-
公开(公告)号：CN119810527A
公开(公告)日：2025-04-11
申请号：CN202411870422.4
申请日：2024-12-18
Applicant: 南昌工程学院 , 广州建筑股份有限公司 , 广州建研工程科技有限公司 , 广州建设工程质量安全检测中心有限公司
IPC: G06V10/764 , G06T7/11 , G06V20/10
Abstract: 本发明公开了一种基于空间结构先验特征的高光谱稀疏解混方法，包括如下步骤：S1、建立光谱线性混合模型；S2、基于光谱线性混合模型，将稀疏解混引入高光谱图像解混，构建初始目标函数；S3、利用SLIC得到粗尺度高光谱图像，对其解混可得到粗尺度下的丰度估计，用于构建超像素空间加权因子S；S4、构建梯度加权系数全变差(GWCTV)正则化项；S5、得到基于空间结构先验特征的稀疏解混模型，采用交替方向乘子方法进行求解丰度矩阵A。本发明能更好地挖掘空间结构信息，使光谱信息相同或相似的像元能更加精准地归类到同质区域内，有效应对复杂混合噪声的干扰。
-
公开(公告)号：CN119048497B
公开(公告)日：2025-02-18
申请号：CN202411523262.6
申请日：2024-10-30
Applicant: 南昌工程学院
IPC: G06T7/00 , G06V10/774 , G06V10/40 , G06V10/80
Abstract: 本申请公开了一种PCB缺陷检测方法、系统、设备和存储介质，属于缺陷检测技术领域；其中方法包括：获取PCB数据集，以对获取的PCB数据集的图像进行预处理；构建YOLO‑v10n网络模型，将YOLO‑v10n网络模型中的SPPF模块修改为EASPF模块；构建特征融合网络BiFPN，并将提取到的特征传入特征融合网络BiFPN中；在主干网络和特征融合网络BiFPN之间加入自适应MBAM注意力机制模块；将PCB数据集输入到改进后的YOLO‑v10n网络模型进行预训练，得到最优权重；根据最优权重对待检测图像进行检测，对检测结果进行评价，实现对PCB缺陷的检测；通过构建和改进YOLO‑v10n网络模型，提高了对PCB缺陷检测的精度，降低漏检率。
-
公开(公告)号：CN119048496B
公开(公告)日：2025-02-18
申请号：CN202411523259.4
申请日：2024-10-30
Applicant: 南昌工程学院
IPC: G06T7/00 , G06V10/774 , G06V10/40
Abstract: 本申请公开了一种PCB缺陷检测方法、系统、设备及存储介质，属于工业产品缺陷检测技术领域；其中方法包括：获取PCB数据集，对PCB数据集进行图像预处理和缺陷标注；创建虚拟运行环境，在虚拟运行环境中构建YOLOv10模型，并对YOLOv10模型进行轻量化处理；将空间到深度卷积SPD_conv模块优化为DSPD模块，并将DSPD模块配置到YOLOv10模型中，得到DSPD_YOLOv10模型；构建双向特征金字塔网络BiFPN，并将其配置到DSPD_YOLOv10模型的颈部网络中；根据所述PCB数据集对所述DSPD_YOLOv10模型进行训练，根据训练好的所述DSPD_YOLOv10模型对待检测样品进行检测；通过使用DSPD_YOLOv10模型来对PCB缺陷检测，实现了对PCB缺陷的高精度、高效率检测。
-
公开(公告)号：CN119048497A
公开(公告)日：2024-11-29
申请号：CN202411523262.6
申请日：2024-10-30
Applicant: 南昌工程学院
IPC: G06T7/00 , G06V10/774 , G06V10/40 , G06V10/80
Abstract: 本申请公开了一种PCB缺陷检测方法、系统、设备和存储介质，属于缺陷检测技术领域；其中方法包括：获取PCB数据集，以对获取的PCB数据集的图像进行预处理；构建YOLO‑v10n网络模型，将YOLO‑v10n网络模型中的SPPF模块修改为EASPF模块；构建特征融合网络BiFPN，并将提取到的特征传入特征融合网络BiFPN中；在主干网络和特征融合网络BiFPN之间加入自适应MBAM注意力机制模块；将PCB数据集输入到改进后的YOLO‑v10n网络模型进行预训练，得到最优权重；根据最优权重对待检测图像进行检测，对检测结果进行评价，实现对PCB缺陷的检测；通过构建和改进YOLO‑v10n网络模型，提高了对PCB缺陷检测的精度，降低漏检率。
-
公开(公告)号：CN117274883B
公开(公告)日：2024-01-26
申请号：CN202311543165.9
申请日：2023-11-20
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于多头注意力优化特征融合网络的目标跟踪方法与系统，该方法包括:在孪生网络框架下构建特征提取网络和特征融合网络模型并进行训练，利用特征提取网络分别对模板图像和搜索图像进行特征提取，得到模板图像特征和搜索区域特征，采用缩小模板图像特征在空间维度上尺度的方式进行多头自注意力计算，得到编码后模板特征，采用搜索区域特征降维的方式进行多头自注意力计算，得到局部特征增强的搜索区域特征，再将二者进行特征融合，将融合结果送入分类分支和回归分支上获取目标在搜索区域的最大响应位置以进行目标跟踪。本发明利用高效自注意力和高效空间约简注(56)对比文件王辰成;杨麟儿;王莹莹;杜永萍;杨尔弘.基于Transformer增强架构的中文语法纠错方法.中文信息学报.2020,(06),全文.Yuanyun Wang.Depthwise Over-parameterized Siamese Network for VisualTracking《. 2021 International Conferenceon Information Technology and BiomedicalEngineering (ICITBE)》.2022,全文.马静怡;崔昊杨.基于改进RPN网络的电力设备图像识别方法研究.供用电.2020,(第01期),全文.
