-
公开(公告)号：CN116773604A
公开(公告)日：2023-09-19
申请号：CN202310633609.1
申请日：2023-05-31
申请人： 浙江工业大学
IPC分类号： G01N27/04 , G01N27/72 , G06F18/27 , G06N3/0464 , G06N3/08
摘要： 基于磁感应断层扫描的番茄果蔬果酸含量无损检测方法，包括：S1：搭建基于磁感应断层扫描原理的快速无损检测装置；S2：利用检测装置中的电导率检测仪采集对应番茄果蔬的电导率数据；S3：采用折射仪法测定番茄果酸的含量；S4：对通过电导率检测仪获取得到的电导率数据与番茄果蔬果酸进行相关性分析，获取番茄果蔬电导率数据与果酸含量相关性最高的频段数据；S5：将从S4中获取到的频段数据，根据区间抽样并按一定比例划分训练集和测试集；S6：利用CNN卷积神经网络构建番茄果蔬果酸回归预测模型；S7：基于S6中的预测模型，输入由电导率检测仪获取的对应目标的电导率数据，从而得到对应番茄的果酸含量。本发明不容易受到光污染和场地限制。
-
公开(公告)号：CN113362407A
公开(公告)日：2021-09-07
申请号：CN202110503479.0
申请日：2021-05-10
申请人： 浙江工业大学
摘要： 本发明公开一种基于复值卷积的GAN增强磁感应成像方法及系统，包括：S1、采集电压序列数据，构建复值神经网络模型，将所述电压序列数据输入所述复值神经网络模型进行训练，得到初步电导率分布图像；S2、构建对抗生成网络模型，将所述初步电导率分布图像输入所述对抗生成网络模型进行训练，得到用于图像增强的生成器；S3、将所述初步电导率分布图像输入所述生成器，得到高精度目标电导率分布图。本发明将对抗生成网络模型作为图像优化模块对复值卷积网络的输出进行图像增强，充分利用了电压序列数据的复值特性，提高了神经网络的训练效率及电导率重建的准确性，进而提高了最终图像的分辨率与精度。
-
公开(公告)号：CN113362374A
公开(公告)日：2021-09-07
申请号：CN202110633431.1
申请日：2021-06-07
申请人： 浙江工业大学
摘要： 一种基于目标跟踪网络的高空抛物检测方法，包括：S1)获取初始图片帧构建监控场景背景模型；S2)由后续输入图像与背景模型的相似度，进行运动目标检测并更新背景模型；S3)利用目标跟踪网络对运动目标进行跟踪，记录其完整轨迹；S4)对记录的完整运动轨迹做分析，确定符合高空抛物运动规律的物体；S5)对确定为高空抛物的事件进行记录，用于后续事件回溯并及时告警。本发明还提供实施一种基于目标跟踪网络的高空抛物检测方法的系统，由图像获取模块、运动目标检测模块、运动目标跟踪模块、轨迹分析模块、事件记录告警模块依次连接而成。本发明通过优化目标跟踪网络来获取更加完整的抛物轨迹，在提升了检测准确率的同时还降低了误报率。
-
公开(公告)号：CN113361604A
公开(公告)日：2021-09-07
申请号：CN202110629124.6
申请日：2021-06-03
申请人： 浙江工业大学
摘要： 一种面向目标检测的物理攻击对抗补丁的生成方法，包括以下步骤：(1)生成一个像素值随机的矩形对抗补丁；(2)将对抗补丁进行鲁棒性处理；(3)初始化掩码矩阵；(4)将对抗补丁应用在训练集上；(5)从结果中提取真实类别置信度；(6)设计损失函数并计算损失；(7)计算梯度然后更新对抗补丁，循环第2至第7步，直至达到最大迭代次数或者攻击成功率达到阈值；(8)打印补丁，进行物理环境测试。本发明还包括一种面向目标检测的物理攻击对抗补丁的生成系统，由对抗补丁应用模块、目标检测模块、损失计算模块和对抗补丁更新模块组成。本发明可以自定义补丁形状，根据设计的损失函数求梯度，更新对抗补丁，最后进行物理环境测试。
-
公开(公告)号：CN112463387A
公开(公告)日：2021-03-09
申请号：CN202011427759.X
申请日：2020-12-07
申请人： 浙江工业大学
摘要： 基于GPU时空资源消耗识别本地服务器上深度学习模型的方法，包括：(S1):搭建采集本地服务器GPU的使用率和功耗数据的实验平台；(S2):在本地服务器上使用tensorflow、pytorch等开源深度学习框架运行各种常见的深度学习模型；(S3)：在本地服务器运行深度学习模型的过程中实时抓取GPU的使用率和功耗数据；(S4):对采集到的数据进行处理；(S5):搭建卷积神经网络对采集到的数据进行分类，以混淆矩阵的方式呈现测试结果。最后结果表明深度学习模型在运行时，本地服务器的GPU使用率和功耗与其内在模型存在相关性，通过对这种相关性的分析，可以得到很多关于模型的有效信息。
