-
公开(公告)号：CN110969608A
公开(公告)日：2020-04-07
申请号：CN201911205181.0
申请日：2019-11-29
Applicant: 华侨大学 , 福建南方路面机械有限公司
Abstract: 本发明公开了一种基于图像法的机制砂级配修正系统，包括图像预处理模块、颗粒轮廓提取模块、级配计算模块、粒形计算模块和级配修正模块；所述图像预处理模块将原始的机制砂图像转化二值图像；颗粒轮廓提取模块从二值图像中提取各个颗粒的轮廓形状；级配计算模块处理所有机制砂颗粒轮廓，得到机制砂的原始级配参数；粒形计算模块处理所有机制砂颗粒轮廓，得到机制砂的粒形参数；级配修正模块根据粒形参数对原始级配参数进行修正，得到最终级配测量结果。本发明一种基于图像法的机制砂级配修正系统能够对图像法的级配检测结果进行修正，修正后，其级配检测精度符合工程实际要求，有效提升检测效率和检测精度。
-
公开(公告)号：CN108940920A
公开(公告)日：2018-12-07
申请号：CN201810805405.0
申请日：2018-07-20
Applicant: 华侨大学 , 福建南方路面机械有限公司
Abstract: 本发明涉及一种基于应力波检测实现物料分拣的装置，其包括传送带、机械手、控制器和物料盒，所述控制器连接机械手，所述机械手安装在所述传送带侧边并悬置在所述传送带上方；所述机械手的一侧安装有应变片，所述应变片连接控制器。本发明通过机械手夹取物料时应变片对不同物料所产生的不同电阻变化，再由控制器检测该电阻变化并形成相应的应变波，从而获知当前夹取的物料类型，并控制机械手将物料放至相应的物料盒中，完成物料分类。该装置在进行物料分类时的精度高、速度快，且不受物料表面特征以及光线影响。
-
公开(公告)号：CN108889636A
公开(公告)日：2018-11-27
申请号：CN201810804096.5
申请日：2018-07-20
Applicant: 华侨大学
Abstract: 本发明涉及一种基于机械手触觉分类识别物料的方法，利用不同物料的碰撞变形特性及变形恢复特性有所区别，使得机械手在夹取物料的瞬时加速度波形因物料类型而不同的特性，通过在机械手抓取物料，并采集机械手抓取物料时的加速度信息，形成加速度波形，将该加速度波形与数据库中的加速度波形匹配，从而获取机械手此时抓取的物料的种类，接着机械手根据意识别处物料种类规划移动路径，将物料放入分类盒中，完成物料分类。本发明在进行物料分类时的分类精度高、速度快，且不受物料表面特征以及光线影响，局限性小。
-
公开(公告)号：CN114429573B
公开(公告)日：2024-09-06
申请号：CN202210022048.7
申请日：2022-01-10
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/22 , G06V10/46 , G06V20/70 , G06V20/10 , G06F16/51 , G06F16/55 , G06F16/583
Abstract: 一种基于数据增强的生活垃圾数据集生成方法，包括：将生活垃圾分作若干批次，并且分批将生活垃圾稀疏放置在传送带上；进行彩色图和高度图的图像采集；利用高度图中物体的轮廓信息和高度信息，对彩色图进行自动标注；以没有生活垃圾的纯传送带背景作为图片模板，将N个物体随机粘贴到图像模板上，生成第一批生活垃圾数据集A1；使用A1对模型进行训练；使用训练好的模型对未标注的生活垃圾数据集D进行预测；带有伪标签的数据集作为图像模板，对A1进行数据增强生成第二批生活垃圾数据集A2；合并A1和A2，形成合并生活垃圾数据集B1。本发明可以生成大量的生活垃圾数据集，快速高效地扩充生活垃圾数据集，有助于模型的训练，提高生活垃圾识别的准确率。
-
公开(公告)号：CN117218446A
公开(公告)日：2023-12-12
申请号：CN202311254505.6
申请日：2023-09-27
Applicant: 华侨大学
IPC: G06V10/764 , G06V10/58 , G06V10/54 , G06V10/80 , G06V10/77 , G06V10/762 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于RGB‑MSI特征融合的固废分选方法及系统，涉及光谱特征分析和深度学习模型优化领域，方法包括以下步骤：S1，获取高光谱数据集；S2，获取多光谱特征波段；S3，获取多光谱数据集；S4，构建双主干网络YOLO模型；S5，获取RGB‑MSI预测模型；S6，固废检测分选。本发明采用RGB和MSI融合思想，充分利用RGB纹理颜色信息和光谱材质信息，实现更准确的固废识别；对采集的高光谱数据采用改良AP聚类算法自适应寻找最佳的光谱特征波段，去除冗杂信息；双主干网络模型采用中期特征融合的方式，把RGB图像特诊和多光谱特征有效结合在一起，增加模型的检测精度，该融合方法不仅适用于目标检测模型，在实例分割模型中也可以使用。
