-
公开(公告)号：CN114387343A
公开(公告)日：2022-04-22
申请号：CN202111654718.9
申请日：2021-12-30
Applicant: 中南大学
Abstract: 本发明公开了一种成簇平菇的菌柄采摘位置的检测方法，包括：将左右两列平菇培养袋出菇口相对地摆放在地面上，通过深度相机俯拍，得到被拍摄区域的RGB彩色图像和深度图像；将RGB彩色图像输入YOLOv5模型，输出矩形边界框将整簇平菇和整簇平菇菌柄分别包围；对深度图像矩阵处理，确定平菇的生长方向；对矩形边界框包围的整簇平菇菌柄，菌柄采摘位置为矩形边界框的几何中心；对矩形边界框包围的整簇平菇，根据平菇生长方向分别计算菌柄采摘位置的二维坐标；代入深度图像矩阵，得到整簇平菇菌柄的采摘位置的三维坐标。本发明不受菌柄被遮挡的影响，针对菌柄的检测方法鲁棒性能好、准确度高，且能有效降低采摘过程中对菌盖的损伤。
-
公开(公告)号：CN113592885B
公开(公告)日：2024-03-12
申请号：CN202110726209.6
申请日：2021-06-29
Applicant: 中南大学
IPC: G06T7/12 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于SegNet‑RS网络的大障碍物轮廓分割方法，该方法利用上下文信息和池化操作特性改进SegNet网络，然后修改卷积核的尺寸，最后采用PReLU函数代替ReLU函数，充分利用池化与上采样操作的特性，最大程度的还原了图像特征，提高语义分割在轮廓分割任务上的准确率。此外在网络的训练策略上也做了对应的优化设计。该方法实现了大障碍物检测的高完整轮廓分割，轮廓分割的平均准确率较SegNet网络提高了7％、平均交并比提升了9％、实时性与SegNet网络基本一致，具有优异的准确率和鲁棒性，特别适合于智能驾驶中的的大障碍物识别。
-
公开(公告)号：CN113487502B
公开(公告)日：2022-05-03
申请号：CN202110748344.0
申请日：2021-06-30
Applicant: 中南大学
Abstract: 本发明公开了一种坑洼图像的阴影去除方法，包括：S1、通过视觉采集系统采集路面图片，获取含有坑洼的图像，构建坑洼数据集的原始数据；S2、对坑洼数据集的原始数据进行灰度化处理；S3、对灰度化处理的图像进行阴影检测，分割成阴影区域和非阴影区域；S4、对分割后的图像采用改进的阴影去除模型去除所述阴影区域；解决灰度图处理中容易将阴影和坑洼误检，阴影去除效果有待改善，从而影响智能车辆的安全平稳驾驶的问题。
-
公开(公告)号：CN113486764A
公开(公告)日：2021-10-08
申请号：CN202110737810.5
申请日：2021-06-30
Applicant: 中南大学
Abstract: 本发明公开了一种基于改进的YOLOv3的坑洼检测方法，包括：S1、通过视觉采集系统采集坑洼图像，预处理后得到坑洼数据集，坑洼数据集包括预处理后的坑洼图像；S2、构建改进的YOLOv3坑洼检测网络模型；S3、将所述坑洼数据集的训练数据集输入所述改进的YOLOv3坑洼检测网络模型训练，当所述改进的损失函数趋近于零时，得到所述改进的YOLOv3坑洼检测网络模型的参数最优解；S4、将所述坑洼数据集输入代入了参数最优解的所述改进的YOLOv3坑洼检测网络模型，得到坑洼检测结果。本发明解决坑洼检测即要保证实时性，又要使得准确率进一步提高的问题。
-
Patent Agency Ranking
公开(公告)号：CN114004771A
公开(公告)日：2022-02-01
申请号：CN202111195780.6
申请日：2021-10-14
Applicant: 中南大学
