-
公开(公告)号：CN116030348A
公开(公告)日：2023-04-28
申请号：CN202310033251.9
申请日：2023-01-10
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种基于LS‑YOLOv5网络的绿豆叶斑病病斑检测方法及装置，使用labelimg标注工具对预先获取的原始叶片图像进行标注；采用Mosaic数据增强算法对原始叶片图像进行数据预处理；并划分为训练集、验证集和测试集；构建LS‑YOLOv5叶斑病检测网络，其中的Backbone中均使用B‑CSP模块；Backbone中的最后一个CBL模块后面添加D‑SPP模块；Backbone中的D‑SPP模块前添加ECA注意力模块；Neck搭建方式采用原YOLOv5算法模型相同的方式搭建；训练LS‑YOLOv5叶斑病检测网络，将经过预处理后的叶斑病训练集通过搭建好的LS‑YOLOv5叶斑病检测网络，获得用于叶斑病检测的LS‑YOLOv5模型预训练权重；将待检测叶斑病图片输入最优权重模型进行叶斑病检测。本发明可用于绿豆叶斑病检测，网络体积小，检测效率高，具有较好的鲁棒性与广泛的应用价值。
-
公开(公告)号：CN115909318A
公开(公告)日：2023-04-04
申请号：CN202211618280.3
申请日：2022-12-15
Applicant: 卓弢机器人盐城有限公司 , 淮阴工学院
IPC: G06V20/64 , G06V10/147
Abstract: 本发明公开了一种基于双目视觉和距离估计的蘑菇直径测量方法，包括：双目相机标定；利用双目相机采集蘑菇图像，得到左摄像头拍摄图像imagel和右摄像头拍摄图像imager；进行图像预处理，得到左视图像Il和右视图像Ir；分别对左视图像Il和右视图像Ir进行距离估计操作，得到左视图视角下的蘑菇直径d1l和右视图视角下的蘑菇直径d2r；对左视图像Il和右视图像Ir进行双目测量操作，通过轮廓特征提取、立体匹配、深度计算操作，得到蘑菇轮廓关键点的三维坐标，根据轮廓关键点计算出蘑菇直径d3；计算三个测量值d1l、d2r、d3的几何平均数，几何平均数即最终的蘑菇直径测量值。本发明具有较高的测量精度及稳定性。
-
公开(公告)号：CN115457367A
公开(公告)日：2022-12-09
申请号：CN202211156147.0
申请日：2022-09-22
Applicant: 淮阴工学院
IPC: G06V10/82 , G06N3/04 , G06N3/08 , G06V10/80 , G06V10/52 , G06V10/774 , G06V10/776
Abstract: 本发明提供了一种基于Light‑Net的轻量级目标检测方法及系统，首先对预先获取的待检测图像，进行预处理，并划分为训练集和测试集；构建Light‑Net网络模型，包括由六个DW特征提取模块构成的主干网络、一个循环特征融合网络模块以及三个目标检测模块；将预处理之后的训练集输入到Light‑Net网络模型中进行训练；将预处理之后的测试集输入到训练好的模型中，评估模型的性能。本发明构建的Light‑Net模型架构结构简单，形成的环状结构能够尽可能的将有效的特征保存在网络中，额外的反馈连接能够将循环特征融合网络模块中的有效信息以及错误信息回传到主干网络中，指导主干网络的参数调整；且能采用较少参数实现图像中目标的准确识别。
-
公开(公告)号：CN115147817A
公开(公告)日：2022-10-04
申请号：CN202210686565.4
申请日：2022-06-17
Applicant: 淮阴工学院
Abstract: 本发明公开了一种姿态引导的实例感知网络的驾驶员分心行为识别方法，利用人体检测器检测到人体框，利用人体姿态估计获取具有辨识性的手部相关区域；将人体和手部区域的特征作为实例级别的特征，提出一种实例感知模块充分获取不同层级的上下文语义信息；利用手部相关特征构建双通道交互模块来对关键空间信息进行表征的同时，对视觉特征进行优化；组建成一个多分支的深度神经网络，最后将不同分支的结果进行融合。发明提出的姿态引导的实例感知网络，在一定程度上降低了环境的干扰，准确度高，能辅助驾驶员安全行车，减少交通事故的发生。
-
公开(公告)号：CN114972264A
公开(公告)日：2022-08-30
申请号：CN202210598574.8
申请日：2022-05-30
Abstract: 本发明提供了一种基于MS‑PLNet模型绿豆叶斑病识别方法及装置，包括以下步骤：(1)获取用于训练、验证和测试的绿豆叶片数据集，并且对数据集进行图像预处理；(2)构建用于绿豆叶斑病识别的MS‑PLNet网络模型，模型中的骨干网络使用普通卷积和改进的深度可分离卷积进行搭建，并在搭建过程中进行通道数先增加再减少最后再增加的三阶段策略，减小网络参数；在特征融合阶段使用通道注意力机制，根据通道的重要程度，关注重要通道，抑制冗余通道；(3)使用搭建的模型进行训练，获得用于绿豆叶斑病检测的分类器。本发明可用于绿豆叶斑病和其他农作物叶斑病的检测，识别率高，且具有较好的鲁棒性与广泛的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN114925746A
公开(公告)日：2022-08-19
申请号：CN202210407781.0
申请日：2022-04-19
Applicant: 淮阴工学院
