-
公开(公告)号:CN117292216A
公开(公告)日:2023-12-26
申请号:CN202310400563.9
申请日:2023-04-14
申请人: 淮阴工学院
IPC分类号: G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08
摘要: 本发明公开了一种基于GS_YOLOv7的火灾检测方法,包括改进了模型Backbone与Head部分,引入了Shuffle Attention Module;引入了GSConv模块;在Head层中引入VoVGSCSP module;在训练策略方面,将YOLOv7网络模型CBS模块改进为效率更高的CBF模块;将模型损失函数改为EIoU loss,一张640*640的特征图输入到网络的Backbone层,经过CBF,E‑ELAN以及MP模块后输出三张不同的特征图,将20*20*1024大小的特征图输入到Head层经过VoVGSCSP module中可提高网络的推理速度,特征图经过GSConv模块,模型可以提取更加丰富的语义信息,在特征提取后的非线性激活阶段,Funnel激活函数增强了模型的空间感知能力,引入了EIoU loss使得模型的收敛速度更快。本发明通过优化模型结构,引入新的激活函数和损失函数,提高了模型的效率和泛用性。
-
公开(公告)号:CN117275041A
公开(公告)日:2023-12-22
申请号:CN202311286008.4
申请日:2023-09-28
申请人: 淮阴工学院
IPC分类号: G06V40/10 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/096
摘要: 本发明公开了一种基于迁移学习和改进YOLOv5电力工人安全帽佩戴检测方法,具体包含以下步骤:构建施工场景下的安全帽佩戴检测数据集A,构建电力作业场景下的安全帽佩戴检测数据集B;改进电力作业场景下安全帽佩戴检测模型YOLOv5,将YOLOv5主干网络替换为基于动态卷积ODConv的ODConv_MobileNetv2主干网络,提取小目标安全帽特征信息效率大幅上升并减少额外的计算量参数;在颈部网络结构中,添加基于跨空间学习的高效多尺度注意力EMA模块,减少参数量的同时提升小目标安全帽佩戴检测的精度;采用一种基于最小点距离的IoU损失MPDIoU作为改进YOLOv5的损失函数,本发明可以提升小样本电力作业场景数据集下的小目标安全帽佩戴检测精度,降低电力作业场景下的安全帽佩戴检测漏检和误检问题。
-
公开(公告)号:CN116961771A
公开(公告)日:2023-10-27
申请号:CN202310948243.7
申请日:2023-07-31
申请人: 淮阴工学院
IPC分类号: H04B10/548 , H04B10/516 , G06N3/0464
摘要: 本发明公开了一种基于OAM的信息编解码方法,包括进行OAM编码,不同OAM模式光强分布与编码相对应;生成OAM光束,根据模式编码方式将相位掩码加载到系统加载模块SLM并转化为不同OAM光束;将生成OAM光束引入不同气流强度大气湍流中,获得大气湍流随机畸变相位;通过自适应校正系统对大气湍流随机畸变相位进行校正;基于CNN设计卷积神经网络对校正后的OAM光束图像进行识别。本发明主要利用OAM模式的单模式和叠加模式的方法,增强了在识别光强图像时的抗干扰能力;通过使用相位补偿和卷积神经网络(CNN)相结合的解码或模式识别方法,提高解码的准确率。
-
公开(公告)号:CN115016276B
公开(公告)日:2023-06-30
申请号:CN202210694611.5
申请日:2022-06-17
申请人: 淮阴工学院
发明人: 金婷婷 , 秦源汇 , 冯凯宇 , 吴卿 , 王超 , 丁娅迅 , 张鑫宇 , 马从国 , 周恒瑞 , 秦小芹 , 柏小颖 , 王建国 , 马海波 , 周大森 , 金德飞 , 黄凤芝 , 李亚洲 , 丁晓红 , 叶文芊
IPC分类号: G05B13/04
摘要: 本发明公开了智能水分调节与环境参数物联网大数据系统,系统由环境与水分参数监控平台和环境参数检测与水分调节子系统两部分组成,环境与水分参数监控平台实现对环境与水分参数检测,环境参数检测与水分调节子系统实现对环境与水分参数处理和水分调节;本发明有效解决了现有水分检测与调节没有根据环境参数变化的非线性、大滞后和环境面积大参数变化复杂等对水分含量的影响,没有对水分参数进行预测和对水分进行精确调节,从而极大的影响水分的精确精确、调节和智能化管理问题。
-
公开(公告)号:CN114418183B
公开(公告)日:2023-01-17
申请号:CN202111563281.8
申请日:2021-12-20
申请人: 淮阴工学院
