-
公开(公告)号：CN112541397B
公开(公告)日：2022-04-01
申请号：CN202011283758.2
申请日：2020-11-17
Applicant: 南京林业大学
Abstract: 一种基于改进的ViBe算法与轻量化卷积网络的火焰检测方法，步骤为：利用改进的ViBe前景检测算法进行火焰的前景检测；利用构建的轻量化卷积神经网络进一步判断ViBe前景检测算法检测出来的疑似火焰区域是否为火焰对象，其中，构建基于SE注意力机制的轻量化的火焰检测卷积神经网络。本发明采用ViBe前景检测算法，用于疑似火焰前景目标的检测，消除动态背景噪声点，去除跟火焰颜色相似但不具有闪烁特征的干扰对象；与现有的目标检测深度卷积网络相比，本发明提高了火焰检测的速度；在轻量化火焰检测卷积网络中嵌入SE注意力机制，在提高火焰检测精度的同时，也保证了火焰检测的速度。
-
公开(公告)号：CN112541397A
公开(公告)日：2021-03-23
申请号：CN202011283758.2
申请日：2020-11-17
Applicant: 南京林业大学
Abstract: 一种基于改进的ViBe算法与轻量化卷积网络的火焰检测方法，步骤为：利用改进的ViBe前景检测算法进行火焰的前景检测；利用构建的轻量化卷积神经网络进一步判断ViBe前景检测算法检测出来的疑似火焰区域是否为火焰对象，其中，构建基于SE注意力机制的轻量化的火焰检测卷积神经网络。本发明采用ViBe前景检测算法，用于疑似火焰前景目标的检测，消除动态背景噪声点，去除跟火焰颜色相似但不具有闪烁特征的干扰对象；与现有的目标检测深度卷积网络相比，本发明提高了火焰检测的速度；在轻量化火焰检测卷积网络中嵌入SE注意力机制，在提高火焰检测精度的同时，也保证了火焰检测的速度。
-
公开(公告)号：CN109711346A
公开(公告)日：2019-05-03
申请号：CN201811618563.1
申请日：2018-12-27
Applicant: 南京林业大学
Abstract: 本发明提供了一种禽类异常识别方法及装置，涉及视频监控技术领域。该禽类异常识别方法包括：提取监控视频中的图像信息；在所述图像信息中选取参考图像以及食槽中无饲料时的背景图像；分别计算每幅参考图像中未被饲料覆盖的图像区域与所述背景图像中未被饲料覆盖的图像区域之间的面积差值；确定所述面积差值为极大值的参考图像对应的时刻为饲料添加结束时刻，将所述极大值作为添加饲料结束时的起始饲料量；基于所述极大值与所述饲料添加结束时刻后参考图像对应的面积差值之间的差判断禽类进食是否异常。该方法基于采集图像确定食槽中的饲料量，基于通过图像处理获取的饲料量的变化值判断禽类是否进食异常，从而自动识别禽类异常行为。
-
公开(公告)号：CN113221793B
公开(公告)日：2025-05-09
申请号：CN202110562235.X
申请日：2021-05-24
Applicant: 南京林业大学
IPC: G06V20/40 , G06V10/44 , G06V10/56 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 一种基于轻量型双流卷积网络的监控视频火焰区域检测方法，首先将待检测视频切分成若干视频块，从单个视频块中提取第一帧、中间帧和最后一帧，计算出2张差分图像；然后将视频块中间帧和2张差分图像分别输入到卷积网络的空间流分支和时序流分支中，得到两个长宽均降至原图的1/2n的特征图；接着将两个分支输出的卷积特征图合并，用3层1×1的卷积层对融合后特征图的每个通道上的特征向量进行分析，并得出区域判定特征图；最后对区域判定特征图上每个1×1×2的元素采用Softmax分类器，判断该元素对应原图上的2n×2n的像素块是否为火焰区域。本方法构建的火灾监控视频火焰区域检测模型具有较高的检测精度和较快的检测速度。
-
公开(公告)号：CN109711345B
公开(公告)日：2023-06-13
申请号：CN201811616331.2
申请日：2018-12-27
Applicant: 南京林业大学
IPC: G06V20/52 , G06V20/40 , G06V10/764 , G06V10/56
Abstract: 本发明提供了一种火焰图像识别方法、装置及其存储介质，涉及图像识别技术领域。该火焰图像识别方法包括：确定已采集图像中的疑似火焰区域；采用滤波器提取所述疑似火焰区域的纹理特征图像；基于局部二值模式提取所述纹理特征图像的局部二值特征；采用支持向量机SVM分类器，基于所述局部二值特征确定所述疑似火焰区域是否存在火焰。该方法通过纹理特征图像以及进一步的局部二值特征的提取，提高了火焰识别效率和准确率。
