-
公开(公告)号:CN111611924A
公开(公告)日:2020-09-01
申请号:CN202010437569.X
申请日:2020-05-21
Applicant: 东北林业大学
Abstract: 本发明公开了一种基于深度迁移学习模型的蘑菇识别方法,将基于深度学习的迁移学习与蘑菇识别相融合,通过迁移学习经典模型后,挑选精确率最高模型并对其进行模型调整,提取图像数据中的向量特征得到识别结果。本发明保留图像背景等环境因素实验得到95.1%的精确率,同时通过混合矩阵图像说明了对于每类蘑菇识别率均达到了较高的水平,可以说明迁移学习对不同复杂环境处理,模型鲁棒性强的优势。本发明对提取特征进行不同维度的数据降维处理,同时引入多种机器学习方法进行分类。从训练模型时间参数与验证集精确率参数对结果进行对比分析,保证了实验对比的多样性与图像识别的可靠性。
-
公开(公告)号:CN114359387B
公开(公告)日:2024-09-27
申请号:CN202210009676.1
申请日:2022-01-06
Applicant: 东北林业大学
IPC: G06T7/73 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进YOLOV4算法的袋料栽培香菇检测方法,包括:搭建改进YOLO v4网络,训练改进YOLO v4网络以及香菇图像检测。改进后的YOLO v4算法使用深度可分离卷积,去掉分类损失,重新构建损失函数;在PANet结构部分增加一条预测特征图传递路径,并在路径中嵌入具有残差边的注意力机制模块R_cbam,使之能够快速的在一组特征图中找到关键特征区域,并使之权值加重,用于预测。通过改进,该算法能够使检测精度得以提升而算法参数量大大降低,从而更好的为机械采摘提供视觉算法支持。
-
公开(公告)号:CN116362836A
公开(公告)日:2023-06-30
申请号:CN202310327360.1
申请日:2023-03-30
Applicant: 东北林业大学
IPC: G06Q30/0601 , G06N3/042 , G06N3/0442 , G06N3/045 , G06F18/2431
Abstract: 本发明公开了一种基于用户行为序列的农产品推荐方法,包括:(1)用长短期记忆网络和注意力网络相结合组成深度兴趣网络,以此来捕获物品的潜在特征;(2)构建用户‑商品二部图;(3)利用图神经网络提取图数据的连接信息对每个节点的影响,并更新节点的嵌入式表示,以获取用户的潜在特征;(4)将两种潜在特征通过多层感知机得到待推荐农产品的购买概率。(5)进一步提取和利用了用户行为序列中的用户深度兴趣,并将其融合深度兴趣网络进行推荐。相比于从同类使用图神经网络提取节点嵌入式表达的算法,更适用于大规模稀疏网络;本发明提出的模型对农产品推荐任务更有效果。
-
公开(公告)号:CN115880581A
公开(公告)日:2023-03-31
申请号:CN202211718990.3
申请日:2022-12-30
Applicant: 东北林业大学
IPC: G06V20/10 , G06K17/00 , G06F16/2455
Abstract: 本发明公开了一种基于人工智能的苗圃验收方法,包含以下步骤:通过无人机对苗圃内高大苗木进行图片采集,通过摄像头对生长在温室内的苗木进行图片采集,通过自动循迹拍照小车对苗圃内高度较低的苗木花卉进行图片采集,通过深度学习算法对采集到的图片进行处理,通过扫描二维码对苗木的状况进行了解并验收,通过苗圃验收APP对不同种类苗木的生长状况做出反映。本发明所提供的基于人工智能的苗圃验收方法,解决了苗圃苗木验收的难题,提高了苗木验收的效率和精准度。
-
公开(公告)号:CN115690543A
公开(公告)日:2023-02-03
申请号:CN202211397472.6
申请日:2022-11-09
Applicant: 东北林业大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06V10/77 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于改进Xception算法的葡萄叶片病害识别方法,包括:(1)制作训练数据集。(2)搭建改进的Xception网络,主要改进为:使用ELU激活函数替换Xception算法的原激活函数,加快收敛速度,避免了神经元死亡的问题,使网络可以学习更多的特征,通过引入通道注意力机制SE模块,提高模型的识别性能,改进全连接层,使用全局最大池化层替换全局平均池化层,提高模型对葡萄病斑特征的提取。(3)使用数据增强库imgaug对制作的数据集进行数据增强处理,以模拟现实复杂的拍摄情况。(4)将改进后的模型在大型图像分类数据集ImageNet上进行充分地预训练,将学习到的参数作为网络的初始参数在制作的葡萄病害数据集上微调训练。通过改进,该算法相对于原始Xception模型能够保持更高的精度,参数量较少,从而使得模型能够在移动端进行部署。