Abstract: 本发明涉及一种基于HSV模型的亮度补偿方法、检测方法，所述补偿方法包括：S1、对原始图像进行预处理，获取预处理后的图像；所述预处理包括形态学闭运算处理和高斯滤波处理；S2、针对所述预处理后的图像进行色彩空间转换，将所述预处理后的图像转换到HSV空间并提取出HSV空间的V通道分量，并将V通道分量从[0，1]区间映射到[0，255]区间，得到灰度图像；S3、将所述灰度图像进行分割，获取N个分割灰度矩阵；其中，N为预先设定值；S4、对所述N个分割灰度矩阵进行亮度补偿，得到N个补偿后的灰度矩阵，进一步将所述N个补偿后的灰度矩阵相加融合，得到最终图像。
-
公开(公告)号：CN113592885A
公开(公告)日：2021-11-02
申请号：CN202110726209.6
申请日：2021-06-29
Applicant: 中南大学
Abstract: 本发明公开了一种基于SegNet‑RS网络的大障碍物轮廓分割方法，该方法利用上下文信息和池化操作特性改进SegNet网络，然后修改卷积核的尺寸，最后采用PReLU函数代替ReLU函数，充分利用池化与上采样操作的特性，最大程度的还原了图像特征，提高语义分割在轮廓分割任务上的准确率。此外在网络的训练策略上也做了对应的优化设计。该方法实现了大障碍物检测的高完整轮廓分割，轮廓分割的平均准确率较SegNet网络提高了7％、平均交并比提升了9％、实时性与SegNet网络基本一致，具有优异的准确率和鲁棒性，特别适合于智能驾驶中的的大障碍物识别。
-
公开(公告)号：CN113486764B
公开(公告)日：2022-05-03
申请号：CN202110737810.5
申请日：2021-06-30
Applicant: 中南大学
IPC: G06V20/56 , G06K9/62 , G06N3/04 , G06V10/762
Abstract: 本发明公开了一种基于改进的YOLOv3的坑洼检测方法，包括：S1、通过视觉采集系统采集坑洼图像，预处理后得到坑洼数据集，坑洼数据集包括预处理后的坑洼图像；S2、构建改进的YOLOv3坑洼检测网络模型；S3、将所述坑洼数据集的训练数据集输入所述改进的YOLOv3坑洼检测网络模型训练，当所述改进的损失函数趋近于零时，得到所述改进的YOLOv3坑洼检测网络模型的参数最优解；S4、将所述坑洼数据集输入代入了参数最优解的所述改进的YOLOv3坑洼检测网络模型，得到坑洼检测结果。本发明解决坑洼检测即要保证实时性，又要使得准确率进一步提高的问题。
-
公开(公告)号：CN113487502A
公开(公告)日：2021-10-08
申请号：CN202110748344.0
申请日：2021-06-30
Applicant: 中南大学
Abstract: 本发明公开了一种坑洼图像的阴影去除方法，包括：S1、通过视觉采集系统采集路面图片，获取含有坑洼的图像，构建坑洼数据集的原始数据；S2、对坑洼数据集的原始数据进行灰度化处理；S3、对灰度化处理的图像进行阴影检测，分割成阴影区域和非阴影区域；S4、对分割后的图像采用改进的阴影去除模型去除所述阴影区域；解决灰度图处理中容易将阴影和坑洼误检，阴影去除效果有待改善，从而影响智能车辆的安全平稳驾驶的问题。
-
公开(公告)号：CN217195412U
公开(公告)日：2022-08-16
申请号：CN202123210621.7
申请日：2021-12-20
Applicant: 中南大学
IPC: B25J15/08
Abstract: 本实用新型涉及一种变形量大的机械手柔性手指，包括了基座、指节、指尖和管路；所述基座用于连接所述机械手的其他部件，用于对本实用新型公开的柔性手指进行固定；所述指节形状大体上呈锥形，是实现柔性手指变形的关键部位，所述指节包括若干个左腔体和右腔体，所述左腔体和右腔体相邻连接组成一个指节单元，可根据实际需要，确定左腔体和右腔体的数量；所述指尖用于提高柔性手指末端部位的刚度，所述指尖设置在所述指节单元的末端，其形状大体上呈锥形；所述管路包括设置在底部指节单元的外部管路和设置在所述所有指节单元的内部管路，所述内部管路用于连通同侧腔体的腔室，保证同侧腔体的腔室压力一致，使得腔体收缩或膨胀状态同步。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
