-
公开(公告)号：CN114998238B
公开(公告)日：2024-08-27
申请号：CN202210577050.0
申请日：2022-05-25
申请人： 燕山大学 , 唐山惠唐物联科技有限公司 , 河钢集团有限公司
IPC分类号： G06T7/00 , G06T7/246 , G06V10/762 , G06V10/80 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种基于深度学习的板坯实时检测及宏跟踪方法，属于连铸生产过程信息化领域，包括：结合现场辊道实际，分区段安装若干个摄像头拍摄整个辊道；采集连铸板坯传输线运行图像，并进行板坯、天车的标注；使用标注的数据集训练改进YOLOV5模型得到用于板坯检测的优化模型；用板坯检测模型对现场辊道上的各板坯进行实时检测，并将板坯检测结果配合多目标跟踪算法生成各板坯的跟踪ID；将板坯调度系统中的板坯号与该跟踪ID进行匹配，实现板坯在全部摄像头下的实时检测及宏跟踪，并能识别板坯的上下线。本发明能够实现连铸板坯在辊道上的实时检测和宏跟踪，解决板坯运动过程中信息丢失等问题，为连铸连轧高效生产奠定了坚实基础。
-
公开(公告)号：CN114998238A
公开(公告)日：2022-09-02
申请号：CN202210577050.0
申请日：2022-05-25
申请人： 燕山大学 , 唐山惠唐物联科技有限公司 , 河钢集团有限公司
摘要： 本发明公开了一种基于深度学习的板坯实时检测及宏跟踪方法，属于连铸生产过程信息化领域，包括：结合现场辊道实际，分区段安装若干个摄像头拍摄整个辊道；采集连铸板坯传输线运行图像，并进行板坯、天车的标注；使用标注的数据集训练改进YOLOV5模型得到用于板坯检测的优化模型；用板坯检测模型对现场辊道上的各板坯进行实时检测，并将板坯检测结果配合多目标跟踪算法生成各板坯的跟踪ID；将板坯调度系统中的板坯号与该跟踪ID进行匹配，实现板坯在全部摄像头下的实时检测及宏跟踪，并能识别板坯的上下线。本发明能够实现连铸板坯在辊道上的实时检测和宏跟踪，解决板坯运动过程中信息丢失等问题，为连铸连轧高效生产奠定了坚实基础。
-
公开(公告)号：CN113177970B
公开(公告)日：2022-07-19
申请号：CN202110489264.8
申请日：2021-04-29
申请人： 燕山大学
IPC分类号： G06T7/246 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82
摘要： 本发明提供一种基于自适应特征融合的多尺度滤波目标跟踪方法，涉及目标跟踪技术领域。所述方法包括以下步骤：初始化网络模型，读取视频获取多个图像帧；目标位置预测，首先选取目标周围图像块，提取VGG‑19网络层特征与CN特征，将CN特征广播后与VGG‑19网络conv2‑2层特征直接串联融合，三层特征分别通过分类器进行分类，滤波模型输出响应，最后由粗到细利用经验权重加权融合响应评估目标位置，更新目标滤波器参数。本发明利用VGG19网络的分层特征结合颜色属性CN特征，进行滤波分别输出响应，以最大响应为基准，由粗到细加权融合响应评估目标位置。OPE检测结果表明，在目标变形、光照变化、运动模糊、平面旋转几个方面，方法可靠，精度高。
-
公开(公告)号：CN113156351B
公开(公告)日：2022-05-06
申请号：CN202110572061.5
申请日：2021-05-25
申请人： 燕山大学
摘要： 本发明涉及基于DTI(DiffusionTensorImaging，弥散张量成像)和血清因子的脑损伤标志物分析系统，该系统包括DTI扫描模块，血清检测模块以及数据处理模块，该系统按照以下方式控制:首先对空腹抽取的静脉血，采用酶联免疫吸附测定法检测血清炎症因子水平；然后，进行DTI扫描，将采集的图像进行图像处理与数据分析，得到FA和ADC的变化数据；利用最小二乘法将血清炎症因子水平参数和磁共振扩散成像所得的FA值、ADC值归一化，再定义符号函数，将符号函数的结果作为医生分析及制定下一步的检测方案的一种参考。
-
公开(公告)号：CN112669282A
公开(公告)日：2021-04-16
申请号：CN202011592476.0
申请日：2020-12-29
申请人： 燕山大学
IPC分类号： G06T7/00
摘要： 本发明涉及一种基于深度神经网络的脊柱定位方法，属于计算机视觉跟踪技术领域，包括以下步骤：A、采用传统特征提取模块提取传统通用特征；B、采用医学特征提取模块提取专门的医学影像特征；C、采用定位模块对传统特征提取模块和医学特征提取模块提取的特征进行处理，得到锥体与椎间盘的具体位置；D、将上述模块组成系统，采用多任务损失分别对定位网络Ｉ和定位网络Ⅱ进行单独训练，且两个网络训练采用的定位标签以及医学影像图片相同。本发明融合了传统深度网络可使用预训练模型的特点以及医学影像特征提取网络的少样本学习的特点，并引入新的损失函数以及相应的标签制作方法，并使用多任务损失，从而提升了脊柱定位的精度以及鲁棒性。
