-
公开(公告)号：CN118968502A
公开(公告)日：2024-11-15
申请号：CN202411028096.2
申请日：2024-07-30
申请人： 五邑大学
IPC分类号： G06V20/68 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/09
摘要： 本发明实施例提供了一种基于改进YOLOv8的柑橘成熟度检测方法和相关装置。其中，方法包括：获取柑橘图像；将柑橘图像输入至预先训练好的深度学习神经网络模型进行成熟度检测，得到检测结果，其中，深度学习神经网络模型以YOLOv8为基础网络，深度学习神经网络模型的网络结构包括骨干网络、颈部网络和头部网络，骨干网络为CSPDarknet53，颈部网络采用PAN‑FPN结构，颈部网络采用GhostConv模块进行卷积操作，颈部网络采用CARAFE算子进行上采样操作，颈部网络引入有多维协作注意力机制，头部网络采用解耦头部结构。基于此，本发明实施例能够在被树叶遮挡的情况下对柑橘成熟度进行快速且准确的检测。
-
公开(公告)号：CN118365981A
公开(公告)日：2024-07-19
申请号：CN202410295560.8
申请日：2024-03-15
申请人： 五邑大学
IPC分类号： G06V10/774 , G06V10/80 , G06V10/82 , G06T7/00 , G06N3/045 , G06N3/0475 , G06N3/094
摘要： 本申请实施例提供了一种芯片缺陷检测方法、装置、电子设备及储存介质，该方法包括：获取第一样本芯片图像，确定第一样本芯片图像对应的初始特征图；确定初始特征图的第一多维度注意力权重，根据第一多维度注意力权重对初始特征图进行调整，得到样本融合特征图；调用图像生成模型对样本融合特征图进行图像生成，生成多个第二样本芯片图像；基于第一样本芯片图像和第二样本芯片图像对芯片检测模型进行训练；获取待测芯片图像，调用训练后的芯片检测模型对待测芯片图像进行检测，得到检测结果；根据本申请的实施例能够提高生成的第二样本芯片图像的有效性，从而增强芯片检测模型的检测性能和鲁棒性。
-
公开(公告)号：CN118968216A
公开(公告)日：2024-11-15
申请号：CN202411001488.X
申请日：2024-07-25
申请人： 五邑大学
IPC分类号： G06V10/774 , G06V10/764 , G06V10/34 , G06V10/98
摘要： 本申请实施例提供了一种芯片检测方法、装置、设备及存储介质，该方法包括：获取真实完整芯片图像和真实缺陷芯片图像；调用增强模型对真实完整芯片图像进行增强，生成重建缺陷芯片图像，基于重建缺陷芯片图像和真实缺陷芯片图像确定第一损失和第二损失；获取第一平衡权重，基于第一平衡权重对第一损失和第二损失进行加权，得到第三损失，基于第一损失、第二损失和第三损失对增强模型进行训练；调用增强模型生成扩充芯片图像，基于真实完整芯片图像、真实缺陷芯片图像和扩充芯片图像对芯片检测模型进行训练；获取待测芯片图像，调用芯片检测模型对待测芯片图像进行检测，得到检测结果。本申请实施例能够提升芯片检测模型的准确性和泛化性能。
-
公开(公告)号：CN117173105A
公开(公告)日：2023-12-05
申请号：CN202311001275.2
申请日：2023-08-09
IPC分类号： G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/045 , G06N3/0475 , G06N3/094
摘要： 本申请实施例提供了芯片缺陷检测方法、装置、设备及介质，通过提取芯片缺陷图像的第一特征，向第一特征加入噪声形成自适应特征集合；并利用自适应特征集合通过数据增强网络的第一分支学习从无缺陷图像到芯片缺陷图像的映射关系，第二分支学习从芯片缺陷图像到无缺陷图像的映射关系，通过数据增强网络对芯片原始数据集进行数据增强，通过芯片原始数据集和芯片增强数据集训练芯片缺陷检测网络，通过目标检测网络检测待检测图像得到检测结果；引入自适应特征模块与差异微调衡量损失函数来控制生成对抗网络合理生成增强数据，高效快速地扩充数据样本，使分类网络有足够的数据样本进行训练提高分类精度，从而实现多分类检测。
-
-
-
搜索结果
4 条记录 (耗时 0.019 秒)
