公开(公告)号：CN115100468A

公开(公告)日：2022-09-23

申请号：CN202210713969.8

申请日：2022-06-22

Applicant: 中北大学

Inventor： 兰艳亭 ,  郭译凡 ,  陈晓栋 ,  王田 ,  王瑞峰 ,  谷乐 ,  王浩楠 ,  刘宇雄

IPC: G06V10/764 ,  G06V10/50 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及复杂环境下植物叶片病害检测和分类领域，具体为基于Vision Transformer模型的植物叶片病害检测分类方法，本方法以Vision Transformer模型进行特征提取和利用全连接层神经网络作为分类器对植物叶片病害识别分类。本发明通过采用新型Vision Transformer作为特征提取器，全连接网络作为分类器，搭配病害数据库，实现了以下目的：（1）对摄像机采集到原始图像，利用经典数字图像算法对原始图像经行预处理操作，提高送入网络图像数据的可检测性以及最大限度的简化数据；（2）使用新型视觉Transformer网络模型，针对高相似性和高复杂度的实际环境，实现较高的植物叶片病害检测准确度；（3）将检测结果和数据库内的数据经行比对分析，输出可能性最大的两个检测结果。

公开(公告)号：CN113600499A

公开(公告)日：2021-11-05

申请号：CN202110795784.1

申请日：2021-07-14

Applicant: 中北大学

Inventor： 兰艳亭 ,  张希宽 ,  郭译凡 ,  王田 ,  张波

IPC: B07C5/10 ,  B07C5/36

Abstract: 本发明公开了蔬果分拣技术领域的罗汉果分拣机器人，包括分拣平台、电控机械臂、K210从控模块、OV5640摄像头和STM32主控模块，K210从控模块信号连接有OV5640摄像头、STM32主控模块的串口、SD卡和LCD，STM32主控模块信号连接有KEY按键、K210从控模块的串口、微信小程序模块、电源适配器、LED和电控机械臂，STM32主控模块采用STM32F103C8T6作为主控芯片及其加载电路，采用OV5640摄像头，并辅以照明灯构成图像采集系统，使用K210从控模块搭载MobilenetV1模型作为图像处理系统，使用STM32主控模块控制数字舵机群来构成电控机械臂的运动控制系统，通过微信小程序模块、LED显示、LCD展示来实时反馈控制系统的状态，利用打开机械臂将不同规格的罗汉果分拣至分类箱内，该系统整体智能化程度高，具有市场推广前景。

公开(公告)号：CN115049879B

公开(公告)日：2025-02-11

申请号：CN202210712444.2

申请日：2022-06-22

Applicant: 中北大学

Inventor： 兰艳亭 ,  郭译凡 ,  陈晓栋 ,  王田 ,  谷乐 ,  王瑞峰 ,  刘宇雄 ,  王浩楠

IPC: G06V20/10 ,  G06V10/774 ,  G06V10/32 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及复杂环境下植物叶片病害检测和分类领域，具体为基于卷积的Swin Transformer植物叶片病害程度和种类的识别与分类方法，在网络模型中，采用window based self‑attention、shifted window self‑attention、residual structure and Convolutional Block保证网络可以高效的学习图像信息。将Convolutional Swin Transformer模型单独在两类数据集下分别训练得到两个模型，这两个模型可以分别识别植物病害程度、分类植物病害种类。本发明利用深度学习的特性，不需要人工提取图像特征，只需要将图像数据送入模型中训练，计算机就可以学习到数据集内的植物叶片病害特征，通过这些特征的学习可以准确的识别植物病害种类和程度。

公开(公告)号：CN115049879A

公开(公告)日：2022-09-13

申请号：CN202210712444.2

申请日：2022-06-22

Applicant: 中北大学

Inventor： 兰艳亭 ,  郭译凡 ,  陈晓栋 ,  王田 ,  谷乐 ,  王瑞峰 ,  刘宇雄 ,  王浩楠

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/32 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及复杂环境下植物叶片病害检测和分类领域，具体为基于卷积的Swin Transformer植物叶片病害程度和种类的识别与分类方法，在网络模型中，采用window based self‑attention、shifted window self‑attention、residual structure and Convolutional Block保证网络可以高效的学习图像信息。将Convolutional Swin Transformer模型单独在两类数据集下分别训练得到两个模型，这两个模型可以分别识别植物病害程度、分类植物病害种类。本发明利用深度学习的特性，不需要人工提取图像特征，只需要将图像数据送入模型中训练，计算机就可以学习到数据集内的植物叶片病害特征，通过这些特征的学习可以准确的识别植物病害种类和程度。

公开(公告)号：CN214795953U

公开(公告)日：2021-11-19

申请号：CN202121466252.5

申请日：2021-06-30

Applicant: 中北大学

Inventor： 张波 ,  兰艳亭 ,  郭译凡 ,  王田 ,  陈婷

IPC: G06K9/00

Abstract: 本实用新型涉及人脸识别技术领域，且公开了一种基于普通摄像机图像的人脸识别装置，包括识别装置和摄像头，识别装置包括框架、调节装置和清理装置，框架中端安装有调节装置，调节装置正面上端安装有清理装置；框架底端设置有基座，基座内部安装有重力块，重力块顶端设置有限定装置，调节装置两侧设置有导杆，导杆外围套接有套管，调节装置正面设置有显示屏，显示屏与套管之间安装有支撑杆。该基于普通摄像机图像的人脸识别装置，通过框架的正面中端两侧安装有导杆，通过支撑杆与套管之间同步，在上下滑动套管的时候能够带动显示屏，根据个人身高调整显示屏与使用者之间的高度，能够使得该装置达到高度可调节的效果。