-
公开(公告)号：CN113807424B
公开(公告)日：2024-04-16
申请号：CN202111063333.5
申请日：2021-09-10
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 一种基于离线数据增强的固废数据集生成方法，具体包括：手动标注第一固废数据集A1；对第一固废数据集A1进行离线数据增强生成第二固废数据集A2，合并第一固废数据集A1和第二固废数据集A2，形成合并固废数据集；使用深度学习模型对合并固废数据集进行训练；使用训练好的深度学习模型对未标注的固废数据集D进行预测；通过查询函数找出深度学习模型预测不准确的图像集，并进行手动标注得到第三固废数据集B1；对第三固废数据集B1进行离线数据增强生成第四固废数据集B2。本发明提出的方法可以生成大量固废数据集，快速有效地构扩充固废数据集，从而有助于深度学习模型的训练，进一步提升固废识别的准确率。
-
公开(公告)号：CN117195163B
公开(公告)日：2024-04-09
申请号：CN202311478000.8
申请日：2023-11-08
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
IPC: G06F18/27 , G16C20/30 , G16C20/70 , G16C60/00 , G06F18/214 , G06F18/2413 , G01N33/38
Abstract: 本发明公开了一种基于混凝土配方的坍落度预测方法、装置及可读介质，涉及混凝土搅拌检测技术领域，该方法包括：获取原料配方数据，并提取原料特征；构建坍落度预测模型，根据历史生产过程中不同抗压强度的混凝土的原料配方数据中的单位方量水质量或水灰比分布范围制作坍落度标签，将不同抗压强度的混凝土的原料配方数据中的每立方混凝土所使用的每种原料质量作为原料特征，构成训练数据，采用训练数据对坍落度预测模型进行训练，得到经训练的坍落度预测模型；将原料特征输入经训练的坍落度预测模型，预测得到对应的坍落度的预测值，解决现有技术中混凝土坍落度需要大量人工实验标注、生产后离线测量的问题，提高混凝土搅拌站的生产效率。
-
公开(公告)号：CN117636091A
公开(公告)日：2024-03-01
申请号：CN202311486528.X
申请日：2023-11-09
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/26 , G06N3/0475 , G06N3/0455 , G06N3/09 , G06N3/084
Abstract: 本发明公开了一种基于生成对抗网络的固废图像数据增强方法及系统，应用于目标检测、图像分割等领域，用于通过生成器网络和判别器网络的协同作用，对原始图像进行多种变换和扩充；方法包括如下步骤：获取原始固废图像数据集；通过构建基于pix2pixHD的深度学习生成对抗网络进行样本扩充；使用生成器网络和实例级特征编码器网络对原始固废数据集进行变换扩充，形成扩充后的数据。本发明方法可以充分学习到原始图像数据的概率密度分布，以提高数据样本的多样性和数量，将生成的图像样本添加到原始数据集中，形成扩充后的数据集，以提高深度学习模型的精度和鲁棒性。
-
公开(公告)号：CN109916826B
公开(公告)日：2024-02-06
申请号：CN201910126775.6
申请日：2019-02-20
Applicant: 福建南方路面机械有限公司 , 华侨大学
IPC: G01N21/25
Abstract: 本发明涉及固废分类技术领域，特别涉及一种基于高光谱检测的固废在线识别系统及识别方法；识别系统包括物料输送装置、种类识别装置，分拣装置；物料输送装置将物料传输至种类识别装置进行数据采集后，传输至分拣装置对物料进行分拣；物料输送装置包括第一传送带和第二传送带；物料通过第一传送带传输后落入第二传送带，第一传送带和第二传送带的运行方向相反。本发明提供的固废在线识别系统能够对物料起到有效的分散作用，避免了因为物料堆叠而造成种类识别的困难，也克服了人为分散造成的效率低的问题。通过识别方法，能够在线采集固废的二维图像和光谱曲线，达到准确有效对固废进行分类的效果，具有重要的实际应用价值。
-
公开(公告)号：CN117194969A
公开(公告)日：2023-12-08
申请号：CN202310774838.5
申请日：2023-06-28
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
IPC: G06F18/214 , G06F18/2413 , G06N3/0464 , G06N3/0895
Abstract: 本发明提供一种基于Mask‑RCNN的自训练固废识别方法，包括步骤S1、将采集的固废样本分为已标注和未标注两类；步骤S2、利用训练集对Mask‑RCNN模型进行预训练，得到识别模型；步骤S3、利用识别模型对测试集中进行预测，若某物体的置信度小于第一阈值，则不对该物体进行标签，否则进行标签；步骤S4、对经过第一阈值筛选后的样本再次进行判断，若每个物体的置信度均大于等于第二阈值，则将该样本放入训练集中，否则放入未标注数据集中；步骤S5、再次进入步骤S2和步骤S3，利用更新后的训练集对Mask‑RCNN模型进行预训练和更新后的未标注数据集进行预测。本发明能够实现有效样本的数据增强，进而帮助实现高效、准确的固废分类识别。