-
Patent Agency Ranking
公开(公告)号：CN113221793A
公开(公告)日：2021-08-06
申请号：CN202110562235.X
申请日：2021-05-24
Applicant: 南京林业大学
Abstract: 一种基于轻量型双流卷积网络的监控视频火焰区域检测方法，首先将待检测视频切分成若干视频块，从单个视频块中提取第一帧、中间帧和最后一帧，计算出2张差分图像；然后将视频块中间帧和2张差分图像分别输入到卷积网络的空间流分支和时序流分支中，得到两个长宽均降至原图的1/2n的特征图；接着将两个分支输出的卷积特征图合并，用3层1×1的卷积层对融合后特征图的每个通道上的特征向量进行分析，并得出区域判定特征图；最后对区域判定特征图上每个1×1×2的元素采用Softmax分类器，判断该元素对应原图上的2n×2n的像素块是否为火焰区域。本方法构建的火灾监控视频火焰区域检测模型具有较高的检测精度和较快的检测速度。
-
公开(公告)号：CN110751089A
公开(公告)日：2020-02-04
申请号：CN201910992933.6
申请日：2019-10-18
Applicant: 南京林业大学
Abstract: 由于基于图像特征的火焰检测模型泛化性不强，而深度神经网络模型对训练样本数量要求较高，本专利提出了一种基于数字图像和卷积特征的火焰目标检测方法，首先制作包含视频动态特征的数据集；然后将经典的Faster R-CNN中VGG16的标准卷积替换为深度可分离卷积，并减少卷积层数；接着根据RPN产生的候选框从原图裁剪出256个图像块，对每个图像块提取LBP特征；再通过卷积缩减ROI池化层输出特征图尺寸以及全连接层神经元数量，进一步减少网络参数；最后将提取的LBP特征，数据集中的动态特征与池化后平铺的特征向量合并，送入全连接层进行分类和回归。本专利构建的火焰目标检测模型具有较高的检测精度，便于针对测试结果的不足进行改进，灵活性高。
-
公开(公告)号：CN109711345A
公开(公告)日：2019-05-03
申请号：CN201811616331.2
申请日：2018-12-27
Applicant: 南京林业大学
Abstract: 本发明提供了一种火焰图像识别方法、装置及其存储介质，涉及图像识别技术领域。该火焰图像识别方法包括：确定已采集图像中的疑似火焰区域；采用滤波器提取所述疑似火焰区域的纹理特征图像；基于局部二值模式提取所述纹理特征图像的局部二值特征；采用支持向量机SVM分类器，基于所述局部二值特征确定所述疑似火焰区域是否存在火焰。该方法通过纹理特征图像以及进一步的局部二值特征的提取，提高了火焰识别效率和准确率。
-
公开(公告)号：CN109712135A
公开(公告)日：2019-05-03
申请号：CN201811629872.9
申请日：2018-12-28
Applicant: 南京林业大学
Abstract: 本发明提供了一种水果缺陷识别方法、装置及其存储介质，涉及图像处理技术领域。该水果缺陷识别方法包括：确定水果表面图像的疑似缺陷区域，在所述疑似缺陷区域提取多幅局部纹理特征图像；将所述多幅局部纹理特征图像张成合成特征矩阵，确定所述合成特征矩阵的互协方差矩阵；在所述互协方差矩阵中选取指定特征向量组成指定特征矩阵；基于所述指定特征矩阵，采用机器学习分类器确定水果表面是否存在缺陷。该方法基于在疑似缺陷区域的局部纹理特征图像中提取的互协方差矩阵进行需要识别处理的特征矩阵选取，提高了水果表面缺陷的识别精度和效率。
-
公开(公告)号：CN212713856U
公开(公告)日：2021-03-16
申请号：CN202021357880.5
申请日：2020-07-10
Applicant: 南京林业大学
Abstract: 一种适用于农家养蚕用方格簇的蚕丝自动清理装置，所述方格簇是由框架内设多个独立方格构成；蚕丝自动清理装置包括底座、清理转子和用于传送横簇以及纵簇的传送带；所述传送带安装于底座之上；清理转子悬在传送带上方；清理转子的转动轴线与传送带的驱动轮的转动轴平行；清理转子包括转轴以及转轴表面连接的清理单元，转轴的两端连接在传动带的两侧；清理单元有相互平行的多个，它们相同，且沿转轴的长度方向排列，清理单元的位置与横簇以及纵簇上的长方形条格位置对应；清理单元是由多个相同的清理齿叶构成，各个清理齿叶围绕转轴的轴线对称；单个清理齿叶包括两个成镜像对称的叶片；随转轴转动，清理齿叶外缘的路径在传送带的上方。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.024 seconds)
