-
-
公开(公告)号：CN116500035A
公开(公告)日：2023-07-28
申请号：CN202310254923.9
申请日：2023-03-16
申请人： 安徽大学
IPC分类号： G01N21/88 , G01N25/72 , G06T7/33 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明涉及一种基于RIFT算法的分析水果不可见损伤的无损检测装置，包括金属外壳，其内设置中央处理箱，中央处理箱、成像集成箱和显示器下端设置隔热板，成像集成箱的集成镜头穿过隔热板的中心位置处，金属外壳壳体的底部安装升降载物台，升降载物台上设置硬质灰板，待测水果放置在硬质灰板上且位于集成镜头的正下方，升降载物台的两侧对称布置第一加热升降装置、第二加热升降装置。本发明还公开了一种基于RIFT算法的分析水果不可见损伤的无损检测方法。本发明可以很好的将RIFT算法合适的用于农业领域的多模态配准，并且在水果的不可见损伤的检测与分类上可以精确地识别出不同损伤类别的水果，极大地提高了检测的效率。
-
公开(公告)号：CN111881953B
公开(公告)日：2022-04-22
申请号：CN202010672339.1
申请日：2020-07-14
申请人： 安徽大学
IPC分类号： G06V10/58
摘要： 本发明涉及基于局部二值模式和KNN分类器的遥感高光谱图像分类方法，与现有技术相比解决了难以进行遥感高光谱图像分类的缺陷。本发明包括以下步骤：训练数据的获取；光谱特征向量的提取；空间特征向量的提取；颜色特征向量的提取；多特征向量的堆叠；KNN分类器的构建和训练；待分类遥感高光谱图像的获取；待分类遥感高光谱图像的预处理；遥感高光谱图像分类结果的获得。本发明通过光谱、空间、颜色特征相联合，增强了同类像元的相似性，同时增大了不同像元的相异性，与部分提出的分类方法相比，总体分类精度、平均分类精度、Kappa系数均有不同程度的提高。
-
公开(公告)号：CN113011499B
公开(公告)日：2022-02-01
申请号：CN202110301578.0
申请日：2021-03-22
申请人： 安徽大学
摘要： 本发明涉及一种基于双注意力机制的高光谱遥感图像分类方法，与现有技术相比解决了高光谱遥感影像训练样本有限及分类精度不理想的缺陷。本发明包括以下步骤：训练样本的获取；堆栈自编码器的构建和训练；构建混合密集网络；混合密集网络的训练；待分类样本的获取和降维处理；高光谱遥感图像分类结果的获得。本发明在训练样本量更少的情况下，也能得到较理想的高光谱遥感影像分类结果。
-
公开(公告)号：CN112161937A
公开(公告)日：2021-01-01
申请号：CN202011214332.1
申请日：2020-11-04
申请人： 安徽大学
摘要： 本发明特别涉及一种基于级联森林和卷积神经网络的小麦粉筋度检测方法，包括如下步骤：A、选取已知筋度的小麦粉作为样本并分成训练集和测试集；B、采集高光谱图像；C、提取单波段图；D、获得图像特征；E、将特征波长和图像特征进行图谱融合后作为特征值，将筋度标签作为结果，代入级联森林模型中进行训练得到小麦粉筋度识别模型；F、将测试集代入训练好的小麦粉筋度识别模型中进行测试，得到预测的筋度类别以及类别准确度。利用高光谱数据获得光谱特征建立小麦粉筋度控制模型，继而通过模型对输入数据进行对比分析，快速无损识别出小麦粉的筋度，判别小麦粉筋度是否符合制作工艺要求检测方法，该检测方法适用性强、检测精度高，能够无损地实现小麦粉筋度检测。
-
公开(公告)号：CN106990090B
公开(公告)日：2019-12-27
申请号：CN201710237085.9
申请日：2017-04-12
申请人： 安徽大学
摘要： 本发明特别涉及一种用于动态表面增强拉曼光谱检测的装置，共聚焦拉曼光谱仪位于双尺度移动检测平台上方并获取放置在双尺度移动检测平台上被测样品的图像和光谱信息，计算终端接收样品图像信息并分析处理后输出控制信号至步进电机控制模块，步进电机控制模块驱动电机动作实现共聚焦拉曼光谱仪对被测样品的对焦；并公开了检测方法。计算终端根据光谱仪CCD传感器上获取到的图像生成可靠的步进电机控制信号，通过多次往复控制实现共聚焦拉曼光谱仪对被测样品的对焦，整个动态表面增强拉曼光谱测量中的连续对焦成功地解决了动态拉曼光谱的连续准确获取，同时，整个过程无需人工干预，完全自动，非常方便。
