-
公开(公告)号：CN117333918A
公开(公告)日：2024-01-02
申请号：CN202311270068.7
申请日：2023-09-28
申请人： 安徽大学
IPC分类号： G06V40/16 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明涉及一种基于集成卷积网络的人脸表情识别方法，包括：获取原始图像数据；对获取的原始图像数据进行预处理，得到训练集和测试集；构建集成卷积网络模型：集成卷积网络模型由共享卷积层和集成卷积分支两部分组成；对集成卷积网络模型进行训练；将待识别的人脸表情图像输入到训练后的集成卷积网络模型中，训练后的集成卷积网络模型输出最终的识别结果，即人脸表情对应的分类标签。本发明还公开了基于集成卷积网络的人脸表情识别系统。本发明减少冗余和计算负载，同时保持多样性和泛化能力，通过共享卷积层自动提取人脸图像特征，捕捉微妙表情差异，显著提升识别准确度；有效地克服了传统方法的限制，提高了人脸表情识别的效率和准确性。
-
公开(公告)号：CN117152735A
公开(公告)日：2023-12-01
申请号：CN202311119458.4
申请日：2023-09-01
申请人： 安徽大学
IPC分类号： G06V20/68 , G06V10/774 , G06V10/776 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/25 , G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
摘要： 本发明涉及一种基于改进yolov5s的番茄成熟度分级方法，包括：获取图像；进行图像预处理，得到训练集、测试集和验证集；对yolov5s模型进行改进；采用训练集对改进后的yolov5s模型进行训练，得到训练好的yolov5s模型；采用测试集对训练好的yolov5s模型进行测试，利用测试集中的图片进行定性以及定量的相关指标的评估；将待分级的番茄图片输入训练好的yolov5s模型，训练好的yolov5s模型识别出成熟的番茄。本发明用高像素相机获取成熟番茄图像，将深度学习技术中的全卷积图像分割网络应用到番茄智能采摘中，根据实际使用场景对网络结构进行调整，利用采集的番茄图像数据集训练卷积神经网络，最终使网络能够自动检测成熟番茄。
-
公开(公告)号：CN117063903A
公开(公告)日：2023-11-17
申请号：CN202311223649.5
申请日：2023-09-21
申请人： 安徽大学
IPC分类号： A01M1/04 , A01M1/20 , G06V10/764 , G06V10/774
摘要： 本发明涉及一种大型虫情监测回收方法，包括下列顺序的步骤：打开黑光引虫灯管和加热仓的上仓门，吸引虫子来到加热仓；关闭加热仓的上仓门和下仓门，执行加热杀虫工作，杀死虫子后，打开下仓门，加热烘干的虫子落到圆盘上摆放；位于圆盘正上方的相机对圆盘上的虫子进行拍照；拍摄的照片分别存储本地和上传云端进行识别，通过基于深度学习的图像识别模型，对图片内容进行依次识别；启动电刷对圆盘上的害虫进行清扫和回收。本发明还公开了一种大型虫情监测回收装置。本发明基于硬件、软件、电子、网络实现了自动化、智能化的虫情测报设备，为农业、林业等各个领域提供虫情的监测功能；实现软硬件的自动化，这使得虫情测报灯的工作更高效。
-
公开(公告)号：CN116821790A
公开(公告)日：2023-09-29
申请号：CN202310665156.0
申请日：2023-06-05
申请人： 安徽大学
IPC分类号： G06F18/241 , A61B5/11 , A61B5/00 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/08 , G06N20/20
摘要： 本发明公开了一种基于自适应增强的集成学习策略的冻结步态预测方法，包括获取原始数据集，并进行预处理得到数据集；对预处理后的数据集进行划分；将处理后的训练样本赋予相同的预设样本权重，并输入基于自适应增强算法构建的多尺度卷积神经网络中，经过多次样本训练和样本权重的调整得到若干个弱分类器，并进行组合，最终得到一个冻结步态预测的强分类器。本发明通过构建多尺度卷积神经网络训练多个弱分类器，并利用集成学习策略将多个弱分类器组合成一个强分类器，建立冻结步态预测方法。从而解决预测模型关于少数类别的预测效果不佳的问题，提升了模型对少数类的预测准确率。
-
公开(公告)号：CN115050020A
公开(公告)日：2022-09-13
申请号：CN202210468407.1
申请日：2022-04-29
申请人： 安徽大学
