像处理器相连，气体喷阀与喷阀驱动器相连。本发明通过嵌入式FPGA图像处理器进行图像处理和特征匹配，实现对籽棉棉流的下落速度进行精确测算，动态的调整籽棉异纤分选系统异纤打击的延时时间，使籽棉异纤分选系统更加精确。
-
公开(公告)号：CN106094198A
公开(公告)日：2016-11-09
申请号：CN201610418749.7
申请日：2016-06-15
Applicant: 南京林业大学
Abstract: 本发明公开了一种智能色选机光学系统自适应校正方法及装置，实现了以微控制器为核心融合智能控制技术、基于FPGA的图像处理技术、PWM控制技术的智能色选机光学系统自适应校正，该装置能够自动监控由光源老化等原因造成的光场变化情况，根据光场变化自动计算并设置各种检测参数，在环境变化时保证设备提供一致的检测灵敏度，从而使光学系统调整至相机的最佳工作环境，为后续图像处理算法的实现提供有利条件。
-
公开(公告)号：CN115100514B
公开(公告)日：2024-10-15
申请号：CN202210508159.9
申请日：2022-05-11
Applicant: 南京林业大学
IPC: G06V20/10 , G06V10/44 , G06V10/75 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于FPGA的云跟踪方法，首先通过工业相机获取云团间隔一段时间前后的图像输入FPGA；然后一方面对图像进行畸变校正、图像平滑处理、形态学操作、Canny边缘检测以及提取矩特征，另一方面对图像提取灰度共生矩阵特征量，将上述两种特征赋予适当的权重，作为总的云团特征；最后，预测云团一段时间后的特征量状态，然后将上述特征量与图像二进行匹配从而实现云跟踪。本发明考虑到云的形状随时间会发生改变，并采用多特征进行云跟踪，提高跟踪的准确性。同时考虑到不同类别的云团演变方式不同，针对不同类别的云团分别训练预测模型。本发明采用“FPGA+ARM”体系架构提高了图像采集的实时性、速度以及性能。
-
-
-
-
-
-
-
-
-
Search Results
157
records
(took 0.027 seconds)
