-
公开(公告)号：CN116448769B
公开(公告)日：2024-06-11
申请号：CN202310522824.4
申请日：2023-05-10
Applicant: 南京林业大学
Abstract: 本发明公开了一种多模态信息融合的板材缺陷检测系统及其检测方法，检测系统包括壳体、多模态信息采集模块、多模态信息处理模块、传送模块；具体包括LED光源、高光谱相机、深度相机、RGB相机、工控机、相机支架、黑色橡胶履带。板材通过履带进入遮光箱体，通过高光谱信息、深度信息、RGB图像采集，将信息数据传入工控机，通过对板材多模态信息的算法处理，快速得出检测结果。本发明可以实现对板材的缺陷位置及分类、厚度、含水率在线检测，极大地提高了检测速度与精度。
-
公开(公告)号：CN116448769A
公开(公告)日：2023-07-18
申请号：CN202310522824.4
申请日：2023-05-10
Applicant: 南京林业大学
Abstract: 本发明公开了一种多模态信息融合的板材缺陷检测系统及其检测方法，检测系统包括壳体、多模态信息采集模块、多模态信息处理模块、传送模块；具体包括LED光源、高光谱相机、深度相机、RGB相机、工控机、相机支架、黑色橡胶履带。板材通过履带进入遮光箱体，通过高光谱信息、深度信息、RGB图像采集，将信息数据传入工控机，通过对板材多模态信息的算法处理，快速得出检测结果。本发明可以实现对板材的缺陷位置及分类、厚度、含水率在线检测，极大地提高了检测速度与精度。
-
公开(公告)号：CN114937190B
公开(公告)日：2023-05-16
申请号：CN202210607648.X
申请日：2022-05-31
Applicant: 南京林业大学
Abstract: 本发明公开了一种用于籽棉开松有效性的判别方法及系统，属于杂质分选与深度学习技术领域，该方法利用线阵相机和3D深度相机获取籽棉异纤除杂生产线中开松后的籽棉图像及三维信息，将线扫描图像数据与线扫描3D深度数据进行对齐和融合，在图像识别的基础上通过3D深度数据额外获取棉花成团表面深度信息，结合开松机振动数据，判断开松的有效性。本发明将线扫描图像数据与线扫描3D深度数据进行对齐和融合，同时采集开松机的振动数据，提高判别准确率，在相同采样率和采样长度的情况下有效降低对计算机硬件的性能要求，有利于降低运行和维护成本。
-
公开(公告)号：CN120064123A
公开(公告)日：2025-05-30
申请号：CN202510225828.5
申请日：2025-02-27
Applicant: 南京林业大学
IPC: G01N21/01 , G01N21/892
Abstract: 本发明涉及农业视觉检测技术领域，公开了一种基于多特征融合的棉花杂质检测系统及方法。系统包括壳体、多模态图像采集模块、多模态信息处理模块、棉花传输模块；多模态图像采集模块包括固定于相机支架的若干RGB相机、偏振相机、若干LED光源和UV紫光灯；多模态信息处理模块包括：下位机、工控机，工控机与下位机、若干RGB相机和偏振相机连接。棉花通过输送管道经过图像采集模块，通过偏振图像、RGB图像采集，将信息数据传入工控机，通过对棉花多模态信息的算法处理，快速得出检测结果。本发明可以实现对棉花所含的杂质进行快速检测、定位以及自动化剔除，极大地提高了除杂效率和精度。
-
公开(公告)号：CN119980526A
公开(公告)日：2025-05-13
申请号：CN202510178396.7
申请日：2025-02-18
Applicant: 南京林业大学
Abstract: 本发明公开了一种双模态融合智能棉花异纤分拣系统及方法，分拣系统包括壳体、图像采集模块、图像处理模块、传送模块、剔除模块；具体包括LED光源、偏振相机、RGB相机、工控机、相机支架、棉流通道、喷阀控制板、高速喷阀。棉流通过进棉管道进入棉流通道，通过图像采集模块将图像数据传入工控机，通过图像处理模块的算法处理，快速得出检测结果，喷阀控制板依据检测结果驱动高速喷阀进行异性纤维剔除。本发明可以实现对棉花中的异性纤维实时检测以及剔除，极大地提高了检测速度与精度。
-
Patent Agency Ranking
公开(公告)号：CN118111862B
公开(公告)日：2024-11-22
申请号：CN202410144392.2
申请日：2024-02-01
Applicant: 南京林业大学
Abstract: 本发明公开了一种木材薄板弹性模量的在线检测系统及方法。该系统包括壳体、薄板传送模块、多传感器采集模块、数据处理模块。薄板传送模块负责将木材薄板平稳地传输至检测区域。多传感器采集模块包括超声波传感器、微波传感器、红外传感器、高精度电子秤、相机以及板材厚度测量夹紧装置。微波传感器用于测量木材薄板中的含水率，红外传感器用于测定木材薄板的表面温度。电子秤、尺寸测量相机和夹紧装置则用于测量板材的重量与体积。通过多传感器采集模块收集的数据，数据处理模块可以计算木材薄板的弹性模量。本发明能够实时、高效且准确地估算木材薄板的弹性模量，显著提高木材加工的质量与效率。
