-
公开(公告)号：CN118351601B
公开(公告)日：2025-05-20
申请号：CN202410513939.1
申请日：2024-04-26
Applicant: 浙江工业大学
IPC: G06V40/40 , G06V10/44 , G06T7/136 , G06V10/25 , G06V10/764
Abstract: 本发明涉及图像处理和指纹活体防伪技术领域，特别涉及一种基于散斑方差的光学相干层析成像的手指活体防伪方法。本发明通过B‑scan扫描获取样本的时序B‑scan图像；对时序B‑scan图像进行特征区域提取，保留感兴趣区域；使用散斑方差技术去除时序B‑scan图像中静止的结构信息的干扰，提取其中的活体信息，经过阈值分割，去除残留的无效信息；将阈值分割的结果与设定的活体阈值进行比较，得出样本的活体防伪结果。本发明运行速度快，不会增加额外的计算负担，且具有高度的通用性和灵活性。
-
公开(公告)号：CN119470390B
公开(公告)日：2025-04-01
申请号：CN202510047999.3
申请日：2025-01-13
Applicant: 浙江工业大学
IPC: G01N21/65 , G06N3/0499 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于神经网络的拉曼光谱自动调节与重建方法，应用于拉曼光谱系统，所述基于神经网络的拉曼光谱自动调节与重建方法包括：按照预设的第一温度、预设的第一积分时间、预设的第一增益和预设的第一偏置采集得到第一拉曼光谱信号。本基于神经网络的拉曼光谱自动调节与重建方法通过自动调节模型，自动调节积分时间、偏置和增益，无需手动操作，有效提升了拉曼光谱系统的动态范围和信噪比，使弱拉曼光谱信号更容易被识别，增强了检测灵敏度，也提升了检测的动态范围；并且自动调节模型中通过对宽度模块与深度模块的加权，提升了自动调节模型输出的准确性和灵活性。
-
公开(公告)号：CN118980673B
公开(公告)日：2025-03-14
申请号：CN202411232274.3
申请日：2024-09-04
Applicant: 浙江工业大学
IPC: G01N21/65 , G16C20/20 , G16C20/70 , G06F18/213 , G06F18/24 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于拉曼光谱的物质成分检测方法，包括获取待检测物质的拉曼光谱信号，并进行基线矫正得到矫正后的拉曼光谱信号；采用分类网络对矫正后的拉曼光谱信号进行分类得到待检测物质的类别；根据待检测物质所属的类别找出对应官能团的特征峰波段，并从拉曼光谱信号中将该特征峰波段分割出，然后将剩余的拉曼光谱信号按预设长度进行分割得到对应的小块波段；本基于拉曼光谱的物质成分检测方法通过分类出待检测物质的类别，然后根据所属类别对应的官能团的特征峰波段对待检测物质的成分进行识别，同时按照完整的官能团信息对拉曼光谱信号进行分割，保持了信号的完整性，提升了分类的精度。
-
公开(公告)号：CN118781018B
公开(公告)日：2025-02-14
申请号：CN202411239305.8
申请日：2024-09-05
Applicant: 浙江工业大学
IPC: G06T5/73 , G06T5/50 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的红外图像辅助图像去雾方法，包括获取待去雾的有雾图像和对应的红外图像。在图像去雾模型中引入红外图像进行辅助去雾，使得在极端条件下也能表现出很好的去雾效果，同时在图像去雾模型中将红外图像作为雾霾密度相关的先验信息，引入了Transformer模块与改进的CNN网络结合提取特征，Transformer可以提取包含烟雾密度的全局特征信息，与CNN网络提取的局部特征信息互补，提高去雾性能；图像去雾模型的注意力模块中设计通道注意力和空间注意力，通道注意力帮助模型更好地关注图像中的重要特征通道，从而提高模型的准确性，空间注意力帮助模型更好地关注图像中的重要区域，进而提高去雾性能。
-
公开(公告)号：CN119292379A
公开(公告)日：2025-01-10
申请号：CN202411804796.6
申请日：2024-12-10
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于MFAC的高精度高功率拉曼光源激光器温控系统，包括分别与拉曼光源激光器电连接的主控模块、恒流驱动电路和恒温控制模块，其中：拉曼光源激光器，包括位于壳体内的泵浦源、TEC和热敏电阻。本基于MFAC的高精度高功率拉曼光源激光器温控系统通过采集热敏电阻的阻值，并获取得到对应的实际温度，将实际温度与期望温度进行对比，计算PWM占空比并将对应的PWM波信号作为TEC驱动电路的输入，来驱动TEC的制冷工作或不工作，使得拉曼光源激光器在不同环境下的工作温度保持稳定，进而实现对拉曼光源激光器的温度控制；且采用MFAC算法能更好地满足拉曼光源激光器温度控制高精度、低时滞的需求。