-
公开(公告)号：CN110720915A
公开(公告)日：2020-01-24
申请号：CN201910846898.7
申请日：2019-09-09
申请人： 浙江工业大学
IPC分类号： A61B5/053
摘要： 一种基于GAN的脑部电阻抗断层成像方法，包括以下步骤：1)获取原始数据，通过实验装置采集边界电压序列，对物场区域进行方格剖分，得到对应的真实电导率分布图作为样本数据；2)数据预处理，对采集到的边界电压序列进行归一化处理并将序列转换成二维图；3)构建生成对抗式网络，使用样本数据集训练网络，得到边界测量电压序列和电导率分布序列之间的非线性映射关系；4)将未经训练的电压序列通过训练过的网络生成对应的电导率分布图。本发明解决了电阻抗断层成像逆问题求解时的非线性问题，提高了重建图像的精度，且抗噪性强，降低对成像系统抗噪性的要求，成像速度快。
-
公开(公告)号：CN110610482A
公开(公告)日：2019-12-24
申请号：CN201910738083.7
申请日：2019-08-12
申请人： 浙江工业大学
摘要： 一种基于resnet的工件瑕疵检测方法，包括以下步骤：1)从厂家获得数据，并进行图片整理；2)将数据集划分为训练集和测试集；3)对训练集中的数据进行预处理，并制作标签；4)用训练集训练resnet模型，提取图片的特征映射；5)利用softmax进行具体类别的分类，计算损失函数，更新网络参数，得到训练模型；6)利用训练模型对数据集中的测试集进行预测，并输出预测结果；7)三工位联合预测，得出单个工件的品质鉴定。本发明检测速度快并且准确率高，有助于工厂进行更好的规划和管理，具有较高的实用价值。
-
公开(公告)号：CN106685590B
公开(公告)日：2019-10-29
申请号：CN201611120911.3
申请日：2016-12-08
申请人： 浙江工业大学
摘要： 一种基于信道状态信息和KNN的室内人体朝向识别方法，该方法利用了简单可得的设备搭建数据采集平台，具体的朝向检测主要分为两个阶段：离线训练阶段和在线测试阶段。离线训练阶段采集人体在8个方向时的CSI数据并进行预处理，通过主成分分析(PCA,Principal Components Analysis)方法提取特征值，并建立朝向‑CSI数据的指纹映射关系；在线测试阶段，将测试数据变换到与训练数据相同的维度，并利用机器学习中的最近邻算法(KNN,K‑Nearest Neighbors)得到每个测试样本的分类结果。最终的估计朝向为所有测试样本中出现最多的分类。通过上述方式，本发明能够利用现有的简单设备，以较好的性能和较低的成本实现无源室内人体朝向的识别。本发明在智能家居、入侵检测、室内导航等领域具有一定的应用价值。
-
公开(公告)号：CN106803769A
公开(公告)日：2017-06-06
申请号：CN201611120738.7
申请日：2016-12-08
申请人： 浙江工业大学
CPC分类号： H04B7/0613 , G06K9/6256 , G06K9/6278 , H04B7/08 , H04B17/309 , H04W84/12
摘要： 一种基于WIFI的无源‑无设备人体朝向检测方法，分为两个阶段：离线训练阶段和在线检测阶段。在离线训练阶段，人体位于室内某个点，分别采集人体在不同朝向时的信道状态信息数据，经过数据的预处理之后存入指纹库，同时建立朝向和数据指纹的映射关系。在线检测阶段，同样对人体在该点的不同方向的信道状态信息数据进行采集，经过和离线阶段同样的数据欲处理步骤，并利用机器学习中的朴素贝叶斯算法进行位置分类。同时，为了进一步提高分类的准确度，综合了多条天线对的分类结果。本发明不需要人体携带任何辅助检测的工具，并且能够以相对低廉的成本有效的实现对室内人体朝向的检测。
-
公开(公告)号：CN104521435B
公开(公告)日：2017-06-06
申请号：CN201410582767.X
申请日：2014-10-27
申请人： 浙江工业大学
摘要： 本发明公开了一种自动切割式采茶机割台自动调平装置，用于提高茶叶新梢采摘的完整性和一致性，提高茶叶整体质量及采摘效率，通过同步控制割台的两支撑杆的位移来保证固定割刀的割台离地面高度一致，通过倾斜传感器感知割台的倾斜状态调整割台的两支撑杆的位移差来使得割刀的形状基本上与茶树树冠的形状相吻合；使得自动切割式采茶机能够很好地在丘陵地带茶园中推广应用。本发明还公开了自动切割式采茶机割台自动调平方法。
-
-
-
-
-
-
-
-
-
搜索结果
83 条记录 (耗时 0.033 秒)