-
公开(公告)号：CN114937190A
公开(公告)日：2022-08-23
申请号：CN202210607648.X
申请日：2022-05-31
Applicant: 南京林业大学
Abstract: 本发明公开了一种用于籽棉开松有效性的判别方法及系统，属于杂质分选与深度学习技术领域，该方法利用线阵相机和3D深度相机获取籽棉异纤除杂生产线中开松后的籽棉图像及三维信息，将线扫描图像数据与线扫描3D深度数据进行对齐和融合，在图像识别的基础上通过3D深度数据额外获取棉花成团表面深度信息，结合开松机振动数据，判断开松的有效性。本发明将线扫描图像数据与线扫描3D深度数据进行对齐和融合，同时采集开松机的振动数据，提高判别准确率，在相同采样率和采样长度的情况下有效降低对计算机硬件的性能要求，有利于降低运行和维护成本。
-
公开(公告)号：CN120064307A
公开(公告)日：2025-05-30
申请号：CN202510231129.1
申请日：2025-02-28
Applicant: 南京林业大学
IPC: G01N21/898 , G06V10/82 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/26 , G06V10/25 , G06T7/00 , G06F18/27 , G06N3/0464 , G06N3/045 , G06N3/0442 , G01N25/72 , G01N21/359 , G01N29/04 , G01N9/24 , G06F123/02
Abstract: 本发明公开了一种多模态智能木材缺陷检测与性能评估系统及检测评估方法，集成多种传感技术与深度学习算法，实现木材缺陷检测与质量评估。系统包括木材传输、多模态数据采集、信息处理及智能分级模块，通过可见光、红外、近红外、超声波和微波传感器获取木材表面与内部特征。利用特征金字塔网络(FPN)与实例分割技术精准识别裂缝、虫眼、节疤等缺陷，并结合ARIMA和LSTM模型预测含水率，提升质量评估精度。本发明可以智能分类木材，提高检测效率，适用于木材加工、家具制造等领域。
-
公开(公告)号：CN116596891B
公开(公告)日：2024-09-10
申请号：CN202310578316.8
申请日：2023-05-22
Applicant: 南京林业大学
IPC: G06T7/00 , G06V10/25 , G06V10/32 , G06V10/56 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/044 , G06N3/082 , G06N3/0895
Abstract: 本发明涉及一种基于半监督多任务检测的木地板颜色分类及缺陷检测方法，属于图像处理领域。该方法包括：对输入图像进行缺陷色彩校正；标记少量图像作为数据集输入Color‑RCNN模型训练，实现颜色分类和缺陷检测；训练半监督预测监视网络判别伪标签是否准确的；用Color‑RCNN模型预测剩余的未标记图像，实现颜色分类，生成伪标签，用半监督预测监视网络对伪标签进行判别，将正确的检测框留下，过滤掉错误的检测框；将识别正确的图像加入数据集，重新输入Color‑RCNN模型训练，预测剩余的未标记图像，直至未标记图像全部获得正确标签，实现半监督学习。本发明在图像识别的过程中，通过半监督学习，使用少量人工标记和大量未标记的木地板图像训练出模型，提高了分选的效率。
-
公开(公告)号：CN116310511B
公开(公告)日：2024-07-30
申请号：CN202310106101.6
申请日：2023-02-13
Applicant: 南京林业大学
IPC: G06V10/764 , G06V10/56 , G06V10/774 , G06V10/82 , G06V10/776 , G06N3/0464 , G06N3/08 , G06V10/26
Abstract: 本发明公开了一种基于自学习的实木地板颜色分类方法，属于机器视觉和图像处理领域。将预处理后的实木地板图像进行区块化处理来数据增强，训练出一个可以识别已知类别和未知类别的循环迭代树；将待分类图像输入到循环迭代树中，得到实木地板的颜色类别，如果不属于已知的颜色种类，则使用少量特定已知的颜色区块替换待识别实木地板的部分位置；循环多次后，如果确定为未知类别，则将该实木地板的颜色更新进循环迭代树中，实现自学习。本发明在图像识别的过程中，通过区块化处理进行数据增强，以达到使用少量实木地板样本即可训练出可用模型。在识别中，不断更新循环迭代树进行自学习，使得模型可以不断学习新的数据，不断增强模型的识别能力。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.044 seconds)
