-
公开(公告)号：CN108053485B
公开(公告)日：2020-08-07
申请号：CN201711483268.5
申请日：2017-12-29
Applicant: 浙江大学
Abstract: 本发明公开了一种基于轮廓图像的马铃薯三维建模方法。首先拍摄旋转角度相隔90°的两幅马铃薯图像，利用图像处理方法分别对两幅图像中的马铃薯对象进行轮廓提取和角点检测；将所有角点作为候选点，通过筛选后得到特征点。然后将特征点标定并输入建模软件，用于生成马铃薯外形骨架；最后创建并拾取闭合曲面，对其进行实体化，可得到马铃薯三维几何模型。本发明避免了椭球形农业物料常用三维建模方法精度低、成本高、速度慢等缺点，可快速准确地获取马铃薯三维几何模型，为其在有限元软件中的进一步分析奠定基础。
-
公开(公告)号：CN109977755A
公开(公告)日：2019-07-05
申请号：CN201910060130.7
申请日：2019-01-22
Applicant: 浙江大学
Abstract: 本发明公开了一种采用单幅图像检测猪站立和躺卧姿态的方法。建立用于母猪识别的DeepLab模型，对训练集中的图像采用DeepLab模型进行识别后得到初始分割图，将初始分割图中母猪调整为水平方向，建立母猪的外接矩形，并将外接矩形内的像素点的保存为初始矩阵，新建参考矩阵，将矩阵复制到参考矩阵的中位置，并将参考矩阵保存为图像，检测图像中母猪的头部和尾部，并保证母猪的头部在左边，构成姿态图集，用LeNet模型训练后得到母猪站立和躺卧姿态识别模型。本发明采用母猪的头部方向一致的图像进行母猪站立和躺卧姿态识别，识别精度高且速度快。
-
公开(公告)号：CN109886985A
公开(公告)日：2019-06-14
申请号：CN201910060144.9
申请日：2019-01-22
Applicant: 浙江大学
Abstract: 本发明公开了一种融合深度学习网络和分水岭算法的图像精确分割方法。采用DeepLab识别模型并对待定图像进行识别，得到初始分割图，采用分水岭算法对待定图像进行分割，得到一组待定区域，将待定区域数量与初始分割图点乘，将待定区域划分为待测物区域，否则将待测物区域内的待定区域去除。本发明综合利用待定点与待测物质心的距离和待定点与前景及背景的灰度差异来判断等点的属性，实现了图像的精确分割。本发明利用分水岭将相邻灰度相近的像素间分区的特性，采用深度学习方法，建立待测物核心区域，提高检测精度。
-
公开(公告)号：CN106203476A
公开(公告)日：2016-12-07
申请号：CN201610489805.6
申请日：2016-06-24
Applicant: 浙江大学
CPC classification number: G06K9/6276 , G06K9/4604
Abstract: 本发明公开了一种基于最近邻分类与模糊算法的猪头尾轮廓识别方法。建立直角坐标系和猪体轮廓信息队列，检测获得猪体长轴的两个端点，并转换为循环队列，并构建第一、第二端轮廓，将第一、第二端轮廓坐标位置变为复数形式作快速傅里叶变换，取系数的模长作为特征向量，建立包含猪头尾样本特征集合的样本标准库；对于待识别猪图像，重复步骤获得特征向量，计算马氏距离，按从小到大排列，取一部分计算识别参考值，通过分析获得猪头尾轮廓的识别结果。本发明增强了鲁棒性，从而能在图像分割质量较差、轮廓信息较不完善的情况下较好地完成识别工作，避免传统分类器对于图像本身导致的不理想的轮廓信息出现错误识别无法妥善处理的情况。
-
公开(公告)号：CN109977755B
公开(公告)日：2020-12-11
申请号：CN201910060130.7
申请日：2019-01-22
Applicant: 浙江大学
Abstract: 本发明公开了一种采用单幅图像检测猪站立和躺卧姿态的方法。建立用于母猪识别的DeepLab模型，对训练集中的图像采用DeepLab模型进行识别后得到初始分割图，将初始分割图中母猪调整为水平方向，建立母猪的外接矩形，并将外接矩形内的像素点的保存为初始矩阵，新建参考矩阵，将矩阵复制到参考矩阵的中位置，并将参考矩阵保存为图像，检测图像中母猪的头部和尾部，并保证母猪的头部在左边，构成姿态图集，用LeNet模型训练后得到母猪站立和躺卧姿态识别模型。本发明采用母猪的头部方向一致的图像进行母猪站立和躺卧姿态识别，识别精度高且速度快。
-
Patent Agency Ranking
公开(公告)号：CN109886984A
公开(公告)日：2019-06-14
申请号：CN201910059025.1
申请日：2019-01-22
