-
-
公开(公告)号：CN110307842A
公开(公告)日：2019-10-08
申请号：CN201910609361.9
申请日：2019-07-08
Applicant: 常州大学
Abstract: 本发明提供一种用于惯性-地磁组合的快速扩展卡尔曼算法，该算法首先利用三轴加速度计和三轴地磁传感器在每个采样时刻输出的三轴向上的测量值分别构建两个三维矢量，这两个三维矢量分别作为重力加速度矢量和地磁场矢量在载体坐标系下的观测值。随后用上述两个三维矢量构建两个新的空间正交三维矢量。新产生的两个正交矢量最后用于简化卡尔曼增益矩阵。简化后的卡尔曼增益矩阵的性能仍然和原卡尔曼增益矩阵相同，即使得扩展卡尔曼算法保持原有的精度，但是由于避免了逆运算，简化的增益矩阵相当程度地提高了扩展卡尔曼算法的运算速度。
-
公开(公告)号：CN109584301A
公开(公告)日：2019-04-05
申请号：CN201811430186.9
申请日：2018-11-28
Applicant: 常州大学
Abstract: 本发明公开一种非均一颜色果实区域的获取方法，包括图像采集：采集果园果实RGB图像；图像预处理：突出非均一颜色果实中的颜色显著区域；种块区域提取：提取图像果实中的颜色显著区域，作为后续区域生长的种块区域；计算区域框定：框定后续种块区域生长的计算区域；小类别区域划分：将各个除种块以外的计算区域划分为同色、多色和异色小区域；异色小区域细分：将异色小区域近一步细分为同色和多色小区域；种块区域生长：基于种块区域依据位置邻近和纹理相近原则生长合并同色区域，由此获得非均一颜色果实的整个区域。该发明对于像水蜜桃青里泛白、白里透红等非均一颜色类果实区域的获取提供一种有效方法，为其机器人采摘视觉识别奠定基础。
-
公开(公告)号：CN103279762B
公开(公告)日：2016-04-13
申请号：CN201310188346.4
申请日：2013-05-21
Applicant: 常州大学
Abstract: 本发明公开了一种自然环境下果实常见生长形态判定方法，具体包括图像采集步骤，该步骤基于双目视觉实时采集果实图像；目标对象提取步骤，该步骤对采集的图像进行处理，提取出图像中的果实及枝叶；目标对象深度计算步骤，该步骤对目标对象区域采用组合匹配及深度校正模型来获取其深度信息；果实生长形态判定步骤，该步骤中的果实生长形态的判定采用先粗后精的判定方法，最终确定其属于下列哪个类别。对于苹果、柑橘等类果实采摘机器人来说，本发明一种自然环境下果实常见生长形态判定方法能够使其自动完成采集图像中不同生长形态果实的分类，从而可以采用相应方法完成其精确识别。
-
公开(公告)号：CN103314834A
公开(公告)日：2013-09-25
申请号：CN201310228174.9
申请日：2013-06-08
Applicant: 常州大学
IPC: A01G25/16 , G05B19/042
CPC classification number: Y02A40/237
Abstract: 本发明公开了一种基于ARM处理器的绿色家居植物养护控制装置，包括ARM处理器、精准化滴灌系统、智能补光系统、PC机、电源模块、摄像头、触屏液晶显示器、GPRS模块、智能手机终端；精准化滴灌系统、智能补光系统、PC机、摄像头、GPRS模块分别与ARM处理器相连并双向通信，电源模块用于给ARM处理器供电，触屏液晶显示器为ARM处理器自带显示器，智能手机终端与GPRS模块通过GSM网络通讯。本发明使用LED冷光源作为补光灯光源，使得绿色家居植物健康快速生长；装置的系统安全性高、成本低、能实现精准滴灌；可广泛应用于花卉培育、微型蔬菜工厂等绿色家居植物的养护领域。
-
Patent Agency Ranking
公开(公告)号：CN117953280A
公开(公告)日：2024-04-30
申请号：CN202410058197.8
申请日：2024-01-16
Applicant: 常州大学
IPC: G06V10/764 , G06N3/0464 , G06V10/774 , G06V10/40 , G06V20/52 , G06N3/08
