-
公开(公告)号：CN113379727A
公开(公告)日：2021-09-10
申请号：CN202110743450.X
申请日：2021-07-01
Applicant: 南昌工程学院
Abstract: 本发明公开了基于改进YOLOv4‑Tiny特征融合的猕猴桃叶面病害检测方法，通过分析猕猴桃叶面病害的数据集特性，从而修改YOLOv4‑Tiny的网络结构，使用上采样的方式，在Head部分额外添加了两层输出；同时，借鉴ResNet的残差学习结构，通过shortcut直接映射，从而实现更加快速的特征融合，而ResNet的直接映射的加入，保证了l+1层的网络一定比l层包含更多的图像信息，仅仅是每一维度的信息增加了，但是描述图像的维度本身并没有增加，这有利于最终的图像的识别，同时达到减小模型的大小，提高识别的速度的效果，从而实现实时性的检测。
-
公开(公告)号：CN113256623B
公开(公告)日：2021-10-26
申请号：CN202110723382.0
申请日：2021-06-29
Applicant: 南昌工程学院
Abstract: 本发明公开了一种基于改进MASK RCNN的FPC缺陷检测方法，步骤如下：S1.ROI处理和图像裁剪，采集目标检测图像，对FPC原始图像数据预处理，裁剪成适合网络输入的小图像；S2.对预处理后的图像进行数据增强处理，扩大模型训练的数据集；S3.人工标注；S4.确定特征图block横向堆叠次数N，针对FPC缺陷检测的种类和数量，确定特征图block横向堆叠次数N；S5.模型训练，将标注好的图像数据集送进改进MAKS RCNN网络模型进行训练；S6.对训练好的FPC缺陷检测模型进行性能评估；S7.参数优化微调，结合S6的评估结果，对模型进行进一步的优化。本发明实现了FPC缺陷的自动检测，且通过掩膜分割图像缺陷可得到缺陷大小，方便工作人员复判，大幅度降低了企业检测成本。
-
公开(公告)号：CN113256623A
公开(公告)日：2021-08-13
申请号：CN202110723382.0
申请日：2021-06-29
Applicant: 南昌工程学院
Abstract: 本发明公开了一种基于改进MASK RCNN的FPC缺陷检测方法，步骤如下：S1.ROI处理和图像裁剪，采集目标检测图像，对FPC原始图像数据预处理，裁剪成适合网络输入的小图像；S2.对预处理后的图像进行数据增强处理，扩大模型训练的数据集；S3.人工标注；S4.确定特征图block横向堆叠次数N，针对FPC缺陷检测的种类和数量，确定特征图block横向堆叠次数N；S5.模型训练，将标注好的图像数据集送进改进MAKS RCNN网络模型进行训练；S6.对训练好的FPC缺陷检测模型进行性能评估；S7.参数优化微调，结合S6的评估结果，对模型进行进一步的优化。本发明实现了FPC缺陷的自动检测，且通过掩膜分割图像缺陷可得到缺陷大小，方便工作人员复判，大幅度降低了企业检测成本。
-
Patent Agency Ranking
公开(公告)号：CN115147643A
公开(公告)日：2022-10-04
申请号：CN202210643976.5
申请日：2022-06-09
Applicant: 南昌工程学院
IPC: G06V10/764 , G06V10/20 , G06V10/25 , G06V10/26 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08 , G06T7/00
Abstract: 本发明公开了一种基于CNN和TRANSFORMER的FPC缺陷分类方法，该方法以基于CNN和TRANSFORMER设计的CTNet为分类模型，步骤如下：S1.采集目标缺陷图像，对FPC原始图像数据进行预处理；S2.对预处理后的图像进行数据增强处理，扩大图像数据集；S3.对增强后的图像数据集进行人工分类；S4.对人工分类后的图像数据，按比例划分训练集和验证集；S5.模型训练，将划分好的图像训练集送进CTNet网络模型进行训练；S6.对训练好的FPC分类检测模型进行性能评估；S7.参数优化微调，结合S6的评估结果，对模型进行进一步的优化。本发明实现了FPC缺陷的自动分类，具有较好的通用性，分类速度快且对电脑性能要求低，能够大幅度降低了企业的生产成本。
