公开(公告)号：CN119027380A

公开(公告)日：2024-11-26

申请号：CN202411060737.2

申请日：2024-08-05

Applicant: 大连海事大学

Inventor： 宋梅萍 ,  史印通 ,  岳峰宇 ,  祝龙 ,  张钰霄 ,  尹雪儿

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/56 ,  G06V10/58 ,  G06V10/774 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82

Abstract: 本发明公开了一种基于波段线性变换与深度学习的烟丝杂质检测方法，该方法使用高光谱成像技术获得多波段图像并对图像进行校正；其次采用波段线性变换的方式将多波段高光谱图像转换为3波段图像，得到的3波段图像包含多波段图像的特性，在降低图像维度的同时保留了有助于检测的图像信息；最后，将波段线性变换得到的3波段图像制作数据集，用yolo模型进行训练和异物检测。将该方法应用于烟草的杂质剔除工作，提高了图像质量和检测精度，对实际的生产具有重要的实际意义。

公开(公告)号：CN118366030A

公开(公告)日：2024-07-19

申请号：CN202410456784.2

申请日：2024-04-16

Applicant: 大连海事大学

Inventor： 宋梅萍 ,  岳峰宇 ,  史鹏良 ,  李兰

IPC: G06V20/10 ,  G06V10/80 ,  G06V10/74

Abstract: 本发明公开了一种基于Godec和孤立森林的高光谱图像异常检测方法，首先对原始图像应用Godec分解提取低秩部分，稀疏部分和噪声部分，然后将稀疏部分和噪声部分输入到孤立森林检测器，以获得光谱维的全局异常得分。然后将低秩部分和原始图像输入到IIF检测器中，以获得光谱维的局部异常得分。空间方面通过对稀疏部分采取滑动窗口提取空间特征的方法进行孤立森林检测得到空间检测图。最后，将光谱维的全局异常得分和光谱维的局部异常得分与空间维的得分进行融合，预测最终的异常得分。在几个真实的高光谱数据集上的实验结果表明，本文提出的方法在检测精度和背景抑制方面具有较强的竞争力。