-
公开(公告)号：CN114627062A
公开(公告)日：2022-06-14
申请号：CN202210185506.9
申请日：2022-02-28
Applicant: 湖北工业大学
IPC: G06T7/00 , G06K9/62 , G06V10/764
Abstract: 本发明提出了一种改进Faster R‑CNN的太阳能电池片表面缺陷检测方法。本发明通过工业相机对含有缺陷的太阳能电池片进行图像采集，并通过图像预处理得到每幅预处理后太阳能电池片图像，手动标记上述图像的多个缺陷位置框和缺陷类别；构建改进Faster R‑CNN的太阳能电池片表面缺陷检测模型，将上述图像输入至该模型进行预测，得到每幅图像预测的多个缺陷位置框和缺陷类别，结合该缺陷位置框和缺陷类别构建损失函数模型，通过反向传播算法进行优化训练，得到优化后的网络模型；工业相机实时采集太阳能电池片图像，将该图像通过优化后改进Faster R‑CNN的太阳能电池片表面缺陷检测网络模型进行预测，实现对太阳能电池片的表面缺陷检测。本发明有检测速度快，检测精度高的优点。
-
公开(公告)号：CN114494867A
公开(公告)日：2022-05-13
申请号：CN202210058008.8
申请日：2022-01-19
Applicant: 湖北工业大学
IPC: G06V20/10 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及电力器件技术，具体涉及一种改进AlexNet网络的绝缘子快速分类识别方法，包括以下步骤：收集绝缘子数据集，随机对绝缘子数据集按照7：3的比例划分为训练集和测试集；对AlexNet网络进行改进，建立改进绝缘子分类识别网络模型；训练改进的AlexNet网络，得到训练后的绝缘子分类识别模型；利用测试集得到绝缘子分类结果。该识别方法能更好地对不同种类的绝缘子进行分类识别。提高了在复杂干扰下绝缘子分类识别的准确性和图像检测的快速性，为无人机电力巡检提供了理论依据。
-
公开(公告)号：CN114863198B
公开(公告)日：2024-08-06
申请号：CN202210198733.5
申请日：2022-03-02
Applicant: 湖北工业大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06V10/762 , G06V10/56 , G06V10/44 , G06V10/25 , G06T7/11 , G06N3/0464 , G06N3/084 , G06N3/088
Abstract: 本发明公开一种基于神经网络的小龙虾质量分级方法，包括(1)采集构建小龙虾数据集，将其随机划分为训练集、验证集及测试集；(2)针对自采集数据图片，在pytorch框架下利用鲸鱼算法提高anchor检测框定位精度、构建ResNet152分类网络，将改进后的模型进行数据训练并反复验证测试，对龙虾进行定位识别，采用一种基于距离的细化算法提取龙虾骨架，按照姿态完成虾尾形状分类，完成新鲜度及颜色分类结果。(3)采用将龙虾图片进行二进制图像转换的方法，计算虾体像素点所占比重，按阈值进行规格分类。(4)按照(2)和(3)的分类结果进行不同等级的分拣。本发明将深度学习与图像处理技术融合，对龙虾的定位更加准确、形态检测的精度更高，速度更快。
-
Patent Agency Ranking
公开(公告)号：CN115035385B
公开(公告)日：2024-08-06
申请号：CN202210748685.2
申请日：2022-06-28
Applicant: 湖北工业大学
IPC: G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种改进VGG19网络的绝缘子污秽识别方法，首先采集绝缘子污秽数据集并对其进行扩充，并将扩充后的数据分为训练集以及测试集，建立改进VGG19绝缘子污秽识别网络模型；输入训练集对改进VGG19绝缘子污秽识别网络模型进行训练，得到训练后的识别网络模型；最后输入测试集至训练后的识别网络模型得到绝缘子污秽识别结果。本发明解决了VGG19网络中全连接层参数冗余以及绝缘子污秽精确度和每秒处理图片张量较低的问题；更容易在内存受限的无人机设备上部署。
-
公开(公告)号：CN115035385A
公开(公告)日：2022-09-09
申请号：CN202210748685.2
申请日：2022-06-28
Applicant: 湖北工业大学
IPC: G06V10/82 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种改进VGG19网络的绝缘子污秽识别方法，首先采集绝缘子污秽数据集并对其进行扩充，并将扩充后的数据分为训练集以及测试集，建立改进VGG19绝缘子污秽识别网络模型；输入训练集对改进VGG19绝缘子污秽识别网络模型进行训练，得到训练后的识别网络模型；最后输入测试集至训练后的识别网络模型得到绝缘子污秽识别结果。本发明解决了VGG19网络中全连接层参数冗余以及绝缘子污秽精确度和每秒处理图片张量较低的问题；更容易在内存受限的无人机设备上部署。
-
公开(公告)号：CN114863198A
公开(公告)日：2022-08-05
申请号：CN202210198733.5
申请日：2022-03-02
Applicant: 湖北工业大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06V10/762 , G06V10/56 , G06V10/44 , G06V10/25 , G06T7/11 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于神经网络的小龙虾质量分级方法，包括(1)采集构建小龙虾数据集，将其随机划分为训练集、验证集及测试集；(2)针对自采集数据图片，在pytorch框架下利用鲸鱼算法提高anchor检测框定位精度、构建ResNet152分类网络，将改进后的模型进行数据训练并反复验证测试，对龙虾进行定位识别，采用一种基于距离的细化算法提取龙虾骨架，按照姿态完成虾尾形状分类，完成新鲜度及颜色分类结果。(3)采用将龙虾图片进行二进制图像转换的方法，计算虾体像素点所占比重，按阈值进行规格分类。(4)按照(2)和(3)的分类结果进行不同等级的分拣。本发明将深度学习与图像处理技术融合，对龙虾的定位更加准确、形态检测的精度更高，速度更快。
-
公开(公告)号：CN114494867B
公开(公告)日：2024-10-29
申请号：CN202210058008.8
申请日：2022-01-19
Applicant: 湖北工业大学
IPC: G06V20/10 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及电力器件技术，具体涉及一种改进AlexNet网络的绝缘子快速分类识别方法，包括以下步骤：收集绝缘子数据集，随机对绝缘子数据集按照7：3的比例划分为训练集和测试集；对AlexNet网络进行改进，建立改进绝缘子分类识别网络模型；训练改进的AlexNet网络，得到训练后的绝缘子分类识别模型；利用测试集得到绝缘子分类结果。该识别方法能更好地对不同种类的绝缘子进行分类识别。提高了在复杂干扰下绝缘子分类识别的准确性和图像检测的快速性，为无人机电力巡检提供了理论依据。
-
公开(公告)号：CN111935106B
公开(公告)日：2022-05-13
申请号：CN202010716558.5
申请日：2020-07-23
Applicant: 湖北工业大学
IPC: H04L9/40
Abstract: 本发明公开了一种利用改进验证码收集带标签的数据集的方法，首先收集并标注大量的现有开源数据集未收录的对象或者是一些物体的不常见多样化的特征，并对这些图像进行位移、旋转、亮度和缩放的图像增强处理以及合并出一个多特征的数据集，其次提出一种基于上述数据集中利用矩形标注这些对象或者特征标签的新型验证码的方法，该方法判定用户输入的标签是否在可接受范围内，若正确，则保存图像和用户输入的标签作为数据集的一部分，反之验证失败，则重新测试直到成功。本发明收集的数据集的效率极高，成本低，且得到的数据集质量高。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
