公开(公告)号：CN113392701B

公开(公告)日：2024-04-26

申请号：CN202110504527.8

申请日：2021-05-10

Applicant: 南京师范大学

Inventor： 沈世斌 ,  谢非 ,  汪壬甲 ,  章悦 ,  张亮 ,  杨继全 ,  刘丛昊 ,  李群召 ,  张瑞 ,  凌旭

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于YN‑Net卷积神经网络的输电线路障碍物检测方法，包括如下步骤：基于输电线路巡检机器人搭载的ZED双目摄像头采集输电线路障碍物图像；对采集到的输电线路障碍物图像进行预处理并制成数据集；搭建YN‑Net卷积神经网络，对YN‑Net卷积神经网络进行充分训练，得到训练好的YN‑Net卷积神经网络模型；使用YN‑Net卷积神经网络模型对采集到的输电线路障碍物实时图像进行分类，根据输入图像中存在障碍物与不存在障碍物的概率值来判断输电线路巡检机器人前方是否存在障碍物。本发明能够提升卷积神经网络的实时性与可靠性，解决了目前输电线路障碍物检测算法准确率不高，实时性不好等问题，并且具有很高的可移植性，可应用于嵌入式开发平台，应用前景广泛。

公开(公告)号：CN112818871B

公开(公告)日：2024-03-29

申请号：CN202110153554.5

申请日：2021-02-04

Applicant: 南京师范大学

Inventor： 谢非 ,  张瑞 ,  章悦 ,  杨继全 ,  施梦臣 ,  凌旭 ,  杨嘉乐 ,  李群召 ,  刘丛昊

IPC: G06V20/40 ,  G06V20/52 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于半分组卷积的全融合神经网络的目标检测方法，包括：搭建半分组卷积模块；搭建全融合神经网络；获取电梯厢内目标物的数据集；将数据集中的图像按比例随机分为训练数据集和测试数据集，并对训练数据集图像中的目标物和人进行标注，生成标签文件，将训练数据集全部图像及标签文件输入全融合神经网络进行训练，得到训练好的权重文件；获得检测到的目标物和人在图像中的位置及检测置信度；筛选出可信的目标，去除重复的目标框，判断目标物是否已经进入电梯厢。本发明在保证特征提取的质量同时，有效减少了卷积运算的参数量，提高了计算速度；具有模型轻量、目标检测速度快、准确率高的优点，可应用在性能有限的嵌入式设备上。

公开(公告)号：CN113392701A

公开(公告)日：2021-09-14

申请号：CN202110504527.8

申请日：2021-05-10

Applicant: 南京师范大学

Inventor： 沈世斌 ,  谢非 ,  汪壬甲 ,  章悦 ,  张亮 ,  杨继全 ,  刘丛昊 ,  李群召 ,  张瑞 ,  凌旭

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于YN‑Net卷积神经网络的输电线路障碍物检测方法，包括如下步骤：基于输电线路巡检机器人搭载的ZED双目摄像头采集输电线路障碍物图像；对采集到的输电线路障碍物图像进行预处理并制成数据集；搭建YN‑Net卷积神经网络，对YN‑Net卷积神经网络进行充分训练，得到训练好的YN‑Net卷积神经网络模型；使用YN‑Net卷积神经网络模型对采集到的输电线路障碍物实时图像进行分类，根据输入图像中存在障碍物与不存在障碍物的概率值来判断输电线路巡检机器人前方是否存在障碍物。本发明能够提升卷积神经网络的实时性与可靠性，解决了目前输电线路障碍物检测算法准确率不高，实时性不好等问题，并且具有很高的可移植性，可应用于嵌入式开发平台，应用前景广泛。