公开(公告)号：CN114550176A

公开(公告)日：2022-05-27

申请号：CN202210160582.4

申请日：2022-02-22

Applicant: 无锡学院

Inventor： 王兴涛 ,  单慧琳 ,  崔志强 ,  孙佳琪 ,  张银胜

IPC: G06V30/148 ,  G06V10/82 ,  G06N3/08 ,  G06Q50/20

Abstract: 本发明公开了基于深度学习的试卷批改方法，包括：获取写有标准答案的试卷图像P1，采集需要批改的试卷图像P2，并进行预处理；对预处理后的P1和P2分别进行霍夫直线检测，得到答题水平直线位置，进而得到单个题目的答题区域；利用YOLO v3网络提取答题区域中每个验证框的坐标信息及验证框内的数据，进而计算相邻两个验证框之间的距离；对两幅试卷图像中同一个题目序号对应的答题区域中每个数据信息进行比对，统计需要批改的试卷图像中正确题目与错误题目数量；根据需要批改的试卷坐标信息，提取需要批改的试卷对应的学号，将学号与相应试卷上所有题目正确与否存入数据库中。本发明可运用于试卷或者答题卡的选择题、填空题，不受题型以及答题卡格式的限制。

公开(公告)号：CN114495062A

公开(公告)日：2022-05-13

申请号：CN202210094129.8

申请日：2022-01-26

Applicant: 无锡学院

Inventor： 崔志强 ,  张银胜 ,  曹广喜 ,  孙佳琪 ,  王兴涛 ,  单慧琳

IPC: G06V20/58 ,  G06T7/50 ,  G06T17/00 ,  G06N3/04

Abstract: 本发明公开了一种前方路面平整度检测方法，包括：利用单目相机采集车辆前方道路视频流数据，对视频流数据进行抽帧；构建深度残差网络，利用深度残差网络对抽出的帧图像进行深度估计运算，得到深度图；对深度图进行3D重建，获得车辆前方道路的3D云图；根据3D云图，计算车辆前方道路帧图像所拍摄到的其他车辆、障碍物、道路标线以及标识分别与车辆之间的距离，并结合深度图，将像素坐标系转化为世界坐标系；在世界坐标系中通过检验假设方法检测车辆前方道路是否为平面，当车辆前方道路不为平面时，进一步通过检验假设方法检测车辆前方道路是否为坡面。本发明方法可以检测出车辆行驶中前方道路是否为平面或坡面，为车主提供便利和安全。

公开(公告)号：CN114049522A

公开(公告)日：2022-02-15

申请号：CN202111418342.1

申请日：2021-11-26

Applicant: 无锡学院

Inventor： 刘玉柱 ,  单慧琳 ,  王兴涛 ,  张银胜 ,  刘先锋 ,  刘小庆

IPC: G06V10/764 ,  G06V10/774 ,  G06K9/62 ,  G06V10/82 ,  G06F16/951 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/26

Abstract: 本发明涉及一种基于深度学习的垃圾分类系统，属于人工智能领域。该系统包括树莓派控制板、摄像头、PC端显示器和远程服务器，所述摄像头将采集到的垃圾图像信息传输给树莓派控制板，所述树莓派控制板通过X2go和远程服务器之间建立远程连接，所述树莓派控制板与显示器连接，所述树莓派控制板和远程服务器内设置有训练好的卷积神经网络。本发明设计的垃圾分类系统具有较高的识别准确度，通过大量的数据进行训练，并改进网络模型，极大的提高了垃圾分类识别的可靠性。

公开(公告)号：CN120013024A

公开(公告)日：2025-05-16

申请号：CN202510490438.0

申请日：2025-04-18

Applicant: 无锡学院

Inventor： 曹广喜 ,  魏静雯 ,  单慧琳

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F18/213 ,  G06F18/21 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/006 ,  H02J3/00 ,  G06F123/02

Abstract: 本发明提供了一种电力需求预测方法，包括：步骤1，收集电力负荷数据集，进行预处理；步骤2，输入电力负荷数据集，执行冠豪猪优化算法CPO优化变分模态分解VMD算法动态参数；步骤3，建立串行模型xLSTM‑Informer；步骤4，采用Informer模型进行数据预测：将扩展长短期记忆网络xLSTM模型提取的特征输入到Informer模型中进行电力需求预测，输出电力需求预测值与真实值的对比结果；步骤5，对步骤4中得到的电力需求预测模型进行评估。本发明可以灵活处理不同特征的数据，在不同的电力需求场景下都能保持较好的预测性能。

公开(公告)号：CN119942092A

公开(公告)日：2025-05-06

申请号：CN202510421867.2

申请日：2025-04-07

Applicant: 无锡学院

Inventor： 陈昕 ,  单慧琳 ,  张银胜 ,  胡宇翔 ,  王冬冬 ,  王学伟 ,  吴梓杰

IPC: G06V10/25 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/20 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06V20/10

Abstract: 本发明公开了基于WSSRNet的SAR图像船舰小目标检测方法，包括：获取SAR船舰图像数据集并进行预处理；搭建基于WSSRNet的SAR图像船舰检测网络；将训练和验证集输入网络中进行训练，计算损失函数并进行反向传播，得到训练好的最佳参数网络；将测试集输入训练好的最佳参数网络中，输出SAR船舰图像的船舰检测图。本发明通过构建多尺度小波卷积残差模块增强小目标上下文特征提取能力，设计浅层跳跃残差结构提升空间定位精度，并结合形状自适应的边界框回归策略，有效解决SAR图像中船舰小目标因散射效应、噪声干扰导致的漏检与定位偏差问题，在保障实时检测效率的同时显著提升密集场景下小目标的召回率与检测精度。

