公开(公告)号：CN118506180A

公开(公告)日：2024-08-16

申请号：CN202410565462.1

申请日：2024-05-09

申请人： 淮阴工学院 ,  江苏省农业科学院

发明人： 高尚兵 ,  蒋东山 ,  张浩淼 ,  陈新 ,  袁星星 ,  罗仔秋 ,  梁文香 ,  赵可钒 ,  王腾 ,  余骥远 ,  李洁

IPC分类号： G06V20/10 ,  G06V20/52 ,  G06V10/764 ,  G06V10/44 ,  G06V10/42 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

摘要： 本发明公开了一种基于DroughtNet算法的绿豆干旱胁迫状态识别方法、装置及介质，所述方法包括：对预先获取的绿豆自然群体干旱胁迫荧光图像按不同干旱胁迫级别做分类标签，并制作成图像数据集；构建基于DroughtNet算法的绿豆干旱胁迫状态识别模型，采用全局特征提取模块GFEM和局部特征提取模块LFEM分别对获取到的同一输入图像进行全局特征提取和局部特征提取，然后采用由两个全连接层和一个Tanh激活函数构成的多层感知器模块MLP代替传统的softmax分类器，提高识别准确率；训练并优化模型，对不同干旱胁迫等级进行识别和分类。本发明能够实现对绿豆不同干旱胁迫状态的精准识别和分类，具有广阔的应用前景，可以实际部署到移动端或嵌入式设备中对绿豆不同干旱胁迫状态进行检测。

公开(公告)号：CN116386013A

公开(公告)日：2023-07-04

申请号：CN202310327493.9

申请日：2023-03-30

申请人： 淮阴工学院

发明人： 高尚兵 ,  王腾 ,  张莹莹 ,  李少凡 ,  张浩淼 ,  赵可钒 ,  蒋东山 ,  张海艳 ,  于坤 ,  王媛媛 ,  陈晓兵

IPC分类号： G06V20/59 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/096 ,  G06N3/0464 ,  G06V10/80

摘要： 本发明公开了一种基于生成对抗网络与知识图表蒸馏的分心驾驶检测方法，本发明首先构建GAN模型：生成器网络为改进的MobileNet和判别器网络为yolov5；然后利用教师模型进行知识图表蒸馏：将yolov5的输出作为判别器网络的输出，并将其作为生成器网络的目标输出；生成器网络将通过知识蒸馏的方式来学习判别器网络的输出，以帮助生成器更好地学习生成逼真的样本，同时，学生网络也做目标检测，并提高检测的准确率；在训练过程中，将生成器网络的输出与目标输出进行比较，并使用反向传播算法对生成器网络和判别器网络进行优化。本发明中在StateFarmDistractedDriverDetection数据集上测试，准确率提升了9.7％，可以有效检测出驾驶员分心驾驶状态，提高了驾驶安全性。

公开(公告)号：CN118365929B

公开(公告)日：2024-10-15

申请号：CN202410398834.6

申请日：2024-04-03

申请人： 淮阴工学院 ,  江苏省农业科学院

发明人： 高尚兵 ,  张浩淼 ,  蒋东山 ,  袁星星 ,  陈新 ,  刘金洋 ,  罗仔秋 ,  赵可钒 ,  王腾 ,  余骥远 ,  李洁

IPC分类号： G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/084

摘要： 本发明公开了一种基于LMS‑Net轻量级模型的绿豆盐胁迫识别方法，首先通过多光谱荧光成像仪器去进行图像采集，对收集到的初始绿豆叶绿素荧光图像样本进行标注做成数据集；进行数据预处理后将数据集划分为训练集和测试集；构建基于LMS‑Net轻量级模型的盐胁迫等级识别网络模型，包括初步特征提取模块、下采样模块和主干模块，且主干模块由本发明提出的卷积编码器和轻量级残差模块组成；使用已经构建好的网络模型进行训练，将待识别胁迫图片输入最优权重模型进行盐胁迫等级识别。本发明提出的识别方法能够取代传统耗时耗力的生物鉴别实验，利用便携式的移动设备去代替人工鉴别绿豆盐胁迫方法，提高识别的效率和准确率，具有良好的应用前景。

