公开(公告)号：CN118470422B

公开(公告)日：2025-04-01

申请号：CN202410654325.5

申请日：2024-05-24

Applicant: 安徽大学

Inventor： 庞登浩 ,  程苛苛 ,  赵代超 ,  杜锦国曦 ,  阮超 ,  黄林生

IPC: G06V10/764 ,  G06V10/77 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及一种基于CNN和ViT的柑橘黄龙病害识别方法，包括：柑橘黄龙病害图像样本的获取并进行预处理；组成数据集，将数据集划分为训练集、验证集和测试集；构建柑橘黄龙病害图像识别模型；对训练集进行预处理，将预处理后的训练集输入柑橘黄龙病害识别模型中进行训练；获取待检测的柑橘黄龙病害图像并进行预处理，输入训练后的柑橘黄龙病害识别模型，得到柑橘黄龙病害识别结果。本发明通过将CNN分支模型连接ViT分支模型，实现对柑橘黄龙图像病害的准确识别；使用三个级联的残差模块，相较于传统ResNet参数量大大减少，结合轻量化注意力模块使得在参数量大幅下降的同时，提高了模型精度，有效地减轻了背景干扰，提升了病虫害的识别性能。

公开(公告)号：CN118470422A

公开(公告)日：2024-08-09

申请号：CN202410654325.5

申请日：2024-05-24

Applicant: 安徽大学

Inventor： 庞登浩 ,  程苛苛 ,  赵代超 ,  杜锦国曦 ,  阮超 ,  黄林生

IPC: G06V10/764 ,  G06V10/77 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及一种基于CNN和ViT的柑橘黄龙病害识别方法，包括：柑橘黄龙病害图像样本的获取并进行预处理；组成数据集，将数据集划分为训练集、验证集和测试集；构建柑橘黄龙病害图像识别模型；对训练集进行预处理，将预处理后的训练集输入柑橘黄龙病害识别模型中进行训练；获取待检测的柑橘黄龙病害图像并进行预处理，输入训练后的柑橘黄龙病害识别模型，得到柑橘黄龙病害识别结果。本发明通过将CNN分支模型连接ViT分支模型，实现对柑橘黄龙图像病害的准确识别；使用三个级联的残差模块，相较于传统ResNet参数量大大减少，结合轻量化注意力模块使得在参数量大幅下降的同时，提高了模型精度，有效地减轻了背景干扰，提升了病虫害的识别性能。

公开(公告)号：CN117391919A

公开(公告)日：2024-01-12

申请号：CN202311366659.4

申请日：2023-10-20

Applicant: 安徽大学

Inventor： 洪蕊 ,  徐国明 ,  闫子豪 ,  胡胜玉 ,  祝浩宇 ,  胡涛 ,  孙吉喆 ,  赵代超 ,  吴悦悦 ,  秦祥森

IPC: G06T1/00 ,  G06T7/90 ,  G06T5/30 ,  G06T5/00 ,  G06T5/50

Abstract: 本发明公开了一种瓷砖表面图像采集处理系统，具体包括图像采集、图像处理两部分，图像采集部分包括光电传感器、摄像机等部分组成，并对摄像机进行标定，使得摄像机获取表面凹凸值更加准确，图像处理部分采取高斯差分二值法并对二值法处理后的图像进行干扰点消除从而得到更加适用于深度学习模型算法识别的图像。总的来说，该系统可以克服现有系统存在的图像反射等问题，识别图像更加准确、便利。

公开(公告)号：CN116824628A

公开(公告)日：2023-09-29

申请号：CN202310646389.6

申请日：2023-06-02

Applicant: 安徽大学

Inventor： 路然 ,  吴世博 ,  甘雨彤 ,  王娇娇 ,  赵代超 ,  但劲 ,  谢丹丹

IPC: G06V40/10 ,  G06T5/40 ,  G06N3/0464 ,  G06T5/00 ,  G06N3/08

Abstract: 本发明提供一种矿井低照度环境下的轻量化行人检测方法，涉及图像检测技术领域，离线使用的直方图均衡化图像增强算法，增强的图像数据和原始数据混合，按照8:2进行数据集的划分。以YOLOv5作为基准模型，使用MobileNetV3特征提取部分，结合SE注意力机制模块作为YOLOv5的骨干网络，检测头head部分网络结构保持不变。在保证精度满足的条件下，改进后的检测网络显著可以显著降低模型的参数由701.3万减少为394.5万个，推理每张图片用时由12.7ms缩减为3.3ms，可以显著提升模型的推理速度，符合矿井工业场景下对于轻量化部署和运算的需求。

公开(公告)号：CN118071673A

公开(公告)日：2024-05-24

申请号：CN202311366657.5

申请日：2023-10-20

Applicant: 安徽大学

Inventor： 闫子豪 ,  徐国明 ,  洪蕊 ,  胡涛 ,  孙吉喆 ,  胡胜玉 ,  赵代超 ,  祝浩宇 ,  秦祥森 ,  吴悦悦

IPC: G06T7/00 ,  G06T3/40 ,  G06T5/00 ,  G06N3/0464 ,  G06V10/82 ,  G06N3/08 ,  G06V10/774

Abstract: 本发明公开了一种基于Yolov5的瓷砖表面缺陷检测方法，其特征在于：至少包括以下步骤：S1：采集原始瓷砖缺陷数据集；S2：图像切割以及亮度变换、平移、缩放、透视变换的数据增强策略；S3：加入SE、CA、ECA和CBAM四种注意力模块来提升Yolov5检测模型性能；S4：引入通道混洗来对Yolov5检测模型进行轻量化改进；S5：在瓷砖缺陷数据集上进行性能验证。本发明涉及瓷砖表面缺陷检测技术领域，具体涉及一种基于Yolov5的瓷砖表面缺陷检测方法。

公开(公告)号：CN116934674A

公开(公告)日：2023-10-24

申请号：CN202310432318.6

申请日：2023-07-25

Applicant: 安徽大学 ,  合肥合工安驰智能科技有限公司

Inventor： 路然 ,  段章领 ,  殷泺潇 ,  吴世博 ,  王梦然 ,  杨建文 ,  赵代超

IPC: G06T7/00 ,  G06T7/60 ,  G06N3/0464 ,  G06N3/08 ,  G06T7/20 ,  B07C5/10 ,  B07C5/36

Abstract: 本发明提供了一种基于YOLOv8网络的深度学习大粒度硅料检测与清除系统，适用于硅料细分拣选领域。该系统通过高帧率摄像头获取传送带上的硅料图像，并使用labelme手工标注，剔除异常的硅料图片。将图像样本按9:1分为训练集和验证集，对图片进行数据增强以提高泛化能力。以YOLOv8为骨干网络创建YOLO_SI算法，并使用训练数据集得到网络模型。使用该算法检测出图像中的所有硅料，根据预设阈值进行大小预警和跟踪标记，并在到达清除位置时发出清除指令给下位机。通过在预设位置安装喷气口，下位机发送命令给喷气装置，将标记追踪的大粒度硅料有序地剔除。本发明可以高效检测和清除硅料，自动化程度高，有效降低人工依赖，满足矿业拣选需求。