公开(公告)号：CN119579592A

公开(公告)日：2025-03-07

申请号：CN202510132145.5

申请日：2025-02-06

Applicant: 无锡学院

Inventor： 单慧琳 ,  姜永祺 ,  张银胜 ,  曹广喜 ,  沙子乔 ,  高润泽

IPC: G06T7/00 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/52 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提供了一种基于残差式特征融合网络的风机叶片缺陷检测方法，包括：步骤1，获取风力发电机叶片缺陷多目标数据集和多分类数据集，划分为训练集、验证集和测试集；步骤2，搭建基于残差式特征融合网络RFFNet的风力发电机叶片缺陷检测模型；步骤3，将训练集和验证集中的风力发电机叶片缺陷图像输入至风力发电机叶片缺陷检测模型中训练，获取最佳参数模型；步骤4，将测试集输入到步骤3中训练好的最佳参数模型中，输出风力发电机叶片缺陷图像的精确识别图。本发明所提出的网络在检测风力发电机叶片缺陷，改善误检漏检等方面具有显著优势，有效应对复杂环境以及多目标缺陷检测中存在的问题，并且具有较快的检测速度。

公开(公告)号：CN119559200A

公开(公告)日：2025-03-04

申请号：CN202510132147.4

申请日：2025-02-06

Applicant: 无锡学院

Inventor： 张银胜 ,  罗健伟 ,  单慧琳 ,  曹广喜 ,  吴心悦 ,  孟祥源

IPC: G06T7/11 ,  G06T7/194 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明提供了一种基于频域信息融合的超高分辨率遥感图像分割方法，包括：步骤1，获取Vaihingen、Potsdam遥感数据集；步骤2，搭建融合多元频域信息的超高分辨率遥感图像分割网络；步骤3，将Vaihingen训练集输入超高分辨率遥感图像分割网络中训练，获取最佳参数模型；步骤4，将Vaihingen测试集输入到最佳参数模型中，输出遥感图像的精确分割图；步骤5，将数据集更换为Potsdam训练集、Potsdam验证集和Potsdam测试集，重复步骤3~步骤4的操作。本发明的模型通过引入LKResNet‑18网络，提高了局部分支的感受野和特征表示能力。

公开(公告)号：CN118887406B

公开(公告)日：2025-01-28

申请号：CN202411375916.5

申请日：2024-09-30

Applicant: 无锡学院

Inventor： 张银胜 ,  陈戈 ,  单慧琳 ,  沙子乔 ,  庞树豪 ,  苏睿杰

IPC: G06V10/26 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了基于高低语义信息融合的滑坡图像分割方法，属于滑坡图像处理技术领域。本发明通过构建基于高低语义信息融合的滑坡遥感图像语义分割网络，在网络中通过构建增强全局信息池化模块获取滑坡图像的多尺度信息；在编码器与解码器之间构建了不同特征交互模块从而提升模型的信息交互能力，并通过增强目标信息注意力模块关注图像目标区域特征；设计了多级语义信息融合模块细化图像的边界信息，提高模型对滑坡区域的识别能力，提升模型的分割效果。

公开(公告)号：CN118887406A

公开(公告)日：2024-11-01

申请号：CN202411375916.5

申请日：2024-09-30

Applicant: 无锡学院

Inventor： 张银胜 ,  陈戈 ,  单慧琳 ,  沙子乔 ,  庞树豪 ,  苏睿杰

IPC: G06V10/26 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了基于高低语义信息融合的滑坡图像分割方法，属于滑坡图像处理技术领域。本发明通过构建基于高低语义信息融合的滑坡遥感图像语义分割网络，在网络中通过构建增强全局信息池化模块获取滑坡图像的多尺度信息；在编码器与解码器之间构建了不同特征交互模块从而提升模型的信息交互能力，并通过增强目标信息注意力模块关注图像目标区域特征；设计了多级语义信息融合模块细化图像的边界信息，提高模型对滑坡区域的识别能力，提升模型的分割效果。

公开(公告)号：CN119494961A

公开(公告)日：2025-02-21

申请号：CN202510059627.2

申请日：2025-01-15

Applicant: 无锡学院

Inventor： 张银胜 ,  罗健伟 ,  单慧琳 ,  吴心悦 ,  沙子乔 ,  高润泽

IPC: G06V10/26 ,  G06V10/80 ,  G06V10/774 ,  G06V20/10 ,  G06N3/0464

Abstract: 本发明公开了一种高分辨率遥感图像双分支分割方法，包括：获取高分辨率遥感图像数据集并预处理后，划分为训练集、验证集和测试集；构建高分辨率遥感图像语义分割网络模型，包括细节分支、语义分支以及上采样部分；将训练集输入至高分辨率遥感图像语义分割网络模型中进行训练，计算损失函数并反向传播，更新网络模型参数，获取最佳参数网络模型，并利用验证集对最佳参数网络模型进行验证；将测试集输入到训练好的最佳参数网络模型中，输出高分辨率遥感图像的精确分割图。本发明通过捕获高分辨率遥感图像中不同类型和尺度的目标信息，多层次、多尺度进行特征提取与融合，从而提高高分辨率遥感图像的分割精度。