-
公开(公告)号:CN118172590A
公开(公告)日:2024-06-11
申请号:CN202410158850.8
申请日:2024-02-02
申请人: 浙江中烟工业有限责任公司 , 浙江大学
IPC分类号: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06V10/32 , G06N3/047 , G06N3/045 , G06F8/60
摘要: 本发明公开了一种深度学习烟叶分级的工业生产部署方法,包括如下步骤:S1:利用烟叶图像数据训练多个卷积神经网络烟叶分级模型;S2:利用剪枝、量化压缩烟叶分级模型,并利用蒸馏恢复模型压缩前的准确率;S3:部署压缩后的模型。本发明针对烟叶分级主观性较强的问题,提出使用卷积神经网络进行自动化烟叶分级;为满足流水线实时性要求,降低延时,提高吞吐量,使用剪枝、蒸馏、量化在不影响或少量影响模型分级准确率的基础上,降低模型参数量和计算量,并灵活利用本地推理框架和云服务器推理后端进行烟叶分级结果的计算。
-
公开(公告)号:CN118097254A
公开(公告)日:2024-05-28
申请号:CN202410214302.2
申请日:2024-02-27
申请人: 浙江中烟工业有限责任公司 , 浙江大学
IPC分类号: G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06V20/60 , G06N3/0464 , G01N21/359 , G01N21/3563 , G01N21/31
摘要: 基于多光谱特征增强网络的烟叶自动化分级算法涉及图像处理技术领域,解决了烟叶分级对不同产地的视觉特征分辨能力较低的问题,本发明通过多光谱信息与计算机视觉的深度学习方法结合来构建烟叶自动化分级系统,可以有效弥补可见光单一光谱信息的不足,通过多源互补的方式结合所设计的多光谱特征增强模块进一步增强可见光和近红外光谱特征的特征表示,提取出更有利于分级的空间特征信息,进而提高烟叶分级准确率。有助于为当前人工分级基于主观经验分级提供可量化的分级参考依据,能一定程度上节省人工分级的人力、物力资源,降低人工分级的经验性误判,提高烟草行业技术水平,推动烟草行业完善分类规范,从而在烟叶加工中产生较高的社会经济效益。
-
公开(公告)号:CN116452981A
公开(公告)日:2023-07-18
申请号:CN202310454790.X
申请日:2023-04-24
申请人: 浙江中烟工业有限责任公司 , 浙江大学
IPC分类号: G06V20/10 , G06V10/10 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要: 本发明公开了一种烟叶自动化分级方法、系统、设备及存储介质,所述方法包括:采集待测烟叶样本的图像;基于自适应稀疏卷积构建自适应注意力模型;将构建的所述自适应注意力模型插入卷积神经网络,得到烟叶分级模型;将采集待测烟叶样本的图像输入所述烟叶分级模型,得到烟叶分级结果。本发明的烟叶自动化分级方法、系统、设备及存储介质,自适应注意力模型通过自适应稀疏点卷积和自适应稀疏深度卷积提取烟叶的深层特征,自适应计算通道间的权重,关注影响分类性能的重要特征,可以提高网络的分类性能;自适应注意力模型模块可以嵌入经典卷积神经网络,具有特征提取的能力,获得了最佳分类准确率,为烟叶等级判定提供了一个有效的方法。
-
公开(公告)号:CN113514942B
公开(公告)日:2023-06-30
申请号:CN202110437566.0
申请日:2021-04-22
申请人: 浙江大学
摘要: 本发明公开了一种红外双分辨率成像系统。主要由前置红外镜头组、分光棱镜、长焦红外镜头组、长焦红外像面、短焦红外镜头组、短焦红外像面组成,光束入射到前置红外镜头组,经前置红外镜头组透射后到分光棱镜发生反射和透射,分光棱镜的透射光经长焦红外镜头组后入射到长焦红外像面,分光棱镜的反射光经短焦红外镜头组后入射到短焦红外像面。长焦红外像面和短焦红外像面的中心位于红外双分辨成像系统的光轴上。本发明是具有双焦距的红外光学系统,能提高红外成像质量。
-
公开(公告)号:CN111652815B
公开(公告)日:2023-05-05
申请号:CN202010455043.4
申请日:2020-05-26
申请人: 浙江大学 , 舜宇光学(浙江)研究院有限公司
摘要: 本发明公开了一种基于深度学习的掩膜板相机图像复原方法。使用掩模板相机显示拍摄装置拍摄不同的多条纹图案,获得系统物像传递矩阵;对公开数据集进行预处理,将公开数据集里的图像以固定的间隔裁剪都裁切为固定大小的图像块,使用掩模板相机显示拍摄装置进行拍摄得到训练数据集;结合物像传递矩阵搭建复原网络模型,以训练数据集训练;将拍摄的待测的掩模板相机图像输入到训练好的复原网络模型中,得到复原后的图像。本发明与传统的优化复原方法相比,大大提高掩膜板相机的成像质量图像信噪比,并大大缩短了掩模板相机图像的复原时间,为掩膜板相机高质量成像奠定坚实的基础。
