-
公开(公告)号：CN118617635A
公开(公告)日：2024-09-10
申请号：CN202410762203.8
申请日：2024-06-13
Applicant: 杭州电子科技大学
IPC: B29B17/02
Abstract: 本发明公开了一种近红外多波长窄带面状发光装置及动态塑料分类方法；该发光装置包括外壳、扩散结构和多个不同波长的红外激光二极管。所述的扩散结构固定在外壳侧部的出光口上。各红外激光二极管均朝向扩散结构。所述的扩散结构采用一层扩散膜或层叠设置的多层扩散膜。工作过程中，各红外激光二极管逐个或同时发光，扩散结构将红外激光二极管发射的点状光进行扩散，获得目标波长的面状光。本发明使用多个红外激光二极管与扩散膜相结合；激光二极管具有窄带宽、高响应速度的特点，扩散膜将激光二极管发出的窄带点状光扩散为面状光；通过多个不同波长的红外激光二极管先后发光，即可使得本发明提供的发光装置发出多种不同波长的窄带面状光。
-
公开(公告)号：CN116597332A
公开(公告)日：2023-08-15
申请号：CN202310685870.6
申请日：2023-06-09
Applicant: 杭州电子科技大学
IPC: G06V20/17 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种基于无人机的茶树嫩芽检测方法，包括S1、拍摄包含茶树嫩芽的图像，并建立茶树嫩芽数据集；S2、构建Nanodet‑Tea轻量化茶树嫩芽识别模型；S3、应用步骤S1建立的茶树嫩芽数据集对Nanodet‑Tea轻量化茶树嫩芽识别模型进行训练，所述Nanodet‑Tea轻量化茶树嫩芽识别模型训练时加入训练辅助模块AGM并配合动态的软标签分配策略DSLA加速模型收敛；损失函数函数由Classification Cost，Regression Cost以及Distance Cost组成；S4、将通过步骤S3训练好的Nanodet‑Tea轻量化茶树嫩芽识别模型部署至嵌入式芯片；S5、建立图像传输系统，将图像实时传输到嵌入式芯片上进行检测，并将检测结果同步到显示设备上。该方法满足模型对嫩芽的高精度检测与轻量化的要求，实现使用搭载深度学习模型的无人机对茶树嫩芽进行精准检测。
-
公开(公告)号：CN114708208A
公开(公告)日：2022-07-05
申请号：CN202210298555.3
申请日：2022-03-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于机器视觉的名优茶嫩芽识别与采摘点定位方法，具体步骤如下：步骤一、制作名优茶嫩芽的原始数据集；步骤二、原始数据集训练，训练结束后将所得的参数固化成模型并输出；步骤三、获取名优茶嫩芽的测试图像，将测试图像输入至步骤二中输出的模型，并输出测试图像中茶叶嫩芽的预测框和二维掩膜信息；步骤四、获取二维掩膜信息中不同连通域面积，计算最大连通域的最小外接矩形，获得最小外接矩形旋转角度，将最小外接矩形旋转角度作为芽轴方向，沿芽轴切线方向获取下刀角度；步骤五、沿芽轴自下而上2％的位置作为采摘点。使用实例分割算法通过模型学习像素间深层特征直接输出嫩芽的掩膜区域，茶芽边缘提取准确。
-
公开(公告)号：CN113984862A
公开(公告)日：2022-01-28
申请号：CN202111158416.2
申请日：2021-09-28
Applicant: 杭州电子科技大学
IPC: G01N27/327 , G01N27/49
Abstract: 本发明涉及一种内置式植物信息微纳监测装置，本发明解决现有技术有破坏性、或装置复杂、无法长期监测的问题，其技术方案要点包括装置主体、微控制器、电源模块、通信模块、检测模块以及保护层；所述电源模块将环境中的温差、摩擦与振动转化为电势能储存于超级电容器中，超级电容器为微控制器和通信模块供电；检测模块包括分子印迹修饰的纳米探针，分子印迹修饰的纳米探针将被测信息转化为电信号发送给微控制器,微控制器对接收到的信号进行处理和计算，得出检测值，并通过通信模块连续发送给PC端，实现植物信息的实时监测；微控制器、电源模块、通信模块、检测模块封装在装置主体中，装置主体的外部表面涂覆有保护层。
-
公开(公告)号：CN107069413B
公开(公告)日：2019-11-12
申请号：CN201710387907.1
申请日：2017-05-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了硒化铅量子点作为饱和吸收体的锁模光纤激光器。基于饱和吸收体的被动锁模光纤激光器的应用日趋广泛，但现有的量子点饱和吸收体大多采用块状结构，耦合效率低，与光纤激光器兼容困难。本发明包括泵浦源、波分复用器、增益光纤、输出耦合器、滤波器、光纤饱和吸收体以及连接光纤。光纤饱和吸收体由掺杂硒化铅量子点的玻璃光纤组成。泵浦源采用带多模尾纤的半导体激光器。增益光纤采用掺镱光纤或掺铒光纤或掺铥光纤。所述的连接光纤采用单模光纤。本发明具有比同组分块状材料更强的三阶非线性光学效应和更快的时间响应，且能够与锁模光纤激光器兼容。
-
Patent Agency Ranking
公开(公告)号：CN107830816B
公开(公告)日：2019-10-18
申请号：CN201711237728.6
申请日：2017-11-30