-
公开(公告)号：CN113256680A
公开(公告)日：2021-08-13
申请号：CN202110523935.8
申请日：2021-05-13
申请人： 燕山大学
IPC分类号： G06T7/246
摘要： 本发明涉及一种基于无监督学习高精度的目标跟踪系统，包括图像采集模块，用于视频图像的获取；跟踪模块，包括跟踪器1和跟踪器2，用于获得图像的特征和目标矩形框；选择模块，包括两层全连接层和softmax层，所述全连接层包括线性全连接层和Relu激活函数；将待选跟踪器的特征图和跟踪器结果作为输入，通过选择器输出最好的跟踪结果。本发明通过两个不同跟踪器得到结果经选择器判断得到最优结果输出，在后续帧中继续跟踪，以适应不同场景下的目标跟踪，而且结构简单，能够有效提高跟踪精度和鲁棒性。
-
公开(公告)号：CN113156351A
公开(公告)日：2021-07-23
申请号：CN202110572061.5
申请日：2021-05-25
申请人： 燕山大学
摘要： 本发明涉及基于DTI(DiffusionTensorImaging，弥散张量成像)和血清因子的脑损伤标志物分析系统，该系统包括DTI扫描模块，血清检测模块以及数据处理模块，该系统按照以下方式控制:首先对空腹抽取的静脉血，采用酶联免疫吸附测定法检测血清炎症因子水平；然后，进行DTI扫描，将采集的图像进行图像处理与数据分析，得到FA和ADC的变化数据；利用最小二乘法将血清炎症因子水平参数和磁共振扩散成像所得的FA值、ADC值归一化，再定义符号函数，将符号函数的结果作为医生分析及制定下一步的检测方案的一种参考。
-
公开(公告)号：CN113143292A
公开(公告)日：2021-07-23
申请号：CN202110573839.4
申请日：2021-05-25
申请人： 燕山大学
IPC分类号： A61B5/369
摘要： 本发明提供一种基于EEG和血清炎症因子分析的脑损伤标志物分析系统，其包含：脑电信号拾取模块、血清检测模块和数据处理模块，该系统按照以下方式控制：首先对脑电信号预处理，分别计算8组导联的慢波系数和近似熵的比值a，根据表达式Sump＝a1+a2+…+a8，(p＝1、2)求出慢波系数Sum1值和近似熵的Sum2值，并根据加权平均法归一化为Sum值的范围；然后抽取受试者的空腹静脉血，采用酶联免疫吸附测定法检测血清炎症因子水平，根据加权平均法求解W值的范围。上述数据用于后续医生制定检测轻微脑损伤的一种参考。
-
公开(公告)号：CN113143292B
公开(公告)日：2023-05-23
申请号：CN202110573839.4
申请日：2021-05-25
申请人： 燕山大学
IPC分类号： A61B5/369
摘要： 本发明提供一种基于EEG和血清炎症因子分析的脑损伤标志物分析系统，其包含：脑电信号拾取模块、血清检测模块和数据处理模块，该系统按照以下方式控制：首先对脑电信号预处理，分别计算8组导联的慢波系数和近似熵的比值a，根据表达式Sump＝a1+a2+…+a8，(p＝1、2)求出慢波系数Sum1值和近似熵的Sum2值，并根据加权平均法归一化为Sum值的范围；然后抽取受试者的空腹静脉血，采用酶联免疫吸附测定法检测血清炎症因子水平，根据加权平均法求解W值的范围。上述数据用于后续医生制定检测轻微脑损伤的一种参考。
-
公开(公告)号：CN112669282B
公开(公告)日：2023-02-14
申请号：CN202011592476.0
申请日：2020-12-29
申请人： 燕山大学
IPC分类号： G06T7/00
摘要： 本发明涉及一种基于深度神经网络的脊柱定位方法，属于计算机视觉跟踪技术领域，包括以下步骤：A、采用传统特征提取模块提取传统通用特征；B、采用医学特征提取模块提取专门的医学影像特征；C、采用定位模块对传统特征提取模块和医学特征提取模块提取的特征进行处理，得到锥体与椎间盘的具体位置；D、将上述模块组成系统，采用多任务损失分别对定位网络Ｉ和定位网络Ⅱ进行单独训练，且两个网络训练采用的定位标签以及医学影像图片相同。本发明融合了传统深度网络可使用预训练模型的特点以及医学影像特征提取网络的少样本学习的特点，并引入新的损失函数以及相应的标签制作方法，并使用多任务损失，从而提升了脊柱定位的精度以及鲁棒性。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.05 秒)
