公开(公告)号：CN120014407A

公开(公告)日：2025-05-16

申请号：CN202510010746.9

申请日：2025-01-03

Applicant: 无锡学院

Inventor： 左官芳 ,  沙彦佑 ,  岳培生 ,  李昊 ,  杨广捷 ,  张鑫 ,  刘嘉林 ,  杜明星 ,  梁嘉乐 ,  张子豪 ,  阮义阳 ,  崔博智 ,  孙慧

IPC: G06V10/82 ,  G06V10/20 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于改进的YOLOv8模型的目标识别方法，涉及图像识别的技术领域。首先，获取待识别的图像并进行预处理。接着，构建改进的YOLOv8模型；在原有的YOLOv8模型的基础上，所述改进的YOLOv8模型增加了用于增强特征表达能力的C2f_SENet模块和用于提高多尺度目标检测能力的Dyhead_DCNv3模块。对改进的YOLOv8模型进行训练，得到训练好的改进的YOLOv8模型。最后，将进行预处理后的图像输入至训练好的改进的YOLOv8模型，得到目标识别结果。本发明提高了现有的YOLOv8模型目标识别的准确率和效率，应用于光照强度过高或者过低、电动车被遮挡等复杂情况下，提高电梯中电动车识别的准确率和效率。

公开(公告)号：CN119107532A

公开(公告)日：2024-12-10

申请号：CN202411084821.8

申请日：2024-08-08

Applicant: 无锡学院

Inventor： 左官芳 ,  黄涛 ,  杨广捷 ,  岳培生 ,  郝长亮 ,  阮义阳 ,  张鑫 ,  李昊 ,  孙慧 ,  杜明星

IPC: G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于YOLOv8模型的PCB缺陷识别方法，所述方法包括：S1：获取待识别图像集；S2：改进YOLOv8模型，所述YOLOv8模型包括依次连接的Backbone网络、Neck网络和Head网络；改进的方法基于BiFPN双向特征金字塔网络，在其基础上整合了P2特征层，以提升小型目标的检测精度，并采用适合YOLOv8的卷积修改网络连接；引入TA层(Convolutional Triplet Attention Module)，以提高模型的识别准确度；设计了全新的CSC模块来替代部分C2f模块，减少模型参数冗余，从而更快速、更精准地定位目标。S3：采用待识别图像集对改进YOLOv8模型进行训练；S4：将待测图像输入训练得到的改进YOLOv8模型中，得到PCB缺陷识别结果。本发明以YOLOv8模型作为基础识别网络，并对其网络模型结构进行改进，提高了YOLOv8模型的检测精度。

公开(公告)号：CN118747748A

公开(公告)日：2024-10-08

申请号：CN202410914272.6

申请日：2024-07-09

Applicant: 无锡学院

Inventor： 左官芳 ,  黄涛 ,  阮义阳 ,  杨广捷 ,  郝长亮 ,  岳培生 ,  张鑫 ,  李昊

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/764

Abstract: 本发明公开了一种基于YOLOv5模型的缺陷PCB检测方法，所述方法包括：S1：获取缺陷PCB图像集；S2：改进YOLOv5模型，所述YOLOv5模型包括依次连接的Backbone网络、Neck网络和Head网络；在Backbone网络中的每个C3模块后添加通道注意力模块SE；在Neck网络中，使用改进SWPC3模块替代原C3模块；将CIoU损失函数替换为EIoU损失函数；S3：采用缺陷PCB图像集对改进YOLOv5模型进行训练；S4：将待测图像输入训练得到的改进YOLOv5模型中，得到识别结果。本发明以YOLOv5模型作为基础识别网络，并对其网络模型结构进行改进，提高了YOLOv5模型的检测精度。

公开(公告)号：CN117853881A

公开(公告)日：2024-04-09

申请号：CN202410127593.1

申请日：2024-01-30

Applicant: 无锡学院

Inventor： 左官芳 ,  黄涛 ,  酒蒙恩 ,  王思成 ,  顾思睿 ,  阮义阳 ,  岳培生 ,  张鑫 ,  杨广捷 ,  耿祥森 ,  李培信

IPC: G06V20/00 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种无人售货机商品识别方法及系统，属于图像处理技术领域，采集待识别的无人售货机商品的图像信息，并进行标注，构造训练集；建立YOLOv5s‑F模型，使用训练集对YOLOv5s‑F模型进行训练；当获取开门的电信号后，利用训练后的YOLOv5s‑F模型对待识别的商品的图像进行图像推理，得到识别的商品总数以及当前商品总重量；当收到关门电信号时，再次对待识别的商品的图像进行图像推理，将前后两次的商品识别数量以及两次重量进行对比，获得对比结果，计算商品价格并下单，生成下单信息。该方法能够确保无人售货机在大规模使用时能够轻量化、快速准确地进行商品识别。

公开(公告)号：CN308650270S

公开(公告)日：2024-05-24

申请号：CN202330774838.6

申请日：2023-11-27

Applicant: 无锡学院

Designer： 王思成 ,  左官芳 ,  徐添爱 ,  任耶露 ,  酒蒙恩 ,  顾思睿 ,  岳培生 ,  阮义阳 ,  杨广捷 ,  张鑫

Abstract: 1.本外观设计产品的名称：DDS信号发生器。
2.本外观设计产品的用途：本外观设计产品用于输出、测量信号。
3.本外观设计产品的设计要点：在于产品的整体造型设计。
4.最能表明设计要点的图片或照片：立体图1。