-
Patent Agency Ranking
公开(公告)号：CN113405536A
公开(公告)日：2021-09-17
申请号：CN202110681099.6
申请日：2021-06-18
Applicant: 南昌工程学院
Abstract: 本发明公开了一种水利湖泊远程遥感监控系统，包括壳体、风速检测仪、监控摄像头、水质检测头、信号发射器；所述壳体的顶部与风速检测仪的底部固定连接，所述壳体的内侧壁与水质检测头的端部固定连接，本发明通过外界风力的吹动带动转轴的转动，进而使得第一锥齿轮带动第二锥齿轮的转动，使得转杆带动转盘转动，转盘的转动将会使得固定块带动传动盘转动，使得传动盘带动传动杆转动，进而使得连接盘转动，实现了监控摄像头的全方位监控，提高了监控摄像头的监控范围，为水质检测提供了动力，节约了资源，保证了监控的质量，实现了对水面环境的良好监控，和水量的良好监控，便于人员及时作出应对，减小了经济的损失，节约了资源。
-
公开(公告)号：CN113109803A
公开(公告)日：2021-07-13
申请号：CN202110426186.7
申请日：2021-04-20
Applicant: 南昌工程学院
Abstract: 本发明公开了一种基于测速信息的目标跟踪装置，包括壳体、测速装置、智能测速系统、以及所述壳体内设置的拆卸装置和固定装置；当需要进行测速时，首先将该装置放置在待测物体的顶部，通过该装置底部设置的磁性块与物体的顶部相互吸合，进行初步固定，在进行测速时，通过物体的移动使得风吹动叶轮的转动，进而通过转杆的转动带动第一锥齿轮的转动，进而通过第二锥齿轮和转轴带动齿轮转动，通过齿轮的转动使得拉杆拉动密封板向上滑动，使得通孔内以及皮搋内部形成负压，使得皮搋与物体的顶部充分吸合，保证了在对物体进行测速时的稳定性，防止测速时速度过快导致该装置掉落，造成损坏，确保了测速得到的数据的准确性，使得试验数据更具有参考价值。
-
公开(公告)号：CN107237388A
公开(公告)日：2017-10-10
申请号：CN201710638248.4
申请日：2017-07-31
Applicant: 南昌工程学院
IPC: E03F1/00
Abstract: 本发明具体公开了一种不透水地面雨水导渗系统，包括雨水口，雨水口顶部设有水篦子，雨水口中部的侧壁上开设有与排水通道连通的排水口，雨水口下部的侧壁上开设有导水口，导水口与埋设于不透水地面下方土层中的导水管道连通，导水管道与若干个设于不透水地面下方土层中的渗水井相连通，且若干个渗水井之间也通过导水管道相连通；所述渗水井内填充有鹅卵石或者下放有筒壁密布有若干渗水孔的井筒。本发明能够很好地实现将雨水导渗入不透水地面以下的土层，提高了城市区域整体的蓄水量，并可有效减少降雨对城市防洪、排水措施的压力，同时对城市绿化带土壤中的水分补给也起到了显著的作用，减少了绿化用水，节约了城市水资源。
-
公开(公告)号：CN119808838A
公开(公告)日：2025-04-11
申请号：CN202411870472.2
申请日：2024-12-18
Applicant: 南昌工程学院 , 广州建筑股份有限公司 , 广州建研工程科技有限公司 , 广州建设工程质量安全检测中心有限公司
IPC: G06N3/0455 , G01N21/25 , G01N21/17
Abstract: 本发明公开了一种基于空间约束的级联自编码器的高光谱解混方法，包括以下步骤：S1、获取地物高光谱图像；S2、构建空间约束的级联自编码器解混模型；S3、利用构建好的空间约束的级联自编码器解混模型对获取的地物高光谱图像进行解混，得到每种地物对应的地物丰度；级联自编码器解混模型采用逐层训练的方式；其自编码器包括至少一个编码器、一个融合层以及一个解码器；所述编码器包括多尺度特征提取模块、BN层和激活函数层；所述多尺度特征提取模块包括一个用于专注局部特征提取的小型卷积核和一个用于捕捉全局上下文信息的大型卷积核。本发明实现了对地物成分的精准识别与分类。
-
公开(公告)号：CN118072186B
公开(公告)日：2025-02-07
申请号：CN202311766254.X
申请日：2023-12-21
Applicant: 南昌工程学院 , 广州建筑股份有限公司
IPC: G06V20/13 , G06V10/764 , G06V10/30 , G06V10/774
Abstract: 本发明属于高光谱图像处理技术领域。本发明提供了一种基于高光谱解混技术的矿物识别与分类方法，包括如下步骤：S1、利用高光谱成像仪获取相关矿物的高光谱图像；S2、构建矿物端元光谱库；S3、根据相关矿物的高光谱图像建立双线性光谱混合模型；S4、利用鲁棒光谱可变双线性空间正则化解混算法，进行光谱解混，精准估计混合像元内所包含的每种矿物的丰度；S5、根据求解得到的矿物的丰度，量化每种矿物对应的比例，做到精准识别与分类。本方法解决了高光谱图像中存在的复杂混合噪声干扰以及光谱变异问题。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.026 seconds)
