-
公开(公告)号:CN116994192A
公开(公告)日:2023-11-03
申请号:CN202310313607.4
申请日:2023-03-28
申请人: 昆明理工大学
IPC分类号: G06V20/52 , G06V10/22 , G06V10/82 , G06V10/40 , G06V10/80 , G06V10/764 , G06N3/0464 , G06N3/084 , G06F16/51 , G08B21/24
摘要: 本发明涉及目标识别技术领域,具体涉及一种作业现场作业人员未佩戴安全帽的预警方法及系统,方法包括:构建作业人员佩戴安全帽图像数据集;将作业人员佩戴安全帽图像数据集中的图像利用图像标注工具进行目标物体真实框标注;向YOLOv5网络中输入作业人员佩戴安全帽图像数据集,获得目标识别模块;利用目标识别模块对待检测作业现场内通过监控获得的作业人员图像进行识别以判断作业人员是否佩戴安全帽;对识别结果进行存储及预警。本发明以更低成本、更高效率的方式监控作业人员现场作业中是否佩戴安全帽,能够有效地监控提醒作业人员佩戴安全帽,保障作业人员人身安全。
-
公开(公告)号:CN116434341A
公开(公告)日:2023-07-14
申请号:CN202310435968.6
申请日:2023-04-23
申请人: 昆明理工大学
摘要: 本发明公开了一种学生课堂异常行为的识别方法及系统,利用监控视频构建学生课堂异常行为图像数据集;将学生课堂异常行为图像数据集利用Labelimg进行数据标注;向改进的YOLOV5网络中输入学生课堂异常行为数据集进行训练模型;将训练好的模型部署到监控设备进行学生课堂异常行为检测。本发明以更高的准确率和更高的效率实时监控学生课堂行为的异常行为,通过这种智能化的识别检测方法可以实时分析学生课堂状态,减轻教师的上课负担的同时帮助教师实时了解到学生在课堂上的听课状态,根据学生们在课堂上的状态反馈及时调整教学策略以提高课堂教学质量,不仅可以减轻老师的上课压力,减少教师的精力分散,并且可以实现智慧化校园的普及。
-
公开(公告)号:CN117523269A
公开(公告)日:2024-02-06
申请号:CN202311407660.7
申请日:2023-10-27
申请人: 昆明理工大学 , 云南省烟草公司红河州公司
IPC分类号: G06V10/764 , G06V10/774 , G06V10/42 , G06V10/82 , G06N3/0464 , G06Q10/087
摘要: 本发明公开了一种烟草企业立体仓库盘点的图像识别方法,本方法是基于双层路由注意力改进的混合网络模型;在库存盘点的过程中,通过拍摄设备获取烟草企业立体仓库库存成品烟的图像数据集,利用预处理扩充收集的库存成品烟的图像数据集,利用改进的混合网络对成品烟图片进行多尺度的特征提取;最终通过网络提取的产品多尺度特征完成仓库库存成品烟的图像分类任务。本发明所使用的网络模型能够提取多尺度特征并且结构比较简单,以更高的精度和效率实现了烟草企业立体仓库库存的智能盘点任务;通过这种深度学习方法能够做到库存的实时监控,大幅减少了人工盘点所带来的成本问题,以及效率低下的问题。
-
公开(公告)号:CN116503286A
公开(公告)日:2023-07-28
申请号:CN202310496216.0
申请日:2023-05-05
申请人: 昆明理工大学
IPC分类号: G06T5/00 , G06T5/50 , G06N3/0464 , G06N3/084
摘要: 本发明涉及图像增强技术领域,具体涉及一种基于Retinex理论的低光照图像增强方法,通过对图像高频、低频信息分离提取,对应的去对噪声多的高频信息部分去噪,忽略噪声对低频信息的影响;通过ACE分离提取图像的低频、高频信息图像;通过Decompose‑Net将分解后的低频信息图像解耦为两个较小的子空间;通过Enhance‑Net对分解出来的高频信息图像、低频信息反射图以及低频信息照度图进行去噪增强;最后通过Adjust‑Net对图像的细节和颜色进行恢复;本发明通过去除的低频信息噪声的影响,专注对高频信息的去噪,可以更好的解决低光图像中噪声过多影响图像恢复效果的影响。
-
公开(公告)号:CN116958633A
公开(公告)日:2023-10-27
申请号:CN202310398525.4
申请日:2023-04-14
申请人: 昆明理工大学
IPC分类号: G06V10/764 , G06V10/82 , G06V10/54 , G06V10/56 , G06V10/34 , G06N3/0464 , G06N3/084
摘要: 本发明公开的一种对烤烟不同特征进行正反面识别的方法,包括如下步骤:步骤1、根据烤烟的形状分为上、中、下烟部三个区域,分类后进行烟叶图像提取,获取数据样本;步骤2、对所述数据样本进行图像预处理,对处理后的样本进行膨胀腐蚀,将其背景中的影响因素进行去除,转化为纯黑色背景;步骤3、对处理后的样本进行正确分类,并构建数据集,每个所述数据样本都对应一个或多个特征向量组。步骤4、将纹理特征和颜色特征带入BP神经网络进行训练和测试。本发明基于烟叶的特征,结合烟叶分类、图形预处理和神经网络构建三种方法实现对烟叶正反面的识别。相比现有技术,本发明实现充分的特征提取,实现了准确率更高的识别功能。
-
公开(公告)号:CN115661537A
公开(公告)日:2023-01-31
申请号:CN202211359118.4
申请日:2022-11-01
申请人: 昆明理工大学
IPC分类号: G06V10/764 , G06V10/46 , G06V10/54 , G06V10/422 , G06V20/10 , G06V10/774 , G06N5/01
摘要: 本发明公开了一种基于纹理和形状特征的烤烟成熟斑与病斑分类方法及系统。其中,该方法包括:获取当前采集的烤烟图片;将当前采集的所述烤烟图片输入到训练好的烤烟成熟斑与病斑分类模型中,以对当前采集的所述烤烟图片中的成熟斑烟叶与病斑烟叶进行分类;所述病斑烟叶包括赤星病烟叶和蛙眼病烟叶;所述训练好的烤烟成熟斑与病斑分类模型是基于Adaboost分类器、圆形LBP纹理特征提取模块、形状特征提取模块以及样本数据集确定的;所述样本数据集包括多张烤烟样本图片以及相应的标注信息;所述标注信息包括:表征烤烟状态的信息。本发明的分类速度快、准确度高,能够有效提高烤后烟叶在机器分级时中上等烟的比例,增加经济效益。
-
-
-
-
-