摘要： 本申请公开了一种基于改进Mask R‑CNN草莓叶面积的智能视觉检测方法，包括以下步骤：获取带有参照物的草莓叶片照片数据；对照片数据进行预处理，得到输入图像数据；使用改进型Mask R‑CNN网络框架对输入图像数据进行特征提取，得的特征图像数据，改进型Mask R‑CNN网络框架中利用Swintransformer作为主干网络；将特征图像数据输入识别模型中，识别模型由改进型Mask R‑CNN网络框架进行模型训练得到；利用识别模型统计草莓叶片和参照物的像素；根据草莓叶片和参照物的像素面积比计算出草莓叶片的面积。本申请解决了现有技术中叶片面积测量方式比较繁琐、费时费工、对植株破坏性较大等技术问题，实现了采用改进Mask R‑CNN算法在对物体进行实例分割时具有叶片测量精度高，响应速度快的效果。
-
公开(公告)号：CN115330751A
公开(公告)日：2022-11-11
申请号：CN202211055248.9
申请日：2022-08-31
申请人： 安徽大学
摘要： 本发明涉及目标检测与定位技术领域，尤其涉及一种基于YOLOv5和Realsense的螺栓检测与定位方法，通过YOLO v5和霍夫圆检测算法检测并获取螺栓、螺母的中心点像素坐标，通过Realsense深度相机补充距离信息，从而完成螺栓、螺母的精准定位。完成了二维图像空间和现实三维空间的转化，解决了像素坐标和现实世界坐标转换中参数不足的问题，与相机距待检测物体长度不变的传统方法相比，提高了便携性、灵活性、可操作性。
-
公开(公告)号：CN114398992A
公开(公告)日：2022-04-26
申请号：CN202210054299.3
申请日：2022-01-18
申请人： 安徽大学
摘要： 本发明公开了一种基于无监督域适应的智能故障诊断方法，涉及故障检测技术领域。获取带有故障标签标注的目标零件信号作为源域信号，获取无标注的目标零件信号作为目标域信号；目标零件信号为用于判断目标零件是否发生故障的传感器数据；故障标签为目标零件发生故障的类型；对源域信号和所述目标域信号进行预处理，得到多个源域样本和多个目标域样本；使用源域样本和目标域样本训练预设的域适应模型，优化域适应模型的优化目标函数，完成域适应模型的训练；使用训练好的域适应模型进行目标零件的故障诊断。以此能够根据已知的零件数据，诊断出分布相似的零件轴承监测数据的故障类型，提升模型在实际应用中的诊断效果。
-
公开(公告)号：CN114398932A
公开(公告)日：2022-04-26
申请号：CN202210054298.9
申请日：2022-01-18
申请人： 安徽大学
摘要： 本发明公开了一种基于注意力机制和集成学习的睡眠分期方法，涉及信号处理技术领域。获取一维原始脑电图EEG信号，对一维原始EEG信号进行预处理，得到对应的二维时频信号；将一维原始EEG信号和二维时频信号，输入预先训练好的双分支卷积神经网络中，获取一维原始EEG信号的不同预设频率范围的第一特征，以及二维时频信号的多尺度细化特征；双分支卷积神经网络是使用集成学习算法进行训练而得；集成学习算法用于增加训练网络模型过程中，样本数较少的样本的权重；将第一特征和多尺度细化特征进行融合，将融合后的特征输入分类器，得到一维原始EEG信号的睡眠分期结果。丰富了提取的信号特征，而且减小了数据集类别不平衡的问题。
-
公开(公告)号：CN114391824A
公开(公告)日：2022-04-26
申请号：CN202210055542.3
申请日：2022-01-18
申请人： 安徽大学
摘要： 本发明公开了一种基于PPG信号的心率估计方法、电子设备及存储介质，涉及信号处理技术领域。获取光体积描记术PPG传感器采集的目标人员的目标PPG信号；对目标PPG信号进行预处理，得到归一化的目标PPG信号；将归一化的目标PPG信号输入预先训练好的生成对抗网络模型，生成目标PPG信号对应的目标心电描记术ECG信号；使用峰值检测算法对目标ECG信号进行心率估计，得到目标人员的估计心率。提高了使用PPG信号进行心率估计的准确度。
-
公开(公告)号：CN117152234A
公开(公告)日：2023-12-01
申请号：CN202311119430.0
申请日：2023-09-01
申请人： 安徽大学
摘要： 本发明涉及一种多生育期小麦倒伏面积提取方法，包括：进行数据采集；进行图像预处理；进行数据扩增；对数据扩增后的图像进行筛选，剔除不存在倒伏的图像，在剔除后以4：1的比例将图像随机划分为训练集和验证集；对Mask2Former网络模型进行改进，将训练集输入改进的Mask2Former网络模型进行训练，筛选得到最优分割模型；将待检测的小麦图像输入最优分割模型中，计算出小麦倒伏的实际面积。本发明收集不同生育阶段的小麦倒伏数据，应用数据增强来模拟田间复杂自然环境，以提高模型的鲁棒性与泛化性。引入层级交互特征金字塔网络HI‑FPN改进了Mask2Former网络模型，实现了多尺度特征的提取与融合，提高倒伏区域分割的准确性，对小麦倒伏面积进行精确计算。
-
-
-
-
-
-
-
-
-
搜索结果
34 条记录 (耗时 0.025 秒)