-
公开(公告)号:CN114821480A
公开(公告)日:2022-07-29
申请号:CN202210509561.9
申请日:2022-05-10
Applicant: 东北林业大学
Abstract: 本发明公开了一种可调节算法计算参数量的监控视频人物跟踪方法。包括:(1)制作训练数据集。(2)搭建改进的GhostNet‑YOLOX网络,主要改进为:使用GhostNet方法替换YOLOX算法原卷积结构,通过调整压缩比k,控制压缩算法计算参数量,以适应不同算力的处理器,训练GhostNet‑YOLOX网络以及实现视频人物位置信息预测。(3)输入监控行人视频,对视频分帧图片使用自适应伽马变换进行亮度均衡处理,降低或提升过亮或过暗图片的亮度,增强算法的识别率。(4)使用DeepSort算法调用改进后的GhostNet‑YOLOX训练模型,输出预测结果,实现人物跟踪。通过改进,该算法能够保持较好的精度,并提供不同的计算参数量版本,从而更好地在移动设备上进行部署。
-
公开(公告)号:CN102663991B
公开(公告)日:2014-04-09
申请号:CN201210143213.0
申请日:2012-05-10
Abstract: 一种乐器共鸣板振动特性的检测方法与装置属于乐器检测测试领域;该方法将琴弦固定在乐器共鸣板上,利用拨杆来拨动琴弦,所述拨杆为受到一定外力即发生弯曲或折断的材料制成,拨动琴弦时所述拨杆发生弯曲或折断后,完成一次拨动周期;该装置包括支架,所述支架上铰接有转轴,所述转轴表面固定有拨杆固定装置,所述拨杆固定装置上安装有拨杆;利用本发明进行弦乐琴弦的音质检测和判断,不仅方法简单实用,而且装置结构简单,便于操作,可以实现给琴弦提供均匀力激励,降低对检测者的要求、提高检测效率。
-
公开(公告)号:CN217774861U
公开(公告)日:2022-11-11
申请号:CN202221648392.9
申请日:2022-06-28
Applicant: 东北林业大学
Abstract: 本方案一种木质板材表面缺陷自动分选装置,包括壳体、第一传送带、第二传送带、分拣组件、视觉识别装置、底板、支撑组件和带动板,所述第二传送带设于壳体内的底部一侧上,所述第一传送带设于壳体内一侧上;本实用新型属于板材生产技术领域,具体是指一种通过视觉识别装置方便识别木质板材表面缺陷,通过第一传送带传送无缺陷木质板材,通过第二传送带传送有缺陷木质板材,通过移动组件方便将表面缺陷木质板材推动出第一传送带,进而实现方便分拣的作用,提高分选效果,通过支撑组件方便调整装置水平,避免放置不稳定,通过水平尺显示当前水平度,通过通过喷雾器和喷雾头方便进行喷雾,避免干燥导致自燃的木质板材表面缺陷自动分选装置。
-
公开(公告)号:CN206378441U
公开(公告)日:2017-08-04
申请号:CN201720041716.5
申请日:2017-01-14
Applicant: 东北林业大学
IPC: G01N23/02
Abstract: 本实用新型涉及一种木材生长轮智能检测装置,其组成包括:山地轮胎(1)、电池箱、螺杆、摄像头,其特征是:所述的山地轮胎(1)安装在承重板(2)上,所述的承重板(2)的顶面尾端放置电池箱(3),所述的电池箱(3)的上方设置电机盒Ⅰ(4),所述的电机盒Ⅰ(4)内装入电机Ⅰ(5),所述的电机Ⅰ(5)的输出轴上连接联轴器Ⅰ(6),所述的联轴器Ⅰ(6)上连接螺杆Ⅰ(7),所述的螺杆Ⅰ(7)的上端设置螺套Ⅰ(8),所述的螺套Ⅰ(8)上安装两个相对设置的摄像头(9);本实用新型用于生长轮的智能检测。
-
公开(公告)号:CN202600890U
公开(公告)日:2012-12-12
申请号:CN201220244622.5
申请日:2012-05-29
Applicant: 东北林业大学
IPC: G08B17/00
Abstract: 一种基于图像的嵌入式森林火灾监测预警系统,涉及一种森林火灾监控系统。目的是针对目前森林火灾远程监测系统工作效率低的问题,提供一种基于图像的嵌入式森林火灾监测预警系统。本实用新型它包括CCD摄像机、视频解码芯片、嵌入式微处理器、GPRS模块、复位键和晶振;CCD摄像机的图像输出端接视频解码芯片的图像输入端,视频解码芯片的输出端接嵌入式微处理器的输入端,嵌入式微处理器通过串行口1与GPRS模块连接;复位键的复位信号输出端连接嵌入式微处理器的复位信号输入端;晶振的时钟信号输出端连接嵌入式微处理器的时钟信号输入端。广泛适用于各地林区防火监测。
-
-
-
-
-
-
-
-
-