-
公开(公告)号：CN113837039B
公开(公告)日：2023-10-24
申请号：CN202111067533.8
申请日：2021-09-13
Applicant: 常州大学
IPC: G06V20/68 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及卷积神经网络技术领域，涉及一种基于卷积神经网络的果实生长形态视觉辨识方法，包括以下步骤：S1、图像采集：采集果园不同形态的果实图像，并对图像进行标注；S2、图像增强：将采集到的图像进行数据增强以扩充数据集；S3、搭建卷积神经网络模型；S4、使用SGD优化器对网络参数进行优化；S5、使用训练完的最优模型对测试集进行检测，给出每个目标的预测框、类别和置信度。本发明基于深度学习技术提出了果实生长形态的辨识方法，该方法与Faster‑RCNN、YOLO算法相比，有更高的识别准确率和更快的识别速度，同时模型参数量也更少。
-
Patent Agency Ranking
公开(公告)号：CN114842347A
公开(公告)日：2022-08-02
申请号：CN202210580143.9
申请日：2022-05-26
Applicant: 常州大学
Abstract: 本发明涉及卷积神经网络技术领域，尤其涉及一种基于图像渲染的果实生长形态辨识方法，包括采集果实图像；图像数据增强；构建主干网络，并通过自顶向下和自底向上的双向融合网络对主干网络的网络层进行特征融合，从而对图像进行特征提取；构建RPN网络；使用点的表征来进行图像分割，首先选择少量真值点进行预测；其次，对选中的每个点提取逐点特征表示，最后构建一个MLP预测分类；将测试集图像送入训练好的网络模型后进行前向传播。本发明基于深度学习搭建特征提取网络并基于图像渲染的思想来实现果实生长形态的精确辨识，使得采摘机器人能够自动辨识果实生长形态，为进一步对其选用相应的采摘机制奠定基础。
-
公开(公告)号：CN115496979A
公开(公告)日：2022-12-20
申请号：CN202211120206.9
申请日：2022-09-15
Applicant: 常州大学
Abstract: 本发明涉及图像检测技术领域，尤其涉及一种基于多重特征融合的果园幼果生长姿态视觉辨识方法，包括采集果园幼果数据图像，对图像中的目标检测框进行调整；通过标注的数据集进行格式转换，对转换后的数据集进行裁剪预处理；构建幼果生长姿态特征提取模型，并采用Bi‑FPN网络对特征提取模型的浅层特征图与高层特征图进行深度融合；采用姿态预测层对融合处理后的特征图进行姿态框回归，并对目标区域进行提取；通过训练数据集对模型进行训练，保存姿态框的坐标，计算幼果生长姿态角度。本发明在实现智能套袋的机械化、自动化以及智能化以及保证幼果的适时高效率套袋、降低套袋作业费用等方面提供有效的解决方案。
-
公开(公告)号：CN118469984A
公开(公告)日：2024-08-09
申请号：CN202410689921.7
申请日：2024-05-30
Applicant: 常州大学
IPC: G06T7/00 , G06N3/0464 , G06V10/774 , G06V10/82 , G06V10/764
Abstract: 本申请涉及缺陷检测技术领域，尤其涉及一种基于YOLO v8改进模型的金属表面缺陷的检测方法，包括以下步骤：建立金属表面数据集，数据集包括不同的表面缺陷种类；建立YOLO v8n网络模型，调整和配置相应的参数；建立YOLO v8n改进模型，利用RCS模块替换C2f模块，在模型中引入注意力机制，用Rhead替换Detect模块，优化卷积神经网络中neck部分的结构；训练和优化YOLO v8n改进模型，使用训练优化后的YOLO v8n改进模型对金属表面缺陷进行检测。本申请在YOLO v8n模型中利用RCS模块替换C2f模块，在模型中引入注意力机制，用Rhead替换Detect模块优化卷积神经网络中neck部分的结构，从而提高了缺陷检测的检测精度与速度。
-
公开(公告)号：CN119432349A
公开(公告)日：2025-02-14
申请号：CN202411581701.9
申请日：2024-11-07
Applicant: 常州大学
IPC: C09K8/594 , C09K8/584 , C09K8/588 , E21B43/22 , G01N21/84 , B01J19/00 , B01F23/235 , B01F23/237 , B01F23/20 , E21B43/16
Abstract: 本发明属于CO2驱油技术领域，具体涉及一种CO2强化微泡沫驱油体系及制备方法、装置和应用。该CO2强化微泡沫驱油体系主要由CO2和强化泡沫基液以一定比例在微泡沫发生器中产生；其中强化泡沫基液由耐温耐盐表面活性剂、无机交联剂、有机交联剂和聚合物母液组成；其中，所述聚合物母液是将聚丙烯酰胺结合模拟地层水稀释成不同浓度而成。本发明提供的CO2强化微泡沫驱油体系中微泡沫的平均直径为10～50μm，为连续生成且均一性良好，泡沫液膜较厚，单个气泡呈圆球形，变异因数为10％～30％，不存在由三个表面相接构成的曲线。
-
公开(公告)号：CN113837039A
公开(公告)日：2021-12-24
申请号：CN202111067533.8
申请日：2021-09-13
Applicant: 常州大学
Abstract: 本发明涉及卷积神经网络技术领域，涉及一种基于卷积神经网络的果实生长形态视觉辨识方法，包括以下步骤：S1、图像采集：采集果园不同形态的果实图像，并对图像进行标注；S2、图像增强：将采集到的图像进行数据增强以扩充数据集；S3、搭建卷积神经网络模型；S4、使用SGD优化器对网络参数进行优化；S5、使用训练完的最优模型对测试集进行检测，给出每个目标的预测框、类别和置信度。本发明基于深度学习技术提出了果实生长形态的辨识方法，该方法与Faster‑RCNN、YOLO算法相比，有更高的识别准确率和更快的识别速度，同时模型参数量也更少。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