-
公开(公告)号:CN114791320A
公开(公告)日:2022-07-26
申请号:CN202210300929.0
申请日:2022-03-24
摘要: 本发明公开了一种折衍射混合的两次对焦图像融合多光谱成像系统和方法。系统主要由编码衍射元件、正透镜和探测器沿光轴依次放置构成,编码衍射元件的未编码的端面与正透镜接触固定连接,编码衍射元件和正透镜两者组成折衍射混合模块,折衍射混合模块和探测器之间间隔布置,入射光线依次经编码衍射元件和正透镜会聚后在探测器上进行成像;通过调整探测器的成像位置,系统采集获得成像物体两次对焦后的两张RGB图像;方法对系统采集获得的两张RGB图像进行融合重建,得到成像物体的光谱数据立方体。本发明的方法相比于传统方法获取到了更多信息供重建过程使用,能够有效提升重建结果的空间分辨率与光谱精度。
-
公开(公告)号:CN113191959B
公开(公告)日:2022-06-17
申请号:CN202110251575.0
申请日:2021-03-08
申请人: 浙江大学
摘要: 本发明公开了一种基于退化标定的数字成像系统极限像质提升方法。本发明包括以下步骤:1)从同一批次的数字成像系统中获取样本成像系统,使用不同的样本成像系统获得实拍退化图像;2)利用深度线性网络获得当前样本成像系统的不同视场的退化点扩散函数;3)构建退化图像和源图像,基于不同视场的退化点扩散函数训练像质提升网络,获得训练后的像质提升网络;4)重复步骤1)~3)对不同的样本成像系统进行矫正,获得每个样本成像系统对应的像质提升网络;5)抽取剩余的数字成像系统,选择最优的样本成像系统,使用该样本成像系统的像质提升网络优化当前数字成像系统的像质。本发明较好地矫正由噪声带来的图像退化,实现像质的极限提升。
-
公开(公告)号:CN111476815B
公开(公告)日:2022-05-17
申请号:CN202010259585.4
申请日:2020-04-03
申请人: 浙江大学
摘要: 本发明公开了一种基于运动区域颜色概率的运动目标检测方法。基于卷积神经网络提取输入图像对的卷积特征;通过图像特征差分来获取图像对之间的显著运动区域;对输入图像以及显著运动区域分别进行颜色直方图统计,并依据最大后验概率公式求解各颜色直方图属于目标的概率;利用该概率对输入图像逐像素赋值,得到目标概率图;基于图像特征差分结果在目标概率图上生成初始运动目标检测框,利用梯度下降法求解最优检测框,得到运动目标检测结果。本发明能够有效识别场景中的运动目标,并以矩形框的形式表示目标在图像中的位置。方法运算速度快,准确度高。可以作为多种算法的前端,如目标跟踪、行人重检测。在实际中具有重要应用意义。
-
公开(公告)号:CN113847986A
公开(公告)日:2021-12-28
申请号:CN202111181089.2
申请日:2021-10-11
申请人: 浙江大学 , 江苏宇迪光学股份有限公司
摘要: 本发明公开了一种基于衍射的共光轴双像面光谱编码成像系统和方法。本发明搭建了基于衍射的共光轴双像面光谱编码成像系统,成像系统利用分光元件对入射光进行分光,以共轴双光路的系统代替单一光路的旋转衍射系统,将目标场景中的光谱信息分为两路记录在两个不同的二维像面上,获得四个通道的光谱混叠初始图像,通过对成像系统对应的点扩散函数标定系统的光谱标定,获得每个谱段的点扩散函数,并通过特定的谱段分割方法获得目标物体的清晰光谱图像以及光谱信息。本发明解决了可见光与近红外光无法在相同的曝光时间下同时获得较好信噪比图像的问题,提升光谱图像重建质量,更好的利用衍射元件的角度范围,细分光谱信息编码,获得更高的光谱分辨率。
-
公开(公告)号:CN113155284A
公开(公告)日:2021-07-23
申请号:CN202110425934.X
申请日:2021-04-20
申请人: 浙江大学
摘要: 本发明公开了一种折衍射混合的光谱编码成像系统和方法。本发明的系统中编码衍射元件、正透镜和探测器沿光轴依次放置,编码衍射元件的未编码的端面与正透镜接触固定连接并形成折衍射混合模块,折衍射混合模块的焦平面处放置有探测器;入射光线依次经编码衍射元件和正透镜会聚后在探测器上进行成像。方法采用以上系统,标定获得不同波段下的点扩散函数,获得光谱混叠初始图像;利用高光谱图像重建网络算法对光谱混叠初始图像进行处理,得到不同波段下的高光谱图像。本发明的折衍射混合模块有效缩短成像系统的后截距,在保证后截距较短的同时,缩小成像系统在各个波段的点扩散函数尺度,提高成像系统的空间分辨率,谱段适用范围宽,鲁棒性高。
-
-
-
-
-
-
-
-
-