-
Patent Agency Ranking
公开(公告)号：CN118552988A
公开(公告)日：2024-08-27
申请号：CN202410993925.4
申请日：2024-07-24
Applicant: 浙江工业大学
IPC: G06V40/12 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于OCT的内部指纹快速提取方法，包括采集内部指纹数据，且内部指纹数据包括预设数量的输入帧，将各输入帧划分为第一类帧、第二类帧、第三类帧或第四类帧，其中第一类帧属于第二类帧的一种，对所有输入帧设置索引值。本方法无需每个输入帧都需要经过分割模型进行计算得到分割结果，第二类帧在通过分割模型计算分割结果时，无需通过骨干网络提取第二特征块和第三特征块，直接采用最新的第一类帧经过骨干网络输出得到的该最新第一类帧的第二特征块和第三特征块进行代替，因此省去提取时间，加快了分割计算速度，同时第三类帧直接采用第二类帧的分割结果进行重建，无需采用分割模型进行计算，进而实现内部指纹的快速提取。
-
公开(公告)号：CN118196843A
公开(公告)日：2024-06-14
申请号：CN202410255382.6
申请日：2024-03-06
Applicant: 浙江工业大学
Abstract: 本发明涉及指纹图像匹配技术应用领域，特别涉及一种基于图神经网络的OCT指纹匹配方法。本发明包括采集OCT指纹三维体数据并得到表皮指纹图像和映射汗孔位置；将表皮指纹图像进行组合，得到真对和假对；以每个映射汗孔位置为中心裁剪ROI区域，为每个ROI区域构建一个局部特征；根据ROI区域的局部特征，为每张表皮指纹图像构建一张特征表示图；构建孪生图神经网络嵌入匹配模型并进行训练，利用损失函数更新模型参数；利用训练好的孪生图神经网络嵌入匹配模型得到匹配分数。本发明在不忽略手指表皮信息的同时，结合OCT指纹中蕴含的丰富的皮下信息完成指纹匹配工作，有助于抵抗外部指纹的磨损以及测量时手指形变带来的影响。
-
公开(公告)号：CN118135616A
公开(公告)日：2024-06-04
申请号：CN202410262213.5
申请日：2024-03-07
Applicant: 浙江工业大学
IPC: G06V40/12 , G06T7/40 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了一种基于无监督低光照非接触式指纹增强方法和装置，首先构建并训练无监督低光照非接触式指纹增强网络模型，所述无监督低光照非接触式指纹增强网络模型包括图像分解模块和纹理增强模块；然后非接触式采集指纹图像，输入到图像分解模块，获取指纹图像的光照分量、反射分量和噪声分量；最后重建反射分量，并将重建后的反射分量作为纹理增强网络模块的输入，获得纹理增强后的反射分量，对光照分量进行伽马变换，然后与纹理增强后的反射分量相乘，重建指纹图像。本发明提高非接触式指纹的照度，同时更加关注指纹的纹理结构，从而使增强后的指纹图像边缘区域纹理更加明显。
-
公开(公告)号：CN117972383A
公开(公告)日：2024-05-03
申请号：CN202311663205.3
申请日：2023-12-06
Applicant: 浙江工业大学 , 杭州海康威视数字技术股份有限公司
IPC: G06F18/213 , G06F18/20 , G01N21/65
Abstract: 一种基于ZYNQ的拉曼光谱信号处理系统，包括数据采集模块、线阵CCD驱动模块、DDR3模块、ZYNQ模块、以太网模块，ZYNQ模块通过线阵CCD驱动模块对数据采集模块发送采集指令，接收拉曼光谱数据同时完成预处理和存储，通过以太网模块完成拉曼光谱检测。本发明所有数据预处理均在ZYNQ的PL端进行，包括Savitzky‑Golay滤波算法、多项式基线校正以及差分处理，由于使用基于硬件的设计方式，算法执行速度快，且差分处理可以有效提取谱峰数据，在暗电流噪声大、干扰多等情况下能够保证谱峰的完整性。
-
公开(公告)号：CN117607120A
公开(公告)日：2024-02-27
申请号：CN202311296175.7
申请日：2023-10-08
Applicant: 杭州海康威视数字技术股份有限公司 , 浙江工业大学
IPC: G01N21/65 , G06F18/241 , G06N3/0464 , G06F18/213
Abstract: 基于改进的ResNext模型结合拉曼光谱的食品添加剂检测方法和装置，其方法包括：1)构建改进的ResNext模块用于特征提取；2)构建改进的ResNext神经网络模型，设定参数，进行训练；3)利用训练好的改进的ResNext神经网络，对含有食品添加剂的混合物拉曼光谱进行识别。本发明减少了模型超参数的数量，更便于模型的可移植性；具有更强的特征提取能力，增强了物质识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.026 seconds)
