-
公开(公告)号:CN119905242A
公开(公告)日:2025-04-29
申请号:CN202411838344.X
申请日:2024-12-13
Applicant: 南昌大学
Abstract: 本发明提出了一种生猪产地检疫智能辅助方法,适用于智慧农业领域,包括:在生猪产地检疫通道部署数据采集及传输装置采集生猪视频、图像和温度信息;数据预处理、数据增强与扩充、目标病症标注;生猪产地检疫疾病检测模型训练、模型优化与验证,用于建立并更新自动化检测生猪病症的方法;病理分析算法、检疫智能辅助终端、锁定标记,用于检测生猪潜在患病可能、辅助官方检疫人员快速筛查,并对可能爆发的疫情做出预警。本发明基于生猪产地检疫人员缺乏、智能化程度较低的现状,提出构建面向生猪产地检疫的疫病检测算法与具体辅助检疫流程,有望大幅提高产地检疫效率,对于农产品安全保障与畜牧业规范发展具有重要意义。
-
公开(公告)号:CN117635627A
公开(公告)日:2024-03-01
申请号:CN202410006726.X
申请日:2024-01-03
Applicant: 南昌大学
IPC: G06T7/10 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06T7/00
Abstract: 本发明提出了一种基于CNN与Transformer内在特征一致性的半监督医学图像分割方法,可以有效利用不同网络的学习范式实现数据的内部特征一致化。该方法引入了一个内在特征解码模块用于提取高维特征以生成对应形状的中间预测图。具体来说,在图像解码器获得高维特征时,同时将该特征输入至特征解码器用于生成该维度下的预测结果,接着对CNN和Transformer生成的不同维度预测图进行损失计算,以实现内在特征语义一致化。在公共医学图像数据集上的实验结果表明,本发明的方法在有限标注数据的情况下优于现有的半监督学习方法,同时缩小了CNN与Transformer之间的预测差距。
-
公开(公告)号:CN118942152A
公开(公告)日:2024-11-12
申请号:CN202410940869.8
申请日:2024-07-15
Applicant: 南昌大学
IPC: G06V40/20 , G06V20/40 , G06V20/52 , G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/774
Abstract: 本发明提出了一种基于改进的YOLOv8的老人摔倒检测方法,主要应用于昏暗条件下老人摔倒问题,本方法包括以下步骤:1)提取一段监控视频数据,获取每帧图像数据;2)检测每帧图像中老人的状态,若老人状态为lying平躺,则转至步骤3,若检测的老人状态为平躺且面部朝下lying_facedown,则转至步骤4;3)检测每帧图像中老人的面部表情,若检测的老人面部表情为痛苦distress,则转至步骤4,若否则结束;4)每检测到一次“lying_facedown”或“distress”,则Count加一,若Count大于半数周期内图像数,则发出警报并拨打预留电话和发送定位。本发明能通过视频监控监测老人的实时状态,能够快速有效地判断老人摔倒情况,并及时通知相关人员和发送对应的位置信息,具有更高的准确率和检测效率。
-
公开(公告)号:CN117830621A
公开(公告)日:2024-04-05
申请号:CN202410015443.1
申请日:2024-01-04
Applicant: 南昌大学
Abstract: 本发明提出了一种基于目标检测模型的工地车辆清洗检测系统,适用于智慧工地建设领域,包括工地监控设备、目标检测模型、监控系统;所述工地监控设备包含摄像头、数据传输模块,用于采集工地实时视频并进行数据传输;所述目标检测模型包含数据标注、YOLO模型训练、YOLO模型验证,用于检测目标车辆与场地喷水的实际坐标信息;所述监控系统包括检测模块、反馈模块,用于计算车辆清洗情况,并返回最终清洗结果。本发明通过目标检测模型实时监测工地车辆出入时的清洗情况,可以提高车辆清洗检测效率,减少人工依赖性,满足智慧工地建设需求。
-
公开(公告)号:CN117872002A
公开(公告)日:2024-04-12
申请号:CN202410015689.9
申请日:2024-01-04
Applicant: 南昌大学
Abstract: 本发明涉及电路故障诊断领域,公开一种两电平逆变器的三相定子电流传感器与直流侧电压传感器的故障诊断方法,以提高系统的安全性与可靠性。该方法包括建立两电平逆变器直流侧模型;根据直流侧电容电压估计值与电压传感器测量值得到残差函数;构建故障检测函数,设定检测阈值并进行比较以判断是否有传感器发生故障;构建故障诊断函数,设定检测阈值以诊断发生故障的传感器。该方法能够对逆变器的传感器故障进行检测,并可以对传感器故障进行定位,不会影响系统本身运行。
-
公开(公告)号:CN117854110A
公开(公告)日:2024-04-09
申请号:CN202410042421.4
申请日:2024-01-11
Applicant: 南昌大学
IPC: G06V40/10 , G06V20/40 , G06V20/70 , G06V40/16 , G06V10/25 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06Q50/08
Abstract: 本发明公开了一种基于YOLOv5的建筑工地安全帽系带识别系统及方法,属于建筑工地安全领域,识别系统包括USB摄像头、边缘设备、显示屏、数据存储卡;识别方法包括步骤S1,图像采集;步骤S2,数据集标注;步骤S3,构建安全帽系带数据集;步骤S4,安全帽系带识别模型;步骤S5,智能分级预警;步骤S6,实地部署与应用;本发明将先进的人工智能识别算法应用于建筑工地安全领域,通过对个体安全帽系带状态的自动检测,从而确保安全帽佩戴的规范性,进一步加强建筑工地施工安全。
-
-
-
-
-