公开(公告)号：CN115358925A

公开(公告)日：2022-11-18

申请号：CN202210894642.5

申请日：2022-07-28

Applicant: 安徽大学

Inventor： 翁士状 ,  施金鹏 ,  吕雯冰 ,  陶文韬 ,  孙浩宸 ,  张巧巧 ,  梁栋 ,  郑玲 ,  赵晋陵 ,  黄林生

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明特别涉及一种基于任务解耦的双分支超分辨率网络的图像超分辨率方法，包括如下步骤：获取LR‑HR图像对作为训练样本；搭建由结构提取分支和颜色提取分支构成的双分支超分辨率网络，利用训练样本对网络进行训练得到训练后的双分支超分辨率网络；将待处理图像作为LR图像导入到训练后的双分支超分辨率网络中，网络输出的结果即为HR图像。通过构建双分支超分辨率网络，其中的结构提取分支可以方便的提取图像的结构特征，颜色提取分支在不断提取更深层次特征的同时，不断的增强其中的颜色信息，最后混合这两种信息，得到更加优秀的超分辨率图像，通过对图像中的结构信息和颜色信息作有针对性的处理，实现了在多种超分辨率任务下的优异表现。

公开(公告)号：CN114937009A

公开(公告)日：2022-08-23

申请号：CN202210516355.0

申请日：2022-05-12

Applicant: 安徽大学

Inventor： 史枫林 ,  翁士状 ,  龚家骐 ,  张子茜 ,  孙浩宸

IPC: G06T7/00 ,  G06T3/40 ,  G06V10/22 ,  G06V10/46 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06T7/11 ,  G06N3/04

Abstract: 本发明特别涉及一种设施番茄叶部病斑检测方法，包括如下步骤：S100、无损、非破坏性获取设施番茄植株原始图像；S200、原始图像经过Input输入端缩放到标准尺寸并设定初始锚框；S300、在Backbone主干网络中依次经过Focus模块切片成特征图、经过卷积核的卷积操作、经过CBAM_CSP结构进行特征聚合；S400、进入Neck网络层聚合参数提取设施番茄叶部病斑特征；S500、提取的特征图经过Prediction结构训练的权重文件里的设施番茄叶部病斑特征以及损失函数进行目标预测，检测出图像中的病斑。根据基于Yolov5算法在Backbone主干网络的CSP结构中添加CBAM通道空间注意力模块，改进损失函数，利用改进后的算法提高设施番茄叶部病斑检测精度，本方法的检测结果准确，该方法可靠、实用性强。

公开(公告)号：CN115984098A

公开(公告)日：2023-04-18

申请号：CN202310015937.5

申请日：2023-01-06

Applicant: 安徽大学

Inventor： 屈磊 ,  陈宇飞 ,  吴军 ,  邹恒东 ,  孙浩宸 ,  朱铃菲 ,  李紫翔

IPC: G06T3/00 ,  G06T7/11 ,  G06T3/40 ,  G06T1/20

Abstract: 本发明涉及一种基于CUDA加速的超大三维图像形变方法，包括：通过仿射变换计算两组配准特征点的仿射变换矩阵；对目标图像进行分块，对分块后得到的每个小块图像块进行图像形变：利用仿射变换矩阵，通过CUDA实现三维图像体素遍历并行化操作；读取形变后的3D图像块，拼接成原始图像尺寸的2D连续序列图像。本发明利用对目标图像进行分块的原理，并利用GPU的并行架构加速图像线性插值的计算过程，在解决可以针对超大三维图像进行形变的同时又有效的提升了图像配准的运行效率；实验证明本方法在CPU为i5‑10400F、GPU为RTX‑3060、内存为16G的平台下，可以处理大于计算机内存2倍的超大三维图像数据，并获得了大约11倍的加速比，极大的缩短了形变配准的时间。

公开(公告)号：CN114898361A

公开(公告)日：2022-08-12

申请号：CN202210514370.1

申请日：2022-05-11

Applicant: 安徽大学

Inventor： 刘天乐 ,  翁士状 ,  谭乐宁 ,  葛健飞 ,  张子茜 ,  孙浩宸 ,  柏苏 ,  魏文虎 ,  孔其炜

IPC: G06V20/68 ,  G06V20/10 ,  G06V20/17 ,  G06V20/40 ,  G06V10/82 ,  G06V10/774 ,  G06T7/73 ,  G06T7/277 ,  G06T7/20 ,  G06T3/40 ,  G06N3/00

Abstract: 本发明特别涉及一种桃园果实状态识别与计数方法，包括如下步骤：S100、采用基于自适应粒子群的航迹规划方法对无人机在桃园内的行进路线进行规划；S200、分别获取桃园内每一棵桃树树冠上部分和下部分的360°全景录像；S300、将两个录像文件分别做抽帧处理后再拼接成一个视频；S400、对视频逐帧识别，获取每一帧中桃子的状态和对应数量；S500、对被识别的目标进行追踪，获得整棵桃树桃子的状态和对应数量。本发明将无人机平台与机器视觉有机结合，充分利用两者的优势：无人机的机动性、适应性，机器视觉的准确性、高速性，可以实现对全果园的全自动化、智能化监测。

公开(公告)号：CN115128954A

公开(公告)日：2022-09-30

申请号：CN202210815996.6

申请日：2022-07-12

Applicant: 安徽大学

Inventor： 张红伟 ,  王旭 ,  丁大为 ,  程然 ,  孙浩宸 ,  赵余懿 ,  李东风

IPC: G05B13/04

Abstract: 本发明属于忆阻神经网络以及保密通信领域，具体涉及一种基于开环控制的四元值忆阻神经网络的全局投影同步方法及其应用。该方法并不同于传统的将系统分离成一个实数系统和三个复数系统，而是将系统看作一个整体进行研究。同时利用离散多时滞忆阻神经网络建立相应的驱动系统和响应系统，设计开环控制器，使得加密的明文信号在信道中传输可以达到更好的保密效果。本发明较传统的混沌神经网络有更好的保密效果，网络能耗更低，为加密通信提供了一种更好的解决方案。