公开(公告)号：CN111915633A

公开(公告)日：2020-11-10

申请号：CN202010728462.0

申请日：2020-07-24

Applicant: 安徽工程大学

Inventor： 江明 ,  童胜杰 ,  焦传佳 ,  吴云飞 ,  徐印赟

IPC: G06T7/13 ,  G06T7/155 ,  G06T5/00 ,  G06T5/20

Abstract: 本发明公开了一种铸件边缘检测方法及装置，该方法具体包括如下步骤：S1、读取铸件表面图像；S2、对铸件表面图像依次进行形态学开运算、形态学闭运算，形成铸件表面闭运算图像；S3、对铸件表面闭运算图像进行灰度处理，形成铸件表面灰度图像；S4、采用二阶微分Laplace边缘检测算子检测铸件表面灰度图像中的铸件边缘。先利用形态学开闭运算可去除铸件表面的划痕的同时，能对图像进行滤波去噪，基于该图像再进行Laplace边缘检测，获取到铸件边缘图像中表面划痕极大减少，极大提高了铸件边缘检测的质量。

公开(公告)号：CN113313708B

公开(公告)日：2022-10-18

申请号：CN202110737328.1

申请日：2021-06-30

Applicant: 安徽工程大学

Inventor： 江明 ,  徐印赟 ,  吴云飞 ,  刘富春 ,  卢志远

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/44 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于深度神经网络的水果检测方法，包括如下步骤：S1、相机采集图像，所述图像中包含至少一个目标物体；S2、将采集到的图像输入神经网络，神经网络输出含有检测框的目标物体及其置信度得分；S3、检测并删除图像中各目标物体的冗余检测框，剩余检测框内的图像即为目标物体图像。YOLOv4‑SPP2模型融合神经网络特征图多尺度信息，从而提高了目标尺度变化大和小目标检测的精确度，通过本发明提供的Greedy‑Confluence的边界框抑制算法来提高遮挡、重叠物体的检测精度，提高了复杂环境下的水果检测精度。

公开(公告)号：CN113313708A

公开(公告)日：2021-08-27

申请号：CN202110737328.1

申请日：2021-06-30

Applicant: 安徽工程大学

Inventor： 江明 ,  徐印赟 ,  吴云飞 ,  刘富春 ,  卢志远

IPC: G06T7/00 ,  G06K9/32 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于深度神经网络的水果检测方法，包括如下步骤：S1、相机采集图像，所述图像中包含至少一个目标物体；S2、将采集到的图像输入神经网络，神经网络输出含有检测框的目标物体及其置信度得分；S3、检测并删除图像中各目标物体的冗余检测框，剩余检测框内的图像即为目标物体图像。YOLOv4‑SPP2模型融合神经网络特征图多尺度信息，从而提高了目标尺度变化大和小目标检测的精确度，通过本发明提供的Greedy‑Confluence的边界框抑制算法来提高遮挡、重叠物体的检测精度，提高了复杂环境下的水果检测精度。