Applicant: 浙江大学
Abstract: 本发明公开了一种利用前后景灰度差和深度学习网络的图像精确分割方法。采用DeepLab识别模型并对待定图像识别得到初始分割图，提取初始分割图上待测物的轮廓点并计算定向矩阵和长短轴长度，用定向矩阵对轮廓点进行重定向，计算质心，利用定向矩阵、长短轴长度和质心计算待定点前景灰度差异值、背景灰度差异值，进而计算前景扩张参考值和背景扩张参考值，比较前景扩张参考值和背景扩张参考值与相应阈值的大小确定待定点的属性，进而实现精确分割。本发明综合利用待定点与待测物质心的距离和待定点与前景及背景的灰度差异来判断等点的属性，实现了图像的精确分割。
-
公开(公告)号：CN106204537A
公开(公告)日：2016-12-07
申请号：CN201610493686.1
申请日：2016-06-24
Applicant: 浙江大学
IPC: G06T7/00
Abstract: 本发明公开了一种复杂环境下生猪图像分割方法。实时采集生猪图像，获得光源参考点，建立直角坐标系，对于待分割生猪图像灰度转换，得到生猪灰度图，进而处理得到生猪梯度图，分割提取获得初始分割图像；对初始分割图像闭运算，再去除连通域，获得二次分割图像；计算获得对象、对象面积、光照强度和距离，构建偏向膨胀结构元，计算阴影补偿系数，对二次分割图像进行处理获得四次分割图像，根据四次分割图像结合二次分割图像处理获得五次分割图像。本发明方法能有效在环境较为复杂的猪舍生猪图像中分割出猪体，并可连续批量地处理且具有自我调整能力，适用于对连续长时间的生猪监控图像进行图像处理，有助于实现对生猪进行自动化监控。
-
公开(公告)号：CN105184775A
公开(公告)日：2015-12-23
申请号：CN201510501000.4
申请日：2015-08-14
Applicant: 浙江大学
IPC: G06T7/00
CPC classification number: G06T2207/30128
Abstract: 本发明公开了一种基于特征向量定向的椭球形水果尺寸快速检测方法。对获取的水果图像进行阈值分割、滤波、边缘提取等操作来得到水果边缘图像。对边缘图像建立直角坐标系；求出边缘坐标的协方差矩阵；进而求得协方差矩阵的特征值与单位特征向量；利用单位特征向量定向水果，使其纵径或横径方向平行于直角坐标系水平轴，再利用计算水果边界的上、下、左、右极值点来完成尺寸检测。本发明通过对水果图像的边界坐标信息求取特征向量来达到快速定向到水果纵径和横径，避免了MER方法通过多次旋转水果图像带来的大量运算，在保证检测精度的同时，提高了检测速度，适于椭球形水果商品化处理过程中的水果尺寸实时检测需要。
-
公开(公告)号：CN109886984B
公开(公告)日：2021-01-08
申请号：CN201910059025.1
申请日：2019-01-22
Applicant: 浙江大学
Abstract: 本发明公开了一种利用前后景灰度差和深度学习网络的图像精确分割方法。采用DeepLab识别模型并对待定图像识别得到初始分割图，提取初始分割图上待测物的轮廓点并计算定向矩阵和长短轴长度，用定向矩阵对轮廓点进行重定向，计算质心，利用定向矩阵、长短轴长度和质心计算待定点前景灰度差异值、背景灰度差异值，进而计算前景扩张参考值和背景扩张参考值，比较前景扩张参考值和背景扩张参考值与相应阈值的大小确定待定点的属性，进而实现精确分割。本发明综合利用待定点与待测物质心的距离和待定点与前景及背景的灰度差异来判断等点的属性，实现了图像的精确分割。
-
公开(公告)号：CN109886271B
公开(公告)日：2021-01-26
申请号：CN201910059024.7
申请日：2019-01-22
Applicant: 浙江大学
Abstract: 本发明公开了一种融合深度学习网络和改进边缘检测的图像精确分割方法。采用DeepLab识别模型并对待定图像识别后得到初始分割图和初始轮廓，对待定图像进行灰度拉伸后采用Canny算法处理，得到边缘，用初始轮廓的各点在边缘上搜索到的距离最小的点组成收敛边缘，利用收敛边缘E，对初始分割图进行开运算等处理后，得到二次分割图，再对二次分割图进行闭运算等处理后得到三次分割图，将收敛边缘在三次分割图上的对应像素点标为0，并对三次分割图轮廓进行平滑，三次分割图上为1的区域代表待测物。本发明采用深度学习模型建立待测物核心区域，再利用Canny算法检测边缘的优势，提高检测精度。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.015 seconds)