-
Patent Agency Ranking
公开(公告)号：CN110898960B
公开(公告)日：2023-07-28
申请号：CN201911140998.4
申请日：2019-11-20
Applicant: 华侨大学 , 福建南方路面机械有限公司
Abstract: 本发明提供了一种基于抛喷丸破碎废弃混凝土制备高品质再生骨料的系统，包括自磨机、喷丸机或抛丸机、传送带、返料装置、皮带磁选机、振动筛；所述自磨机用于破碎混凝土块并形成物料帘，所述喷丸机或抛丸机位于自磨机出料口上半部分，向物料帘发射高速弹丸；所述传送带设置在自磨机出料口下方；所述皮带磁选机设置在传送带上方，传送方向与传送带方向垂直；所述振动筛设置在传送带出口处下方；所述返料装置入料口设置在振动筛筛孔尺寸小于5mm的出料口处，所述返料带出料口设置在所述皮带磁选机上方。上述的系统，水泥砂浆剥离效果好、再生骨料性能良好、回收利用率高、经济性好。
-
公开(公告)号：CN116283093A
公开(公告)日：2023-06-23
申请号：CN202310228323.5
申请日：2023-03-10
Applicant: 华侨大学
Abstract: 本发明提供了一种碳化改良的流动固化土的制造方法，分为工厂工况和现场工况；在工厂工况中，先在建设污泥或建设渣土中添加土或水，调整湿度及粒度后，再将固化材料水泥按所需比例混合，制造流动化固化土；再将流动固化土从工厂运输到施工现场进入现场工况；在现场工况中，先对流动固化土进行调整，其中先对被运输到储料器中的流动固化土的含水进行调整；然后将固化土转移到生产线搅拌机中，对其进行碳化改良；最后对通碳改良的流动固化土进行泵送，用于各种回填工程。
-
公开(公告)号：CN110838128B
公开(公告)日：2023-04-07
申请号：CN201911080921.2
申请日：2019-11-07
Applicant: 华侨大学 , 福建南方路面机械有限公司
Abstract: 本发明提供一种图像法集料堆叠空隙率方法和系统，包括1)拍摄集料颗粒图像，进行图像处理获得集料颗粒的外轮廓；2)扫描集料颗粒获得集料颗粒的高度轮廓；3)将4.75mm‑31.5mm集料粒径区间的集料颗粒等分成若干份，根据外轮廓中的粒径、面积结合高度轮廓中的集料高度统计出不同粒径区间的级配体积占比；4)对轮廓数据进行运算，得出颗粒的棱角性、针片状、扁平度和凸度；5)将级配体积占比和步骤4)的粒形参数作为输入值，运用深度学习算法预测集料的空隙率。本发明是将图像处理技术、扫描仪技术与人工智能相结合，在堆叠空隙率预测方面有效的运用。可以快速的测量多颗粒的粒度分布参数及粒形表征参数平均值，并且可以精确的预测多颗粒之间的空隙率。
-
公开(公告)号：CN114757948A
公开(公告)日：2022-07-15
申请号：CN202210664982.9
申请日：2022-06-14
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
Abstract: 本发明公开了一种基于深度学习的再生骨料砂浆含量检测方法及装置，属于深度学习的视觉检测领域，采用混合有纯骨料和纯砂浆的第一数据集训练图像分割模型，得到基础模型；使其第二数据集进行分割，获得第三数据集；将第一数据集、第三数据集和第四数据集合并打乱，得到第五数据集，将其用于训练基于deeplab的语义分割模型，得到最终模型；获取待检测再生骨料的不同表面的图像并通过最终模型分割，得到第二分割结果后计算出砂浆含量和连通域面积占比；获取标准骨料的吸水率与砂浆含量和连通域面积占比之间的关系，根据该关系以及砂浆含量和连通域面积占比计算出待检测再生骨料的吸水率，解决无法实时检测再生骨料的性能，检测效率低等问题。
-
公开(公告)号：CN114429573A
公开(公告)日：2022-05-03
申请号：CN202210022048.7
申请日：2022-01-10
Applicant: 华侨大学
IPC: G06V10/774 , G06V10/22 , G06V10/46 , G06K9/62 , G06V20/10 , G06F16/51 , G06F16/55 , G06F16/583
Abstract: 一种基于Copy‑Paste数据增强的生活垃圾数据集生成方法，具体包括：将生活垃圾分作若干批次，每一批次为相同类别，并且分批将生活垃圾稀疏放置在传送带上；使用RGB‑D采集系统对物体进行彩色图和高度图的图像采集；利用高度图中物体的轮廓信息和高度信息，对彩色图进行自动标注；以没有生活垃圾的纯传送带背景作为图片模板，通过Copy‑Paste将N个物体随机粘贴到图像模板上，N为整数，生成第一批生活垃圾数据集A1；使用第一批生活垃圾数据集A1对深度学习模型进行训练；使用训练好的深度学习模型对未标注的生活垃圾数据集D进行预测；以带有伪标签的数据集作为图像模板，对第一批生活垃圾数据集A1通过Copy‑Paste进行数据增强生成第二批生活垃圾数据集A2；合并第一批生活垃圾数据集A1和第二批生活垃圾数据集A2，形成合并生活垃圾数据集B1。本发明提出的方法可以生成大量的生活垃圾数据集，快速高效地扩充生活垃圾数据集，有助于深度学习模型的训练，提高生活垃圾识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
180
records
(took 0.022 seconds)
