-
公开(公告)号：CN116468708A
公开(公告)日：2023-07-21
申请号：CN202310456758.5
申请日：2023-04-25
Applicant: 安徽农业大学
IPC: G06T7/00 , G06T7/13 , G06V10/774 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于深度学习的单帧正交条纹标靶图像的特征点检测方法，构建单帧正交条纹图像的相位解码网络，采用具有残差模块的深层网络，以解决网络加深带来的训练难题；优化损失函数，以提高网络的解码精度，获取准确的截断相位，从而准确地检测标靶特征点；所设计的网络经多质量样本训练后，即使在离焦模糊情况下仍能够计算单帧正交条纹的截断相位，从而准确提取特征点，因此在标定时可适应不同的焦距，自适应性强，灵活性高，对噪声的鲁棒性强。
-
公开(公告)号：CN118397447A
公开(公告)日：2024-07-26
申请号：CN202410444997.3
申请日：2024-04-15
Applicant: 安徽农业大学
IPC: G06V20/10 , G06V20/68 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种果实成熟度检测方法及装置，方法包括：利用深度感知摄像头在夜间环境下采集果实图像；将所述果实图像输入预先训练的、基于特定Mask R‑CNN网络的夜间果实分割与成熟度检测模型，输出检测到的果实区域及成熟度信息，其中，所述特定Mask R‑CNN网络包括：通道增强特征金字塔网络CE‑FPN、指数移动平均EMA模块和预设分类损失函数。利用本发明实施例，能够显著提高在夜间低光照条件下的果实检测、分割和成熟度分类的准确性、效率、适应性和鲁棒性，可为夜间农业自动化采摘提供强有力的技术支持，特别是对于需要在夜间采摘以满足次日早市需求的作物，在农业领域具有较高应用价值。
-
Patent Agency Ranking
公开(公告)号：CN118155205A
公开(公告)日：2024-06-07
申请号：CN202410111285.X
申请日：2024-01-26
Applicant: 安徽农业大学
IPC: G06V20/70 , G06V10/774 , G06V10/26 , G06V10/28
Abstract: 本发明公开了一种用于缺陷视觉检测的像素级标签生成方法及系统，方法包括：通过第一标注方式和第二标注方式对缺陷图像进行标注，生成第一标签文件和第二标签文件；生成第一标签文件和第二标签文件的标签掩码图；将第一标签文件对应的缺陷原图与对应的标签掩码图进行混合，将混合得到的第一图片转换为第二图片；获取第一标签范围，在所述第一标签范围内对所述第二图片进行阈值分割，生成伪像素掩码图，作为伪像素级标签文件。利用本发明实施例，能够不仅不会给网络引入大量噪声，还极大地减少了数据标注所需的时间，可以快速构建高精度的缺陷识别分割网络，满足实际生产质量检测的需求。
-
公开(公告)号：CN116486173A
公开(公告)日：2023-07-25
申请号：CN202310483086.7
申请日：2023-05-04
Applicant: 安徽农业大学
IPC: G06V10/764 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V20/68
Abstract: 本发明公开了一种小样本集下基于深度网络的梨缺陷分类方法，步骤如下：步骤S1：采集不同缺陷类型的梨图像，建立缺陷图像数据库；步骤S2：将缺陷梨图像划分为图像块，并根据缺陷分类；将图像缺陷做成标签，形成mat文件，作为小样本数据集标签；步骤S3：提取每个图像块的多种特征，并进行归一化；步骤S4：将图像块的多种特征按顺序合并成mat文件，形成特征向量；步骤S5：重复步骤S1至步骤S4提取每个图像块特征向量，形成特征矩阵，并与标签数据合并为小样本数据集；按8:2的比例将数据集划分为训练数据集和测试数据集；步骤S6：构建深层网络对数据集进行训练，实现特征融合和选择；步骤S7：提取图像块的多种特征，利用训练好的网络对特征进行智能分类。
-
公开(公告)号：CN119048887A
公开(公告)日：2024-11-29
申请号：CN202411142530.X
申请日：2024-08-20
Applicant: 安徽农业大学
IPC: G06V10/84 , G06V10/80 , G06V10/774
Abstract: 本发明公开了一种融合多模态信息的果实检测方法及装置，方法包括：获取包含待检测果实的RGB图像和对应的深度图像；对所述RGB图像和所述深度图像分别进行预处理；将预处理后的RGB图像和深度图像，输入预先训练好的RGB‑D双分支特征融合网络模型，输出果实区域的预测分割图像，其中，所述网络模型包括：RGB‑D双分支编码器、加强特征提取结构和解码器。利用本发明实施例，能够有效解决传统RGB单模态深度学习算法的果实识别检测在严重遮挡下精度较低的问题，实现快速有效的果实检测，推进水果种植生产自动化进程。
-
公开(公告)号：CN116468708B
公开(公告)日：2024-07-09
申请号：CN202310456758.5
申请日：2023-04-25
Applicant: 安徽农业大学
IPC: G06T7/00 , G06T7/13 , G06V10/774 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于深度学习的单帧正交条纹标靶图像的特征点检测方法，构建单帧正交条纹图像的相位解码网络，采用具有残差模块的深层网络，以解决网络加深带来的训练难题；优化损失函数，以提高网络的解码精度，获取准确的截断相位，从而准确地检测标靶特征点；所设计的网络经多质量样本训练后，即使在离焦模糊情况下仍能够计算单帧正交条纹的截断相位，从而准确提取特征点，因此在标定时可适应不同的焦距，自适应性强，灵活性高，对噪声的鲁棒性强。
-
公开(公告)号：CN116721059A
公开(公告)日：2023-09-08
申请号：CN202310511669.6
申请日：2023-05-09
Applicant: 安徽农业大学
IPC: G06T7/00 , G06T7/50 , G06T7/66 , G06V10/774 , G06V20/70
Abstract: 本发明公开了一种用于垄间果蔬计数的视觉检测计数方法，本发明的技术方案在YOLOv8网络的基础上添加自动计数功能，将YOLOv8网络原有的CIoU损失函数优化为Alpha‑IoU损失函数，增加其检测精度。将FasterNet与YOLOv8网络深度融合，打造更快的检测网络，为实时检测提供了一定的保障，同时将YOLOv8算法进行优化，实现在跟踪检测果蔬的同时对果蔬ID进行自动统计。
-
-
-
-
-
-
Search Results
7
records
(took 0.039 seconds)