Abstract: 本发明涉及图像检测技术领域，尤其涉及一种果园幼果检测及生长角度预测方法及系统，包括采集幼果图像数据；获取伪标签数据；YOLOv8n‑seg网络的backbone采用MobileNetv3结构，利用Conv_BN_HSwish层对图像进行降维，并对十个Bottleneck模块进行改进；neck采用CARAFE上采样特征提取模块；优化边界框损失；采用标注数据和伪标签数据对幼果检测模型进行训练，并利用对幼果图像进行生长角度估算。本发明利用半监督学习通过少量已标注数据和大量未标注数据，提高模型的泛化能力；利用改进YOLOv8n‑seg网络提高幼果的识别率；以及解决现有方法套袋的精准性不足的问题。
-
公开(公告)号：CN113837039B
公开(公告)日：2023-10-24
申请号：CN202111067533.8
申请日：2021-09-13
Applicant: 常州大学
IPC: G06V20/68 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及卷积神经网络技术领域，涉及一种基于卷积神经网络的果实生长形态视觉辨识方法，包括以下步骤：S1、图像采集：采集果园不同形态的果实图像，并对图像进行标注；S2、图像增强：将采集到的图像进行数据增强以扩充数据集；S3、搭建卷积神经网络模型；S4、使用SGD优化器对网络参数进行优化；S5、使用训练完的最优模型对测试集进行检测，给出每个目标的预测框、类别和置信度。本发明基于深度学习技术提出了果实生长形态的辨识方法，该方法与Faster‑RCNN、YOLO算法相比，有更高的识别准确率和更快的识别速度，同时模型参数量也更少。
-
公开(公告)号：CN109584301B
公开(公告)日：2023-05-23
申请号：CN201811430186.9
申请日：2018-11-28
Applicant: 常州大学
Abstract: 本发明公开一种非均一颜色果实区域的获取方法，包括图像采集：采集果园果实RGB图像；图像预处理：突出非均一颜色果实中的颜色显著区域；种块区域提取：提取图像果实中的颜色显著区域，作为后续区域生长的种块区域；计算区域框定：框定后续种块区域生长的计算区域；小类别区域划分：将各个除种块以外的计算区域划分为同色、多色和异色小区域；异色小区域细分：将异色小区域近一步细分为同色和多色小区域；种块区域生长：基于种块区域依据位置邻近和纹理相近原则生长合并同色区域，由此获得非均一颜色果实的整个区域。该发明对于像水蜜桃青里泛白、白里透红等非均一颜色类果实区域的获取提供一种有效方法，为其机器人采摘视觉识别奠定基础。
-
公开(公告)号：CN114842347A
公开(公告)日：2022-08-02
申请号：CN202210580143.9
申请日：2022-05-26
Applicant: 常州大学
Abstract: 本发明涉及卷积神经网络技术领域，尤其涉及一种基于图像渲染的果实生长形态辨识方法，包括采集果实图像；图像数据增强；构建主干网络，并通过自顶向下和自底向上的双向融合网络对主干网络的网络层进行特征融合，从而对图像进行特征提取；构建RPN网络；使用点的表征来进行图像分割，首先选择少量真值点进行预测；其次，对选中的每个点提取逐点特征表示，最后构建一个MLP预测分类；将测试集图像送入训练好的网络模型后进行前向传播。本发明基于深度学习搭建特征提取网络并基于图像渲染的思想来实现果实生长形态的精确辨识，使得采摘机器人能够自动辨识果实生长形态，为进一步对其选用相应的采摘机制奠定基础。
-
公开(公告)号：CN108470165A
公开(公告)日：2018-08-31
申请号：CN201810240802.8
申请日：2018-03-22
Applicant: 常州大学
Abstract: 本发明公开了一种采摘机器人果实视觉协同搜索方法，该方法采用大、小双视场视觉采集系统，其中大视场摄像机安置在机器人移动平台上，用来对果园果树进行全局成像，并对图像进行显著性区域提取，而后利用目标似然度来衡量果实似然目标，去除小区域后由此确定大视场图像中果实目标的大致区域，同时引导机器人靠近果树；小视场摄像机安置在机器人末端执行器所在机械臂上，建立大、小视场图像坐标系，视场图像坐标系与世界坐标系之间的映射关系；在从大视场当前图像中获得的果实目标搜索区域信息以及坐标系映射关系基础上，小视场摄像机区域成像，以此协同搜索果实。该方法类同人眼目标搜索，可避免机器人盲目无序搜索，为后续果实精确识别奠定基础。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.017 seconds)