IPC分类号: G06Q10/04 , G06Q50/02 , G01K13/00 , A01K29/00 , A01K45/00 , G06N3/045 , G06N3/043 , G06N3/048 , G06N3/084 , G06F18/214 , G06F18/27 , G16Y10/05 , G16Y20/00 , G16Y40/10 , G16Y40/20 , G06F123/02
摘要: 本发明公开了一种畜禽健康体征大数据物联网检测系统,其特征在于:所述检测系统包括参数采集与控制平台和畜禽体温大数据智能预测子系统两部分,实现对被测量畜禽体温的精确检测和预测;本发明有效解决了现有畜禽体征参数检测系统没有根据畜禽环境面积大、畜禽环境参数和畜禽体征参数变化的非线性、大滞后等变化复杂等对畜禽体征参数的影响,没有对畜禽体征参数进行精确检测与预测,从而极大的影响畜禽健康和畜禽管理问题。
-
公开(公告)号:CN113030518A
公开(公告)日:2021-06-25
申请号:CN202110249378.5
申请日:2021-03-08
申请人: 淮阴工学院
IPC分类号: G01Q60/24 , C04B35/26 , C04B35/622
摘要: 本发明公开了一种铁电陶瓷的周期性条带畴结构分析方法,属于微纳表征技术领域,该方法包括以下步骤:使用高电压高压强方法制备铁酸铋陶瓷,切成薄片(板)并抛光,通过原子力显微镜表征其形貌;运用矢量压电力显微镜表征纳米铁电陶瓷中的周期性条带畴,采用精细的矢量压电力显微术分析方法确定其三维畴结构。通过本发明给出的铁电陶瓷制备方法,可用于非挥发的、高密度的铁电随机存取存储器;同时,提供的表征方法能够准确给出周期性条带畴的三维畴结构,提出了一种识别陶瓷样品中极化翻转类型的方法,为高密度的铁电存储器件开发及表征检测提供方案;推动具有周期性畴结构的铁酸铋陶瓷的制备工艺发展以及批量化生产。
-
公开(公告)号:CN116822165B
公开(公告)日:2024-09-20
申请号:CN202310668729.5
申请日:2023-06-07
申请人: 淮阴工学院
IPC分类号: G06F30/20 , G06F17/16 , G02B6/02 , G06F111/10
摘要: 本发明公开了一种补偿环形光纤内凹损伤破坏轨道角动量模式的方法,包括以下步骤:步骤1:建立模型分析环形光纤凹陷性损伤对OAM模式传输的影响;步骤2:分析环芯厚度和环芯半径对环形光纤凹陷性损伤的抵抗能力;步骤3:在环芯内层和外层包裹补偿层,建立双层夹心补偿结构,并对补偿结果分析。本发明提出了对环形光纤的凹陷性损伤进行补偿的方法,利用双层夹心补偿结构有效地减少奇偶模之间的折射率差,提高L2π。
-
公开(公告)号:CN116819675B
公开(公告)日:2024-08-23
申请号:CN202310877983.6
申请日:2023-07-17
申请人: 淮阴工学院
IPC分类号: G02B6/02
摘要: 本发明公开了一种光子晶体光纤,由内向外依次包括中心气孔、环芯和包层,包层包括间距为环芯厚度1~2倍的第一层结构、第二层结构、第三层结构;环芯的外表面紧密排列第一层结构,第一层结构为圆周阵列分布的空气孔;第二层结构、第三层结构包括空气孔、空气层中的一种或多种,空气层的圆心角为0~180°。第二层结构包括空气孔和空气层,第三层结构包括空气孔和空气层,第二层结构中的空气层与第三层结构中的空气层相差180°。第一层结构的空气孔为圆孔。圆孔的直径与环芯厚度相同。本发明没有改动纤芯,对结构强度的影响较小,不仅能够不保证光纤的结构稳定性,还能在显著提升模式质量,具有低约束损耗,有利于光纤的远距离传输。
-
公开(公告)号:CN117372890A
公开(公告)日:2024-01-09
申请号:CN202311418503.6
申请日:2023-10-27
申请人: 淮阴工学院
IPC分类号: G06V20/13 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q10/0635 , G06Q50/26
摘要: 本发明公开了一种基于GLNet的弱云雾遥感图像火灾风险等级预测方法。所述方法包括如下步骤:收集各种遥感图像;按照火灾风险等级将收集的图像进行分类,对分类后图像使用多尺度随机噪声的和来生成弱云雾图像;对数据集进行预处理;将数据集按照比例分成训练集和测试集;构建GLNet模型,模型包含Global Encoder全局特征编码器模块、Local Encoder局部特征编码器模块与SVM分类器;对测试集中弱云雾遥感图像进行预测与验证,对比传统CNN,本发明提出的GLNet模型分类准确率更高,鲁棒性更强,自适应能力更强,能够高效的学习图像中的全局和局部的特征,为弱云雾天气下的火灾风险等级预测提供了一种高效可靠的方法。
-
-
-
-
-
-
-
-