-
公开(公告)号：CN113255837A
公开(公告)日：2021-08-13
申请号：CN202110723531.3
申请日：2021-06-29
Applicant: 南昌工程学院
Abstract: 本发明公开了工业环境下基于改进的CenterNet网络目标检测方法，包括以下步骤：采集包含待检测目标的若干图像;构建CenterNet网络的训练数据集；对CenterNet网络进行改进，包括利用ResNet‑50代替ResNet‑18的深度残差神经网络，利用训练数据集对CenterNet网络进行训练，获得目标检测模型；利用目标检测模型对工业环境中的待检测目标进行检测，获取目标的位置信息和分类信息。本发明通过使用层数更深的深度残差网络，既保证了目标检测速度，又提高了目标检测精度，特别是增强了对工业环境下的多目标和小目标物体的检测识别能力，且相对于传统算法，普适性更优。
-
公开(公告)号：CN215928880U
公开(公告)日：2022-03-01
申请号：CN202121079725.6
申请日：2021-05-20
Applicant: 南昌工程学院
Abstract: 本实用新型涉及工业用检测装置技术领域，具体揭示了一种工业环境下基于改进算法的目标检测装置，包括检测用摄像头和第一金属凹形板，所述检测用摄像头顶部的中部沿横向一体成型有凸板，所述第一金属凹形板顶部的中部沿横向一体成型有安装板，所述第一金属凹形板内凹面的两侧均开设有开口。通过将检测用摄像头利用凸板卡接至插槽与开口内的连接结构设计，有效使得该检测用摄像头具有了拆装方便的效果，更有利于工作人员于高处对该检测用摄像头进行拆装操作，从而使得该摄像头的拆装过程更加迅速方便，防止由于检测用摄像头的安装方式过于繁琐而导致工作人员进行拆装操作麻烦的情况出现。
-
公开(公告)号：CN215833276U
公开(公告)日：2022-02-15
申请号：CN202121079769.9
申请日：2021-05-20
Applicant: 南昌工程学院
Abstract: 本实用新型涉及叶片图像采集技术领域，具体揭示了一种猕猴桃叶面病害检测用图像采集装置，包括工作台、U形支架和叶片固定机构，工作台顶部且靠近背面的中央位置处固定连接有导轨，导轨的内部沿纵向滑动连接有滑块，滑块顶部的中央固定连接有轴承，U形支架底部的中央固定连接有连接杆，连接杆底部的中央固定连接有转轴，转轴转动连接于轴承的内部，叶片固定机构包括第一夹板和第二夹板，第一夹板和第二夹板之间通过塑料片转动连接，叶片固定机构可拆卸插接于U形支架的内侧，工作台顶部通过伸缩式支架安装有相机；本实用新型能够通过凸块将叶片压的平整，使弯曲的叶片变成一个平面，有利于对叶片表面进行分析。
-
公开(公告)号：CN215599038U
公开(公告)日：2022-01-21
申请号：CN202121079754.2
申请日：2021-05-20
Applicant: 南昌工程学院
IPC: G01N21/956 , G01N21/01
Abstract: 本实用新型涉及FPC检测技术领域，具体揭示了一种改进型FPC缺陷检测装置，包括工作台、送料部、吸附箱和下料组件，所述工作台的上表面横向固定连接有底座，所述底座顶部的中央固定连接有顶板，所述顶板的底部设置有摄像头，所述送料部包括两个滚筒、第一电机和传动带，所述滚筒的表面固定套接有传动齿盘；本实用新型通过送料部的设计，既可以对FPC进行传输，并通过摄像头进行扫描，在传输的过程中，通过第一气泵的启动可以使吸附箱产生吸力，从而可以使位于传动带上的FCP与传动带紧贴，从而避免在检测的过程中FPC出现褶皱而影响检测的情况发生，然后通过下料组件的设置，从而可以对FPC进行自动下料。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.013 seconds)