公开(公告)号：CN118227795A

公开(公告)日：2024-06-21

申请号：CN202410437957.6

申请日：2024-04-11

申请人： 淮阴工学院

发明人： 高尚兵 ,  赵可钒 ,  苏睿 ,  王腾 ,  张浩淼 ,  蒋东山 ,  张海艳 ,  王媛媛

IPC分类号： G06F16/35 ,  G06F18/214 ,  G06F18/2431 ,  G06F40/30 ,  G06N3/0464

摘要： 本发明涉及一种基于知识蒸馏的双重先验文本分类方法，首先文本样本进行清洗和预处理，制作领域字典。通过人工获取可信度较高先验知识，再通过对比学习扩充人工标注，得出Ar标签损失；另一方面，使用了LGTMX—R模块，利用知识蒸馏进行损失计算Loss，再用其反馈到学生模型中，提高其在验证集上泛化性；接着两个不同的标签损失的基础上，使用动态加权，使得标签损失经过多轮计算过后更具鲁棒性，得到最优损失；最后在输出层对语义信息进行分类。本发明知识蒸馏可以更好地减少模型参数，加快模型速率，因此模型分类的性能更加健壮，并且双重先验文本分类模型中的特征提取得到更好地加强，能够有效提高模型性能。

公开(公告)号：CN118469079A

公开(公告)日：2024-08-09

申请号：CN202410607726.5

申请日：2024-05-16

申请人： 淮阴工学院

发明人： 冯逸心 ,  高尚兵 ,  王浩 ,  罗仔秋 ,  梁文香 ,  张海艳 ,  王媛媛 ,  王腾 ,  赵可钒

IPC分类号： G06Q10/04 ,  G06Q50/40 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06F18/25 ,  G06F17/16 ,  G06N3/0499

摘要： 本发明公开了一种基于DCG及双分支并行的地铁客流量预测方法及装置，所述方法包括：首先，构建地铁通行网络，其中节点表示站台点，节点所连边表示站台间的到达关系；其次，通过地铁通行网络和实体测量数据构建包括深度关系矩阵、旅行距离权重矩阵和乘客流量权重矩阵融合的DCG模块；最后，将DCG模块编码送入SBULSTM模块与Transformer模块双分支并行的预测神经网络。本发明通过DCG模块，还原地铁网络的实际拓扑结构，捕捉由站点到站线的客流特征；同时，并行SBULSTM模块与Transformer模块既能考虑时间序列的前后向状态，又能够学习复杂的时间特征、捕捉DCG所提供全局空间上的客流信息，加强全局时空通道的交互以减少信息的损失，提高了综合时空预测的能力。

公开(公告)号：CN118332116A

公开(公告)日：2024-07-12

申请号：CN202410449200.9

申请日：2024-04-12

申请人： 淮阴工学院

发明人： 王兴隆 ,  王留洋 ,  瞿鹏 ,  王盘龙 ,  王腾 ,  王威

IPC分类号： G06F16/35 ,  G06F18/25 ,  G06N3/084

摘要： 本发明涉及文本分类技术领域，公开了一种基于掩码与因果语言模型多层特征加权融合的文本分类方法，包括：对输入的文本进行预处理，得到预处理后的文本表示；分别利用掩码和因果语言模型对预处理后的文本表示进行编码，得到掩码和因果语言模型的多层编码特征；设置一个可学习的权重向量对掩码和因果语言模型多层编码特征进行加权融合；将融合特征表示输入Softmax分类器，得到文本的分类结果。与现有技术相比，本发明将掩码和因果语言模型所学习到的不同语义信息进行加权融合，能够更好地表征文本的语义信息，从而提高文本分类的准确性和鲁棒性。

公开(公告)号：CN117315633A

公开(公告)日：2023-12-29

申请号：CN202311234257.9

申请日：2023-09-22

申请人： 淮阴工学院

发明人： 高尚兵 ,  张莹莹 ,  王腾 ,  张秦涛 ,  刘宇 ,  苏睿 ,  张海艳 ,  于坤 ,  王媛媛 ,  陈晓兵

IPC分类号： G06V20/59 ,  G06V10/44 ,  G06V10/42 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048

摘要： 本发明公开了一种基于姿态补充特征的驾驶员行为识别方法及装置，首先，预先获取驾驶员分心行为数据集，并对数据进行预处理；然后，将图像分别送入基于内卷积注意力的双叉式网络和姿态补充网络，通过双叉式网络同时关注局部特征和全局特征从而得到深层特征，通过姿态补充网络得到姿态补充特征；最后，将得到的深层特征和姿态补充特征进行特征融合；对驾驶员的行为进行检测。本发明在一定程度上克服了传统驾驶员行为识别时特征单一不全面、驾驶员相似行为难以区分以及复杂背景影响驾驶员行为识别的问题，提升了真实场景下驾驶员分心行为识别准确率，可辅助驾驶员安全行车，更贴合于实际情况，应用更为广泛，实用性更强。

