-
公开(公告)号:CN113269718A
公开(公告)日:2021-08-17
申请号:CN202110406927.5
申请日:2021-04-15
Applicant: 安徽大学
Abstract: 本发明涉及计算机视觉、深度学习技术领域,具体涉及一种基于深度学习的混凝土预制构件裂缝检测方法,该方法包括:采集裂缝图像数据,将采集的裂缝图像样本进行预处理,并对其进行人工标注;将标注后的数据样本进行数据增广,并划分为训练集、验证集和测试集;搭建卷积神经网络模型;对卷积神经网络模型进行训练、验证和测试,以得到最终的算法模型;利用所述的算法模型对待检测的裂缝图像进行检测,得到检测结果。本发明相较于传统的人工检测方法,大大降低了人工成本并且提高了检测的精度。此外,相对于现有的图像处理检测方法,本发明可对高分辨率图像进行检测,具有可操作性强和检测精度较高的优点。
-
公开(公告)号:CN113033700A
公开(公告)日:2021-06-25
申请号:CN202110418099.7
申请日:2021-04-19
Applicant: 安徽大学
Abstract: 本发明适用于生物特征识别技术领域,提供了一种指静脉特征模板保护方法及装置,所述指静脉特征模板保护方法包括:S1、将原始向量和转换后的原始特征向量分别扩列获得特征向量和x∈Rhn;S2、将扩展的原始向量和转化后的原始向量进行合并预处理并获得多维的生物特征矩阵;S3、生成双高斯随机投影矩阵并正交化转换为双高斯随机正交投影矩阵作为外部因子;S4、特征矩阵联合双高斯随机正交投影矩阵运算并展开连接获得一维处理向量;S5、一维处理向量进行不可逆变换获得哈希码;S6、对哈希码采用交叉匹配的方式计算相似度。本发明优点:识别性能稳定,不可逆性高,隐私性好,安全性高。
-
公开(公告)号:CN110516594A
公开(公告)日:2019-11-29
申请号:CN201910796837.4
申请日:2019-08-27
Applicant: 安徽大学
Abstract: 本发明公开了一种指静脉可取消特征模板的保护方法及其保护装置,该方法包括以下步骤:将指静脉图像中各邻域差分进行映射,获取差分激励图;判断指静脉方向,并计算弯曲度,获取几何特征图;差分激励图与几何特征图联合,获取二维特征图,获取两个方向的特征矩阵;对特征矩阵降维,获取特征向量;生成随机数向量,获取随机矩阵;将特征向量联合成特征矩阵,再将特征向量与随机矩阵内积运算,获取可取消模板;将可取消模板投影至同一个子空间,建立目标函数,生成指静脉可取消模板;将指静脉可取消模板匹配,计算测试样本与训练样本的相似度,对测试样本分类。本发明提高识别性能和撤销/可重用性,增加不可逆性、多样性以及安全性。
-
公开(公告)号:CN109657193A
公开(公告)日:2019-04-19
申请号:CN201811546792.7
申请日:2018-12-18
Applicant: 安徽大学
IPC: G06F17/14
Abstract: 本发明公开一种基于信号稀疏表示理论的高精度Gabor时频分析方法。为了求得高精度Gabor时频谱系数,首先解决离散Gabor变换(DGT)最佳窗宽选择问题,在变换系数的高聚集性约束条件下计算不同窗宽对应的变换系数聚集性评估值,从而找出最佳窗宽;其次,解决高聚集性传统DGT系数求解问题,根据变换系数的聚集性与其稀疏性等同关系,并利用信号稀疏表示理论,将高聚集性DGT系数求解问题转换成求其稀疏解的最优化问题,提出该最优化问题的快速求解算法。本发明的研究丰富和完善了Gabor时频分析理论,具有重要的理论意义和应用价值。
-
公开(公告)号:CN108564031A
公开(公告)日:2018-09-21
申请号:CN201810324828.0
申请日:2018-04-12
Applicant: 安徽大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于多模态融合的单幅近红外手掌图像识别方法。首先,采用分块模型去除图像中的掌静脉得到掌纹结构,通过自定义隶属度函数对掌纹结构进行模糊化,再进行反锐化掩模增强,突出掌纹结构信息;然后,使用边缘检测加权引导滤波对掌静脉结构进行增强,突出掌静脉结构;最后,将掌纹和掌静脉图像进行自适应融合。在近红外手掌图像识别中,使用香港理工大学提供的近红外掌纹图像数据库进行对比实验,实验结果显示,相比其他同类方法,本申请的方法具有更高的识别率,达到了99.81%。
-
公开(公告)号:CN106911921A
公开(公告)日:2017-06-30
申请号:CN201710331722.9
申请日:2017-05-12
Applicant: 安徽大学