-
Patent Agency Ranking
公开(公告)号：CN113554068B
公开(公告)日：2023-10-31
申请号：CN202110758660.6
申请日：2021-07-05
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种实例分割数据集的半自动标注方法、装置及可读介质，通过分别对实例分割模型和图像分类模型进行训练；使用训练好的实例分割模型对图像数据集合中的第一数据集进行预测，得到第一预测结果，基于第一预测结果确定每张图像中包含单个物体的图像，将单个物体的图像输入训练好的图像分类模型，得到第二预测结果，将单个物体的第一预测结果与第二预测结果进行对比，根据比对结果人工纠正每张图像中的单个物体的第一种类和掩膜，得到伪标签实例分割数据集；将人工实例分割数据集和伪标签实例分割数据集混合作为实例分割数据集，对实例分割模型重新训练，得到最终的实例分割模型。本方法使用少量的人工标注数据，成本低并具有较高的精度。
-
公开(公告)号：CN109046963B
公开(公告)日：2023-10-31
申请号：CN201810923084.4
申请日：2018-08-14
Applicant: 华侨大学
Abstract: 本发明公开了物料分选技术领域的一种基于物料疏密分布来降低风选能耗的装置及方法，包括物料输送展示装置，所述物料输送展示装置的上方由前向后依次设置了分散下料的进料装置和图片收集装置，本发明通过控制图片收集装置能够更加准确的收集到混合物料的疏密程度，根据收集的疏密程度图片进行分析，然后通过物料疏密处理装置控制风机的风力强弱，可以有效的降低能耗，并且在混合物料分布过于密集的时候加大风力，使混合物料的分选效果更佳，在混合物料分布稀疏或者没有的情况，降低或者停止风机的风力，在正常情况时，调整到正常风力，使风选风力强弱更加多样化，更加符合实际需求。
-
公开(公告)号：CN114120057A
公开(公告)日：2022-03-01
申请号：CN202111320510.3
申请日：2021-11-09
Applicant: 华侨大学
IPC: G06V10/774 , G06K9/62 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于PaddleDetection的混淆矩阵生成方法，包括：在PaddlePaddle平台下运用PaddleDetection目标检测开发套件训练目标检测网络；获取有标注的测试数据集，分为两个文件夹，一个文件夹放json文件，另一个放对应的图片文件，并得到真实的目标物体外接矩形框；运用infer.py图片文件进行预测，得到预测标签；得出预测修正得到的矩形检测框；将真实矩形框与预测修正得到的矩形检测框进行循环匹配，将统计得到的值记录在矩阵上；创建excle表格，将记录的矩阵填充到excle表格中，绘制出用于评价模型实际应用效果的混淆矩阵，本发明方法能通过目标检测网络预测的检测框与实际的目标检测框进行匹配，绘制在混淆矩阵上，以便对于模型各个种类的识别结果进行统计研究，优化网络模型的训练方法。
-
公开(公告)号：CN113731836A
公开(公告)日：2021-12-03
申请号：CN202110891690.4
申请日：2021-08-04
Applicant: 华侨大学
Abstract: 本发明提供了一种基于深度学习的城市固体废弃物在线分选系统，包括：输送带、图像采集系统、工控机、分选执行机构；所述输送带用于散布并输送城市固体废弃物物料，由进料口向图像采集系统及分选执行机构方向输送；所述图像采集系统位于输送带上方，于分选执行机构间隔一定距离；所述分选执行机构位于输送带末端；上述的基于深度学习的城市固体废弃物在线分选系统，相对于国内普遍使用的城市固体废弃物人工分选方法，本分选系统效率高、持续工作时间长、可显著改善工人工作环境，实现分选自动化。
-
公开(公告)号：CN113486937A
公开(公告)日：2021-10-08
申请号：CN202110719485.X
申请日：2021-06-28
Applicant: 华侨大学
IPC: G06K9/62 , G06F16/51 , G06F16/583 , G06F16/587 , G06N3/04 , G06N3/08
Abstract: 一种基于卷积神经网络的固废识别数据集构建系统，包括数据集采集模块，用于采集包括彩色信息和空间信息的固废图像集，以及用于采集包括高度信息的固废图像集，并将两种类型的图像集进行同步匹配处理，获得包括彩色信息、空间信息和高度信息的固废图像集；数据集标注模块，用于生成固废识别所需数据集。本发明通过数据集采集模块以及数据集标注模块，可以快速有效地构建并扩充废识别数据集，从而有助于卷积神经网络模型的训练，进一步提升固废识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.021 seconds)