Abstract: 本发明涉及一种基于Air‑Net的目标检测方法，采用全新模型结构设计，通过特征提取网络模块、特征统一融合与分配模块、目标检测模块的依次构建与串联，获得待训练模型，并结合各道路捕获样本图像，训练获得以道路捕获样本图像为输入，道路捕获样本图像中属于各指定移动目标类型的各目标对象为输出的目标检测模型；进而应用目标检测模型，实现对道路捕获图像中各目标对象的检测；整个设计方案克服了现有技术鲁棒性差、过程复杂、检测时间较长的问题，具有利用Air‑Net模型架构、结构简单、参数量较少的优点，并且通过统一特征融合与分配模块融合多尺度车辆特征信息，并分配到目标检测模块中，能够充分利用现有特征。
-
公开(公告)号：CN113343778A
公开(公告)日：2021-09-03
申请号：CN202110527595.6
申请日：2021-05-14
Applicant: 淮阴工学院
Abstract: 本发明公开了一种基于LaneSegNet的车道线检测方法及系统。本发明首先对图像进行多边形填充，得到一块ROI区域，然后将ROI区域图像输入到训练好的LaneSegNet网络模型，得到含有车道线的二值图像，再使用DBSCAN算法对车道线像素点坐标进行聚类并进行多项式拟合，将拟合后的车道线显示到原图上。所构建的LaneSegNet网络模型包括编码模块、解码模块、增强感受野模块和增强特征模块的网络架构。本发明通过使用并行空洞卷积模块增大了网络感受野，通过使用增强特征模块去除与当前任务无关的特征信息，并采用了非对称卷积构建特征提取网络，减少网络参数。本发明的准确率达到98.62％，可用于检测高速公路上的车道线，且具有较好的鲁棒性和实时性。
-
公开(公告)号：CN119516575A
公开(公告)日：2025-02-25
申请号：CN202310874956.3
申请日：2023-07-17
Applicant: 淮阴工学院
IPC: G06V40/10 , G06V10/25 , G06V10/82 , G06V20/62 , G06V10/40 , G06V10/26 , G06V20/40 , G06F17/18 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/08 , G06N3/044 , A01K29/00 , A01K11/00 , G01J5/48 , G01J5/00
Abstract: 本发明提供了一种基于可见光和红外热成像视频的猪只体温检测系统及检测方法，包括主控模块、猪只身份识别模块、猪只温度检测模块、预警模块、处理器、系统后台、无线通讯模块、显示模块和辅助识别装置，主控模块用于获取猪只身份识别模块和猪只温度检测模块的信息，并将其通过无线通讯模块传输至系统后台；处理器调取系统后台中的猪舍图像采用YOLOV7‑tiny算法识别猪只并采用端到端多方向文字的检测和识别算法FOTS解析猪只编码，同时调取猪只温度视频根据猪舍图像采集时间截取对应温度图，解析编码猪只温度，同时对检测到的高温猪只进行追踪检测利用预警模块进行预警，实现对大量的猪只进行快速而准确的体温监测，提高了检测效率，降低了人工成本。
-
公开(公告)号：CN116030348B
公开(公告)日：2024-10-25
申请号：CN202310033251.9
申请日：2023-01-10
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种基于LS‑YOLOv5网络的绿豆叶斑病病斑检测方法及装置，使用labelimg标注工具对预先获取的原始叶片图像进行标注；采用Mosaic数据增强算法对原始叶片图像进行数据预处理；并划分为训练集、验证集和测试集；构建LS‑YOLOv5叶斑病检测网络，其中的Backbone中均使用B‑CSP模块；Backbone中的最后一个CBL模块后面添加D‑SPP模块；Backbone中的D‑SPP模块前添加ECA注意力模块；Neck搭建方式采用原YOLOv5算法模型相同的方式搭建；训练LS‑YOLOv5叶斑病检测网络，将经过预处理后的叶斑病训练集通过搭建好的LS‑YOLOv5叶斑病检测网络，获得用于叶斑病检测的LS‑YOLOv5模型预训练权重；将待检测叶斑病图片输入最优权重模型进行叶斑病检测。本发明可用于绿豆叶斑病检测，网络体积小，检测效率高，具有较好的鲁棒性与广泛的应用价值。
-
公开(公告)号：CN118645020A
公开(公告)日：2024-09-13
申请号：CN202410678106.0
申请日：2024-05-29
Applicant: 淮阴工学院
IPC: G09B5/06 , A63H33/30 , H04N23/60 , G06V10/764 , G06V40/20 , G06Q50/20 , G06Q10/0639
Abstract: 本发明公开了一种用于引导儿童学习垃圾分类的益智玩具，包括：垃圾桶主体、模拟垃圾袋以及引导设备，垃圾桶主体通过隔板分为若干隔间，每个所述隔间上配合设置有箱盖，引导设备包括：主控机台、显示控制屏以及识别台；主控机台内设置有控制单元、感应系统、显示与反馈系统以及打包模拟系统；感应系统包括：超声波传感器、压力传感器以及红外线传感器；显示与反馈系统与感应系统通信连接，感应系统中识别出的垃圾信息信号发送至显示与反馈系统内并通过显示控制屏显示；显示屏的下方设置有一摄像头，摄像头终端设置打包模拟系统，打包模拟系统包括动作捕捉模块以及图像识别模块。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.048 seconds)