IPC: H04N9/31
CPC classification number: H04N9/317 , H04N9/3188
Abstract: 本发明公开了一种基于单个摄像机的投影仪红外触控和自动对焦方法,摄像机对准投影画面,能够同时捕获红外光线和可见光线,并具有曝光可调功能。如果进行红外触控,则把摄像机曝光值调至最低,红外笔接触到幕布时发出红外光线,摄像机拍摄到投影画面,计算红外笔尖的位置,并进行坐标校正,从而获取红外笔尖坐标,并向投影仪系统发出控制指令;如果进行自动对焦,则把摄像机曝光值调至正常,驱动调焦马达运转,同时计算投影画面清晰度值,当清晰度值达到最大时,自动对焦完成。基于单个摄像机同时实现了投影仪的红外触控和自动对焦功能,其中红外触控功能不需要使用专用的红外摄像机,实现了红外笔尖坐标值计算和坐标校正;自动对焦时,设置摄像机为正常曝光,抓拍投影画面并计算其清晰度值,实现快速对焦功能。
-
公开(公告)号:CN106656149A
公开(公告)日:2017-05-10
申请号:CN201611217325.0
申请日:2016-12-26
Applicant: 安徽大学
IPC: H03K19/003
Abstract: 本发明公开了一种高性能低开销的单粒子翻转在线自恢复锁存器,通过四组相互反馈的I单元构建高可靠性数据存储反馈环实现对单粒子翻转的在线自恢复。本发明由于分别使用较少的晶体管数目、钟控技术和高速通路技术,降低面积开销、功耗开销,提高电路性能,具有高性能低开销特性。本发明适用于高可靠性的集成电路与系统,可广泛应用于航空航天等对锁存器可靠性及综合开销要求较高的需求领域。
-
公开(公告)号:CN119672029B
公开(公告)日:2025-05-06
申请号:CN202510195359.7
申请日:2025-02-21
Applicant: 安徽大学
IPC: G06T7/00 , G06N3/0464 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明提供一种基于目标检测的预制构件外表缺陷检测分类方法,对YOLOV8深度学习网络模型进行改进,在Backbone网络中将RepGhost瓶颈结构集成到C2f模块中,记为C2f_RepGhost模块;在Neck网络中添加EMA注意力机制模块,并将PAFPN网络结构替换为BiFPN_Concat网络结构;在Head网络中对边界框回归损失函数进行优化。本发明利用上述改进有效提高了对预制构件中外表缺陷的检测效率和精度。
-
公开(公告)号:CN119672717A
公开(公告)日:2025-03-21
申请号:CN202510195361.4
申请日:2025-02-21
Applicant: 安徽大学
IPC: G06V20/70 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于目标检测的构件预埋件的图像识别与定位方法,对YOLOV8深度学习网络模型进行改进,在Backbone网络中添加CBAM注意力机制模块,并将SPPF模块替换为Improve_SPPF模块;在Neck网络中将Conv模块替换成GSConv模块;在Head网络中对边界框回归损失函数进行优化;利用改进的YOLOV8深度学习网络模型对预制构件的平面图像数据集进行预埋件的识别与定位,并利用二维码像素尺寸标定技术标定预埋件中心位置的实际坐标。本发明利用上述改进有效提高了对预制构件中线盒及预埋管等预埋件的识别效率和精度,并实现对预埋件的精准定位。
-
公开(公告)号:CN115054272B
公开(公告)日:2025-01-07
申请号:CN202210893898.4
申请日:2022-07-27
Applicant: 安徽大学
IPC: A61B5/369 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种面向运动障碍功能重塑的脑电信号识别方法及系统。识别方法包括以下步骤:S1:设置采样周期,获取多个脑电信号;S2:对脑电信号预处理并提取训练集;S3:将训练集中的脑电信号分为不重叠的时间窗口,计算每个时间窗口的皮尔逊系数,获取时域脑功能连接;S4:根据时域脑功能连接和空间域信息建立脑部生物拓扑模型;S5:提取特定频段范围内的初始特征,校准后训练集上的特征作为输入特征;S6:根据输入特征和脑部生物拓扑模型构造可学习图卷积神经网络模型,输出预测标签。本发明通过充分融合时‑频‑空域的脑电信息,学习更具有鉴别性的运动想象特征,使得模型在训练过程中合理优化电极关系,提高了脑电信号识别的准确率。
-
-
-
-
-
-
-
-
-