公开(公告)号：CN116977696A

公开(公告)日：2023-10-31

申请号：CN202310415076.X

申请日：2023-04-17

Applicant: 襄阳湖北工业大学产业研究院

Inventor： 曾亮 ,  杨腾飞 ,  王珊珊 ,  谭微微 ,  袁权 ,  李明 ,  石俊洋 ,  丁子阳 ,  胡迈 ,  杨宇晨

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/096

Abstract: 本发明提供一种高空作业安全带检测方法、装置、电子设备及存储介质，该方法包括：基于高空电力作业图像数据集得到训练集；基于训练集对轻量化网络模型进行训练，并基于通道蒸馏和空间蒸馏的方法将教师网络的特征信息传递给学生网络，得到图像识别模型；将待测高空电力作业图像输入至图像识别模型，得到多个预测框，从多个预测框中去除重复预测框，得到待测高空电力作业图像对应的安全带检测结果；其中，轻量化网络模型包括主干特征提取网络和多尺度特征融合网络，主干特征提取网络包括多个IB模块，特征融合网络是由卷积层、上采样层、下采样层和特征融合层构成的特征金字塔结构。本发明可以解决现有技术中安全带检测精度较低的技术问题。

公开(公告)号：CN114821575A

公开(公告)日：2022-07-29

申请号：CN202210572988.3

申请日：2022-05-19

Applicant: 湖北工业大学

Inventor： 王珊珊 ,  朱威 ,  胡谦 ,  邹心怡 ,  杨宇晨 ,  何嘉文 ,  吴霓 ,  谭微微 ,  杨腾飞 ,  曾亮

IPC: G06V20/68 ,  G06V10/25 ,  G06V10/42 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06N20/20

Abstract: 本发明提供了一种基于注意力机制和集成学习的冰箱食材检测方法及装置。其方法包括：获得训练完备后的冰箱食材检测集成模型，所述冰箱食材检测集成模型包括模型结构不相同的第一冰箱食材检测模型和第二冰箱食材检测模型，所述第一冰箱食材检测模型包括联合注意力机制模块；获取待检测冰箱食材图像，并基于所述冰箱食材检测集成模型对所述待检测冰箱食材图像进行检测，获得所述待检测冰箱食材图像的检测结果。本发明通过设置冰箱食材检测集成模型包括模型结构不相同的第一冰箱食材检测模型和第二冰箱食材检测模型，且第一冰箱食材检测模型包括联合注意力机制模块，可增强特征的表达能力，提高冰箱食材检测集成模型的检测精度和准确性。

公开(公告)号：CN116721064A

公开(公告)日：2023-09-08

申请号：CN202310602554.8

申请日：2023-05-25

Applicant: 湖北工业大学

Inventor： 王珊珊 ,  谭微微 ,  杨腾飞 ,  曾亮

IPC: G06T7/00 ,  G06V10/82 ,  G06V10/26 ,  G06V10/30 ,  G06V10/22 ,  G01B11/14

Abstract: 本发明提供了一种基于Unet语义分割的盾构盾尾间隙测量方法及设备。所述方法包括：步骤1，通过数据采集设备，获取现场不同拍摄距离下的原始图像；步骤2，制作该工程应用环境的数据集；步骤3，训练Unet分割网络，输入实测图像；步骤4，输出经过分割提取的目标区域图像；步骤5，对目标区域图像进行预处理，滤除相关噪声；步骤6，提取两个激光十字及管片下边缘；步骤7，求解两个激光十字的十字交点坐标，分别计算两个激光十字交点坐标到管片下边缘的距离d1和d2；步骤8，将d1和d2代入盾尾间隙计算模型，求得盾尾间隙值。本发明可以识别出管片下边缘并且对下边缘直线具有更高的检测精度。

公开(公告)号：CN114821575B

公开(公告)日：2024-08-13

申请号：CN202210572988.3

申请日：2022-05-19

Applicant: 湖北工业大学

Inventor： 王珊珊 ,  朱威 ,  胡谦 ,  邹心怡 ,  杨宇晨 ,  何嘉文 ,  吴霓 ,  谭微微 ,  杨腾飞 ,  曾亮

IPC: G06V20/68 ,  G06V10/25 ,  G06V10/42 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/098

Abstract: 本发明提供了一种基于注意力机制和集成学习的冰箱食材检测方法及装置。其方法包括：获得训练完备后的冰箱食材检测集成模型，所述冰箱食材检测集成模型包括模型结构不相同的第一冰箱食材检测模型和第二冰箱食材检测模型，所述第一冰箱食材检测模型包括联合注意力机制模块；获取待检测冰箱食材图像，并基于所述冰箱食材检测集成模型对所述待检测冰箱食材图像进行检测，获得所述待检测冰箱食材图像的检测结果。本发明通过设置冰箱食材检测集成模型包括模型结构不相同的第一冰箱食材检测模型和第二冰箱食材检测模型，且第一冰箱食材检测模型包括联合注意力机制模块，可增强特征的表达能力，提高冰箱食材检测集成模型的检测精度和准确性。

公开(公告)号：CN115908778A

公开(公告)日：2023-04-04

申请号：CN202211369575.1

申请日：2022-11-03

Applicant: 湖北工业大学

Inventor： 曾亮 ,  李明 ,  谭微微 ,  舒文强 ,  王珊珊 ,  刘哲 ,  邹心怡 ,  夏军勇 ,  许超 ,  杨钊 ,  熊栋栋

IPC: G06V10/22 ,  G06V10/26 ,  G06V10/82 ,  G06N3/044 ,  G06N3/08

Abstract: 公开了一种用于盾尾间隙智能监测的管片区域和激光标定区域提取方法，该方法利用深度学习目标检测、深度学习语义分割、图像处理方法快速识别经由工业相机获取现场图片中的管片区域和激光标定区域。本发明排除图像采集过程中曝光的影响以及原始图像中的干扰信息，以达到在盾构掘进施工和管片拼装过程中对盾尾间隙进行实时和连续性测量的目的，并克服现有测量方法实时性差，测量结果不够精确等方面的缺陷。