公开(公告)号：CN117315597A

公开(公告)日：2023-12-29

申请号：CN202311229537.0

申请日：2023-09-22

申请人： 淮阴工学院

发明人： 高尚兵 ,  张秦涛 ,  刘宇 ,  张莹莹 ,  苏睿 ,  赵可钒 ,  王腾 ,  张海艳 ,  王媛媛 ,  陈晓兵

IPC分类号： G06V20/54 ,  G06V10/80 ,  G06V10/44 ,  G06V10/422 ,  G06V10/54 ,  G06V10/52 ,  G06V10/62 ,  G06V10/46 ,  G06V10/77 ,  G06V10/74 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08 ,  G06N3/048

摘要： 本发明公开了一种基于多分支的车辆重识别方法及装置，对预先获取的交通车辆原始图像进行预处理，构建包括主干网络模块、Transformer融合模块、全局特征提取模块以及局部特征提取模块的车辆重识别网络；主干网络模块用于提取车辆的特征信息；所述全局特征提取模块用于更好的提取特征信息并融合产生一个整体全局的车辆外观特征，判断车辆的一个整体轮廓；所述局部特征提取模块更加注意的是局部的一些细节特征的提取；所述Transformer融合模块来融合和进一步捕捉图像中的全局结构和语义信息，使其更好的分辨目标车辆。本发明通过三路分支的Transformer融合模块、局部和全局的特征提取的方法能在复杂的交通环境下对车辆进行有效的重识别。

公开(公告)号：CN116452979A

公开(公告)日：2023-07-18

申请号：CN202310398491.9

申请日：2023-04-14

申请人： 淮阴工学院

发明人： 高尚兵 ,  蒋东山 ,  余骥远 ,  李洁 ,  张浩淼 ,  王腾 ,  赵可钒 ,  王媛媛 ,  张海艳 ,  陈晓兵 ,  李翔

IPC分类号： G06V20/10 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06V10/20 ,  G06V10/26 ,  G06V10/30 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于AB‑Net的葡萄叶斑病识别方法，所述方法包括：采集并保存葡萄叶斑病图像数据；根据病害类别对葡萄叶斑病图像数据进行人工标注，并制作成数据集；将数据集按照一定比例分割为训练集和测试集并且对葡萄叶斑病图像进行预处理；构建基于AB‑Net的葡萄叶斑病识别模型，包括特征提取模块和重复堆叠三次的特征融合模块CNeck；所述CNeck模块包括一个BottleNeck双残差路径模块和一个ANeck模块；通过多次迭代得到最好的预训练模型权重，然后对测试集的病害样本进行验证分类。本发明通过先分类后识别的方法来确定叶斑病病害类别，鲁棒性更强，自适应能力更强，识别率更高。

公开(公告)号：CN116152198A

公开(公告)日：2023-05-23

申请号：CN202310149965.6

申请日：2023-02-22

申请人： 淮阴工学院

发明人： 高尚兵 ,  张浩淼 ,  张海艳 ,  余骥远 ,  李洁 ,  蒋东山 ,  王腾 ,  赵可钒 ,  缪奕可 ,  唐琪 ,  曹鹏 ,  杨瑞杰

IPC分类号： G06T7/00 ,  G06N3/08 ,  G06N3/084 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

摘要： 本发明公开了一种基于Wave‑SubNet轻量级模型的番茄叶斑病识别方法，预先获取的番茄叶斑病数据图片，人工进行病斑图片分类并制作成数据集，再对数据集的病斑图像进行预处理；构建基于Wave‑SubNet轻量级模型的番茄叶斑病识别网络模型，包括初步特征提取模块，两个Sub模块组成和四个Wave模块；在Sub模块和Wave模块结尾加入改进的注意力机制，并且对Sub和Wave模块进行堆叠；训练已经构建好的网络模型，将训练好的模型用于测试网络中，最终通过softmax激活函数输出分类结果，并多次迭代训练模型去得到最好的模型权重。本发明提出模型识别率高、模型结构简单、具有很大的实际运用价值，在农业作物叶片病虫害识别领域具有较大的前景。