Applicant: 杭州电子科技大学
IPC: G01B11/24
Abstract: 本发明公开了一种应用于植物盆栽的三维激光扫描方法。由于植物有大量的叶子，导致尖锐处较多，常规扫描装置进行扫描时易出现坏点，扫描精度较低。本发明采用的扫描装置包括工作台、机架、第一转盘、第二转盘、滑轨、滑块、第一同步带轮、第一同步带、激光传感器、扫描台、第一电机、驱动组件和第三电机。第一转盘、第二转盘分别支承在机架的两端。第一转盘及第二转盘的轴线共线且水平设置。扫描台固定在工作台上。扫描台的顶面与第一转盘及第二转盘的轴线的平齐设置。本发明能够自动完成盆栽扫描和模型建立，且建立的模型能够完整还原盆栽的形状，避免盆栽的尖锐边四周对应的扫描数据出现大量坏点。
-
公开(公告)号：CN119206782A
公开(公告)日：2024-12-27
申请号：CN202411257016.0
申请日：2024-09-09
Applicant: 杭州电子科技大学平湖数字技术创新研究院有限公司
IPC: G06V40/10 , G06V10/143 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0495
Abstract: 本发明公开了一种基于激光增强的虫害自动分类识别方法及系统。首先根据不同虫害的反射波段，选择合适的分类波长；使用虫害自动分类识别相机系统采集虫害图像，构建不同激光波长下的虫害数据集，使用虫害自动分类识别模型对虫害进行分类测试，不断调整与优化模型，确定最优激光波长；最后使用相机系统采用最优激光波长增强后拍摄待检测虫害图像，输入到训练完成的模型实现虫害自动分类识别。本发明将光谱技术与深度学习图像识别技术结合应用于虫害的识别与分类任务中，创新性地解决了虫害外形差异小、特征不明显区分困难的技术难题。该发明可以帮助用户更加高效地统计不同红海的数量，绘制虫情曲线，实时掌握虫害数量发展动态，为制定精确的防治策略提供了数据支持。
-
公开(公告)号：CN115965617B
公开(公告)日：2024-12-10
申请号：CN202310041105.0
申请日：2023-01-12
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06V10/80 , G06N20/20 , G06N3/0464 , G06N3/08 , G06V10/764
Abstract: 本发明公开了一种基于集成学习的消化道内镜检查辅助系统；该系统包括数据获取模块、识别模块、预警模块和图像采集控制模块。数据获取模块连接至内镜检查设备，实时接收内镜检查设备采集的消化道图像，并将消化道图像输送至识别模块。识别模块通过异常分析模型实时判断消化道图像中是否存在疑似目标。预警模块用于在识别模块检测到疑似目标时发出预警信号，使得内镜检查设备增加发现疑似目标的区域的图像采集数量。本发明在内镜检查设备采集消化道图像的同时，对所得消化道图像进行实时分析，从而增加消化道中存在异常风险较高的区域的图像采集数量，提高了内镜检查设备采集图像的针对性，有助于提高医生对消化道图像的分析效率。
-
公开(公告)号：CN118697294A
公开(公告)日：2024-09-27
申请号：CN202411205946.1
申请日：2024-08-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种口腔舌体多模态成像及检测系统。该成像系统包括公共光路和三个收发光路；三个收发光路分别为OCT收发光路，拉曼收发光路和多光谱收发光路；所述的公共光路包括第一长波通二向色滤光片，第二长波通二向色滤光片，X‑Y扫描振镜和聚焦透镜；本发明使用两片长波通二向色滤光片形成波长范围互不相交的三个光线分支；从而将OCT采集、拉曼光谱采集、多光谱光谱采集的光信号整合在同一光路中，进而实现了OCT图像、拉曼光谱图像、多光谱图像的同时采集，提高了多模态数据采集的效率；并消除了多次重复采集中引入的误差，提高了多模态融合识别的准确性。同时也省去了多模态数据融合使用时的图像匹配操作。
-
公开(公告)号：CN117876773A
公开(公告)日：2024-04-12
申请号：CN202410048232.8
申请日：2024-01-12
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V20/60 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于EfficienNetV2S的虫害细粒度识别方法，包括如下步骤：S1、收集农业昆虫图像，并预处理得到数据集；S2、构建细粒度分类模型，所述细粒度分类模型以EfficienNetV2‑S为主干网络，在EfficienNetV2‑S中带有SE注意力模块的MBConv模块嵌入一个多尺度注意力EMA模块，记为EMA‑MBConv；S3、将预处理后的数据集作为输入训练细粒度分类模型；S4、获取待识别的图像经预处理后，通过完成训练的细粒度分类模型进行昆虫分类。该方法解决实际农业中害虫种类多，背景复杂，类内差异大，类间差异小且数据分布不平衡导致害虫分类准确率低的问题。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.023 seconds)
