一种基于生物图像特征识别的溯源方法和溯源系统

    公开(公告)号:CN112149690A

    公开(公告)日:2020-12-29

    申请号:CN202011049842.8

    申请日:2020-09-29

    Applicant: 厦门大学

    Abstract: 本发明公开了一种基于生物图像特征识别的溯源方法和溯源系统,所述溯源方法包括:训练生物产品在各个形态下的特征提取模型;建立溯源信息数据库,存储生物产品在各个形态下的溯源信息;溯源信息采集:采集第一生物产品图片及产品流动信息,从第一生物产品图片中提取第一生物图像特征,形成溯源信息存储于溯源信息数据库;溯源信息搜索:采集第二生物产品图片,从第二生物产品图片中提取第二生物图像特征,以第二生物图像特征为索引,检索溯源信息数据库,得到与之匹配的生物产品的溯源信息;溯源信息关联:将生物产品前后形态的溯源信息进行关联。该方法可降低现有溯源技术的成本,具有较实体标签更好的保密性及解决实体标签可能丢失的问题。

    一种基于卷积神经网络的水书手写文字识别方法

    公开(公告)号:CN111310868A

    公开(公告)日:2020-06-19

    申请号:CN202010175808.9

    申请日:2020-03-13

    Applicant: 厦门大学

    Abstract: 一种基于卷积神经网络的水书手写文字识别方法,属于文字信息处理技术领域。包括以下步骤:1)进行水书文字数据集准备:将水书影印卷本的原始图片作为样本图片,对样本图片中的文字进行标注,制作数据集;2)进行水书文字数据集增强:为提高模型的鲁棒性,进行图片裁剪以扩增数据量,并加入随机噪声、进行色彩抖动以及PCA抖动对数据进行增强,增加数据样本的多样性,以应对复杂的识别场景;3)实验实施过程:为检验深度学习方法对水书文字识别适用与否,进行实例实验。将深度学习方法运用到水书手写文字的识别上,同时制作了适用于深度学习研究的水书文字数据集,数据集为页面数据集;注重页面图像文字的目标检测。

    一种用于水产育种筛选的称量系统

    公开(公告)号:CN110274673A

    公开(公告)日:2019-09-24

    申请号:CN201910665509.0

    申请日:2019-07-23

    Applicant: 厦门大学

    Abstract: 一种用于水产育种筛选的称量系统,涉及称量仪器系统领域,包括上位机操作系统、下位机称量装置和数据库管理系统;所述下位机称量装置与上位机操作系统连接,下位机称量装置用于对水产品进行称量,并将称量数据实时传输到上位机操作系统;所述上位机操作系统用于将称量数据实时显示并与下位机称量装置进行称量功能的多点操控;所述数据库管理系统与上位机操作系统的输出端连接,数据库管理系统用于对称量数据进行检索筛选。可自动大批量称量水产品,并通过对称量数据和水产品的环境参数进行筛选以得到合适的育种条件。

    一种基于CenterNet的激光视觉焊缝跟踪系统、设备及存储介质

    公开(公告)号:CN114131149B

    公开(公告)日:2022-09-20

    申请号:CN202111598385.2

    申请日:2021-12-24

    Applicant: 厦门大学

    Abstract: 本发明提供一种基于CenterNet的激光视觉焊缝跟踪系统、设备及存储介质,其中,系统包括:工控机与六轴机器人之间通过以太网进行连接,工控机读取六轴机器人的状态参数;工控机与线结构光传感器之间使用USB进行连接,工控机读取图像数据激光视觉焊缝跟踪控制软件安装在工控机中;工控机将读取到的六轴机器人的状态参数和图像数据进行预处理,得到预处理后数据;激光视觉焊缝跟踪控制软件以预处理后数据为输入,得到六轴机器人的运动指令和置信度。本申请避免了对焊缝特征点提取和机器人运动规划这两个问题的割裂。不仅加快了运算速度,提高焊缝跟踪的实时性,同时也加大了优化的空间,从而提高焊缝跟踪的准确性。

    一种鲍鱼体型参数的图像测量方法

    公开(公告)号:CN111724355B

    公开(公告)日:2022-06-14

    申请号:CN202010493461.2

    申请日:2020-06-01

    Applicant: 厦门大学

    Abstract: 一种鲍鱼体型参数的图像测量方法,属于计算机视觉技术领域。通过采集鲍鱼数据集,使用YOLOV3目标检测算法对数据集训练,检测目标鲍鱼和参照物直尺后,裁剪出目标前景。使用canny算子得到鲍鱼边缘,计算其边缘的最小外接矩形框和边缘覆盖的面积。对直尺进行刻度计算,得到像素值和刻度之间的一个比例。将最小矩形长和宽转化为实际长和宽,得到鲍鱼的长和宽。通过长、宽以及鲍鱼所占面积进行特征组合,训练GBDT算法模型,得到鲍鱼体重预测模型,输入检测出的长、宽和面积特征,输出鲍鱼体重。YOLOV3检测出目标后能够结合GBDT模型进行预测。实现自动检测鲍鱼的长度、宽度以及体重,极大地减少人力成本和时间成本。

