-
公开(公告)号：CN116664864A
公开(公告)日：2023-08-29
申请号：CN202310557792.1
申请日：2023-05-18
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于YOLO检测和特征匹配的商品识别方法。本发明将两个摄像头的特征点信息结合，可修正原有的商品置信度。本发明在原有的YOLO网络基础上，通过分别检测两个摄像头采集的图像，并增加一个新的置信度改进模块，设计了打分策略，根据特征匹配的结果调整最终商品的置信度。置信度改进模块包括特征点匹配模块和置信度计算模块。特征点匹配模块根据YOLO检测出商品的有效帧以及其包含的检测框坐标信息和商品置信度信息，提取特征点，并将两个视角的商品图像进行特征点匹配，输出匹配结果；置信度计算模块结合YOLO网络和特征点匹配模块输出的信息，根据设定的打分策略，对商品置信度进行加权融合，决定最终的商品置信度。
-
公开(公告)号：CN116664501A
公开(公告)日：2023-08-29
申请号：CN202310557793.6
申请日：2023-05-18
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于图像处理判断储粮变化的方法。本发明利用不同时间段的局部粮食凹陷信息来对比凹陷轮廓范围，从而在一定程度上避免了储粮变化导致的误判。这种方法能够实现定期自动检测储粮情况的目的。本发明包括粮食装载线检测模块，局部粮面检测模块。首先粮食装载线检测模块将采集到的粮仓图像进行图像预处理，再采用霍夫变换提取粮食装载线，以此线为基准进行图像切割。然后局部粮面检测模是对切割后的图像进行边缘检测，提取出粮面凹陷的轮廓。最后，储粮变化检测模块利用提取提取出的凹陷轮廓与之前的轮廓进行对比，判断粮仓的装粮量是否发生变化。本发明可以提高对储粮变化情况判断的准确性。
-
公开(公告)号：CN115482464A
公开(公告)日：2022-12-16
申请号：CN202211137947.8
申请日：2022-09-19
Applicant: 北京工业大学
Abstract: 一种基于双路摄像头的商品识别方法涉及到基于深度学习的商品识别方法。本发明中对两个角度的画面进行融合检测，提高了商品的识别精度。使用混合的数据对特征提取主干网络进行训练，得到的特征提取主干网络可以同时提取两个角度的画面的特征，降低了使用传统目标检测算法时特征提取主干网络的训练成本。
-
-
Search Results
3
records
(took 0.018 seconds)