-
公开(公告)号：CN107064095A
公开(公告)日：2017-08-18
申请号：CN201710407606.0
申请日：2017-06-02
申请人： 安徽大学
IPC分类号： G01N21/64
CPC分类号： G01N21/6402
摘要： 本发明特别涉及一种双波长量子点荧光探针呋喃酚酮检测装置，包括光学模块、信号调理模块、数据处理模块以及电源模块，光学模块包括发光单元、比色皿以及第一、二光电探测器，比色皿中混合有双波长量子点荧光探针溶液和待测溶液，发光单元发出的紫外光平行照射至比色皿中，激发的荧光被第一、二光电探测器接收并输出信号调理模块进行I/V转换、滤波、放大后输出至数据处理模块，数据处理模块对接收到的信号进行处理得到呋喃酚酮浓度值；电源模块为其他模块供电；还公开了其检测方法。该装置体积小、功耗低、工作稳定可靠、检测灵敏度高，在水体、土壤及蔬果等呋喃酚酮残留检测方面具有非常好的应用前景。该检测方法检测精度高、数据处理简单快速方便。
-
公开(公告)号：CN118521476A
公开(公告)日：2024-08-20
申请号：CN202410518449.0
申请日：2024-04-28
申请人： 安徽大学
IPC分类号： G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/048
摘要： 本发明提供一种图像超分辨率方法、电子设备及存储介质，其中图像超分辨率方法包括如下步骤：获取待处理的低分辨率图像；利用训练得到的超分网络的编码器对低分辨率图像进行处理，以提取低分辨率图像的基本特征，得到潜码；利用超分网络的多尺度隐式Transformer对潜码进行处理，以提取潜码的多尺度信息，得到注意力潜码；利用超分网络的解码器对注意力潜码进行处理，得到高分辨率图像。该方法通过构建和训练超分网络，将待处理的低分辨率图像和超分后图像的宽高输入到训练好的超分网络中，该超分网络会自动输出设定尺寸的高分辨率图像，宽高还可以分别具有不同的放大倍率，该方法实现了在任意尺度超分辨率任务下的优异表现。
-
公开(公告)号：CN112161937B
公开(公告)日：2023-06-23
申请号：CN202011214332.1
申请日：2020-11-04
申请人： 安徽大学
IPC分类号： G01N21/25 , G01N21/47 , G01N21/01 , G06V10/25 , G06V10/774 , G06V10/764 , G06N3/0464 , G06V10/82
摘要： 本发明特别涉及一种基于级联森林和卷积神经网络的小麦粉筋度检测方法，包括如下步骤：A、选取已知筋度的小麦粉作为样本并分成训练集和测试集；B、采集高光谱图像；C、提取单波段图；D、获得图像特征；E、将特征波长和图像特征进行图谱融合后作为特征值，将筋度标签作为结果，代入级联森林模型中进行训练得到小麦粉筋度识别模型；F、将测试集代入训练好的小麦粉筋度识别模型中进行测试，得到预测的筋度类别以及类别准确度。利用高光谱数据获得光谱特征建立小麦粉筋度控制模型，继而通过模型对输入数据进行对比分析，快速无损识别出小麦粉的筋度，判别小麦粉筋度是否符合制作工艺要求检测方法，该检测方法适用性强、检测精度高，能够无损地实现小麦粉筋度检测。
-
公开(公告)号：CN113869246B
公开(公告)日：2022-04-01
申请号：CN202111163882.X
申请日：2021-09-30
申请人： 安徽大学
IPC分类号： G06V20/69 , G06V10/774 , G06K9/62
摘要： 本发明涉及基于改进CenterNet技术的小麦条锈病菌夏孢子显微图像检测方法，与现有技术相比解决了难以针对夏孢子显微图像进行检测的缺陷。本发明包括以下步骤：夏孢子显微图像的获取和预处理；夏孢子检测网络的构建；夏孢子检测网络的训练；待检测夏孢子显微图像的获取；待检测夏孢子显微图像检测结果的获得。本发明能够精准检测并分割出夏孢子显微图像中的夏孢子，且检测速度快。
-
-
-
-
-
-
-
-
-
搜索结果
59 条记录 (耗时 0.031 秒)