    一种三维轨迹激光焊接焊缝跟踪姿态规划方法

    公开(公告)号:CN114043087A

    公开(公告)日:2022-02-15

    申请号:CN202111467999.7

    申请日:2021-12-03

    Applicant: 厦门大学

    Abstract: 本发明公开一种三维轨迹激光焊接焊缝跟踪姿态规划方法,其包括步骤:(a)约定TCP坐标系并手眼标定;(b)输入预设轨迹;(c)把传感器特征点坐标由传感器坐标系转换到机器人世界坐标系中;(d)构建参考球面;(e)通过双指针遍历预设轨迹的方式求解参考球面和预设轨迹的交点,获取焊缝特征点处机器人最佳姿态方向向量;(f)结合焊缝类型和姿态方向向量,规划机器人姿态。本发明通过设置预设轨迹,在跟踪采样过程中分析当前采样点和预设轨迹的位置关系提前预测传感器采样点处的机械臂姿态,提供了应用于eye‑in‑hand模式的线激光传感器激光焊接焊缝跟踪系统的实时规划姿态解决方案,可以用于实现多种三维异形轨迹的焊缝跟踪。

    元学习药物-靶点相互作用预测系统及预测方法

    公开(公告)号:CN113140254A

    公开(公告)日:2021-07-20

    申请号:CN202110467829.2

    申请日:2021-04-28

    Applicant: 厦门大学

    Abstract: 元学习药物‑靶点相互作用预测系统及预测方法,涉及药物与靶点相互作用。系统包括知识图谱构建模块、知识图谱特征获取模块和元学习药物‑靶点相互作用预测模型;知识图谱构建模块用于生成以药物和靶点为中心的知识图谱数据集;知识图谱特征获取模块用于学习药物、靶点及其邻域的特征信息;元学习药物‑靶点相互作用预测模型用于利用知识图谱嵌入模块获取的药物和靶点特征来辅助关联预测。通过将知识图谱构建模块生成的知识图谱输入至transR模型中获取节点的特征信息,选择每种关系的少量边输入至神经网络系统中预训练神经网络模型,少量要预测的关系类型的边对神经网络系统微调,学习要预测的关系类型特征信息。性能优异,高稳定,高精度。

    一种鲍鱼体型参数的图像测量方法

    公开(公告)号:CN111724355A

    公开(公告)日:2020-09-29

    申请号:CN202010493461.2

    申请日:2020-06-01

    Applicant: 厦门大学

    Abstract: 一种鲍鱼体型参数的图像测量方法,属于计算机视觉技术领域。通过采集鲍鱼数据集,使用YOLOV3目标检测算法对数据集训练,检测目标鲍鱼和参照物直尺后,裁剪出目标前景。使用canny算子得到鲍鱼边缘,计算其边缘的最小外接矩形框和边缘覆盖的面积。对直尺进行刻度计算,得到像素值和刻度之间的一个比例。将最小矩形长和宽转化为实际长和宽,得到鲍鱼的长和宽。通过长、宽以及鲍鱼所占面积进行特征组合,训练GBDT算法模型,得到鲍鱼体重预测模型,输入检测出的长、宽和面积特征,输出鲍鱼体重。YOLOV3检测出目标后能够结合GBDT模型进行预测。实现自动检测鲍鱼的长度、宽度以及体重,极大地减少人力成本和时间成本。

    一种基于共识嵌入的复杂网络社区发现方法

    公开(公告)号:CN111507506A

    公开(公告)日:2020-08-07

    申请号:CN202010202056.0

    申请日:2020-03-20

    Applicant: 厦门大学

    Abstract: 一种基于共识嵌入的复杂网络社区发现方法,涉及多目标优化技术。包括以下步骤:1)给定最大代数maxgen,粒子群规模pop;2)给定的网络G=(V,E),网络规模为n,进行网络表示学习;3)利用网络表示学习结果,进行粒子群的初始化得到100个粒子POP,迭代次数t=1;4)将POP进行基于共识嵌入的更新、变异;5)停止条件:若满足t≤maxgen,则t←t+1并转向步骤3),否则停止并返回帕累托前沿解,即多个社区划分结果。更新过程更加高效、准确,得到的帕累托前沿效果更有竞争力;提高了社区发现的准确率,同时又有效减少方法的收敛时间,在功能预测、推荐系统等实际应用当中有很好的实用性。

    基于深度学习的鱼类识别方法、介质、终端设备及装置

    公开(公告)号:CN108921058A

    公开(公告)日:2018-11-30

    申请号:CN201810630729.5

    申请日:2018-06-19

    Applicant: 厦门大学

    Abstract: 本发明公开了一种基于深度学习的鱼类识别方法,包括:获取鱼类图片;对有鱼区域进行标定,并生成有鱼区域对应的描述文件,以及将描述文件与鱼类图片进行关联;建立数据集,其中,数据集划分成训练集、验证集和测试集;进行基准模型的训练;将验证集输入基准模型,以生成第一预估结果,并根据第一预估结果调整基准模型的参数,以生成鱼类识别模型;将测试集输入鱼类识别模型,以生成第二预估结果,并根据第二预估结果生成鱼类识别模型的泛化性能评分;以及确定最终鱼类识别模型,并根据最终鱼类识别模型进行鱼类识别。相应地,本发明还公开了一种计算机可读存储介质、终端设备以及基于深度学习的鱼类识别装置,可实现对鱼类信息的精准识别。

Patent Agency Ranking