公开(公告)号：CN109599120B

公开(公告)日：2021-12-07

申请号：CN201811589296.X

申请日：2018-12-25

Applicant: 哈尔滨工程大学

Inventor： 苍岩 ,  王文静 ,  乔玉龙 ,  陈春雨 ,  何恒翔 ,  熊梓奥

IPC: G10L17/26 ,  G10L21/0208 ,  G10L25/18 ,  G10L25/24

Abstract: 本发明公开了一种基于大规模养殖场厂哺乳动物异常声音监测方法，属于声音识别领域，具体涉及一种无监督的声音识别方法。本发明主要包括以下几个部分：1.谱图分析：对采集来的音频进行分析，确定声音识别方案的可行性；2.音频降噪：对音频降噪处理，提高声音识别的准确性；3.无监督音频分割：简化音频处理过程，无需手动切分得到包含所需声音事件的音频段；4.音频特征提取：采用的特征提取技术为Mel频率倒谱系数；5.无监督分类：采用无监督分类方法为K均值算法。本发明通过采用无监督的音频分割技术和K均值的分类方法，结合频谱、时频谱分析技术，音频降噪技术，Mel频率倒谱系数特征提取技术，实现了对大规模养殖场动物无监督的声音识别。

公开(公告)号：CN111105413B

公开(公告)日：2021-05-14

申请号：CN201911407774.5

申请日：2019-12-31

Applicant: 哈尔滨工程大学

Inventor： 苍岩 ,  温佳铮 ,  乔玉龙 ,  陈春雨

IPC: G06T7/00 ,  G06T7/11 ,  G06K9/32 ,  G06K9/62 ,  G01N21/88

Abstract: 本发明属于图像处理领域，具体涉及一种智能火花塞外观缺陷检测系统，包括以下步骤：采集待识别火花塞的外观图像；将采集得到的TIFF格式的图像转换为JPG格式图像；根据火花塞外观缺陷的类型将原图像进行区域分割；针对每一类缺陷，训练集与测试集按照一定比例生成数据集划分目录，根据此目录对采集到的图像进行数据集划分，分为训练集与测试集两部分；根据火花塞表面缺陷评价标准，应用标记工具LabelMe对采集数据进行缺陷标注；本发明利用图像区域分割的方式将多种缺陷类型区域化识别，极大提高了外观缺陷检测的准确率。利用基于GPU的多进程模型加载，一并输出待检测图片的识别结果，提高了外观缺陷检测的效率。

公开(公告)号：CN109377517B

公开(公告)日：2021-04-06

申请号：CN201811216196.2

申请日：2018-10-18

Applicant: 哈尔滨工程大学

Inventor： 苍岩 ,  乔玉龙 ,  陈春雨 ,  付海玲 ,  于德海 ,  李志涵 ,  陈其航

IPC: G06T7/277

Abstract: 本发明公开了一种基于视频追踪技术的动物个体识别系统，属于机器学习领域。基于图像视频处理技术，将多目标追踪思想应用于动物个体识别场景中，通过实时记录圈内各个动物的轨迹位置坐标，实现动物个体识别。在方案具体实施中，将深度学习中的Faster‑RCNN多目标检测模型与传统追踪算法卡尔曼滤波器结合，解决了多目标追踪应用中经常出现的遮挡，轨迹交叉，实时性差等难点问题。利用采集的海量圈养数据模型，训练出基于Faster‑RCNN模型的圈养动物检测模型。本发明能够有效地实现零接触，无应激，在动物个体最自然的状态下实现动物个体识别，并且安装设备可实施性强，具有非常强的实际应用价值。

公开(公告)号：CN109785337A

公开(公告)日：2019-05-21

申请号：CN201811588576.9

申请日：2018-12-25

Applicant: 哈尔滨工程大学

Inventor： 苍岩 ,  陈婵 ,  乔玉龙 ,  陈春雨 ,  何恒翔 ,  李诚 ,  唐圣权

IPC: G06T7/11 ,  G06T7/12 ,  G06K9/62

Abstract: 本发明公开了一种基于实例分割算法的栏内哺乳动物清点方法，属于计算机视觉领域；本发明通过摄像头将栏内哺乳动物的图像采集并发送到工作站中；然后选取目标轮廓清晰的图像，并将图像分为训练集、验证集和测试集，作为数据集用于模型训练；其次通过深度学习的实例分割算法，生成用于测试的分割模型；将测试集图像依次输入训练生成的分割模型，进行预测，输出测试结果和测试效果图；在测试完成后，自动保存测试效果图；最后通过对测试结果中目标边界框进行计数，进而实现对图像中目标数量的清点，本发明利用神经网络训练模型，避免了复杂的图像预处理步骤，有效提高了遮挡目标的识别准确率。

公开(公告)号：CN103327608B

公开(公告)日：2015-12-02

申请号：CN201310273064.4

申请日：2013-07-02

Applicant: 哈尔滨工程大学

Inventor： 赵春晖 ,  许云龙 ,  黄辉 ,  王桐 ,  陈春雨

IPC: H04W64/00 ,  H04B17/318

Abstract: 本发明提供了一种稀疏化节点定位算法。该算法通过网格化感知区域把节点定位问题转化为稀疏信号重构问题。然后，采用LU分解的预处理方法，对观测矩阵进行预处理，使其有效地满足了约束等距性条件。最后，针对稀疏定位模型中，确定的稀疏信号是近似稀疏信号的问题，采用质心算法来提升算法的定位性能。本发明引入压缩感知理论，通过网格化感知区域能把节点定位问题有效地转化为稀疏度为1的N维向量重构问题，有效地挖掘了节点自身的特点来完成节点自定位。

公开(公告)号：CN103327608A

公开(公告)日：2013-09-25

申请号：CN201310273064.4

申请日：2013-07-02

Applicant: 哈尔滨工程大学

Inventor： 赵春晖 ,  许云龙 ,  黄辉 ,  王桐 ,  陈春雨

IPC: H04W64/00 ,  H04B17/00 ,  G01S5/00

Abstract: 本发明提供了一种稀疏化节点定位算法。该算法通过网格化感知区域把节点定位问题转化为稀疏信号重构问题。然后，采用LU分解的预处理方法，对观测矩阵进行预处理，使其有效地满足了约束等距性条件。最后，针对稀疏定位模型中，确定的稀疏信号是近似稀疏信号的问题，采用质心算法来提升算法的定位性能。本发明引入压缩感知理论，通过网格化感知区域能把节点定位问题有效地转化为稀疏度为1的N维向量重构问题，有效地挖掘了节点自身的特点来完成节点自定位。