-
公开(公告)号：CN119919354A
公开(公告)日：2025-05-02
申请号：CN202411880870.2
申请日：2024-12-19
Applicant: 东北林业大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/80 , G06V20/52
Abstract: 本发明公开了一种基于YOLOv8n的烟支缺陷检测方法和系统，属于目标检测技术领域。具体方法包括步骤1采集烟支外观缺陷图像，并对缺陷进行标注，构建烟支缺陷数据集；步骤2对构建好的数据集划分训练集、验证集和测试集；步骤3将构建好的烟支缺陷数据集中的训练集通过预处理方式增强数据的特征；步骤4搭建改进后的YOLOv8n网络模型M步骤LP‑YOLO；步骤5使用搭建好的改进后的YOLOv8n网络模型对构建的训练集进行数据的训练；步骤6用构建的验证集对得到的训练结果进行评估，基于验证集评估的结果调整模型参数；步骤7将训练好的模型用构建的测试集进行综合评估；步骤8将模型部署到设备中。本发明能够自动进行烟支缺陷的检测，减少操作人员负担，避免数据错误。
-
公开(公告)号：CN116908565A
公开(公告)日：2023-10-20
申请号：CN202310859594.0
申请日：2023-07-13
Applicant: 东北林业大学
Abstract: 基于卡尔曼滤波的检验质量块电荷估计方法，解决了如何提高检验质量块电荷估计精度的问题，属于高精度惯性传感器领域。本发明包括：以检验质量块运动和电荷变化参数作为状态量，建立检验质量块的运动和电荷变化之间的关系方程；将关系方程进行线性化及离散化，得到离散状态方程；根据k‑1时刻的量测及离散状态方程，利用卡尔曼滤波器进行预测，得到k时刻的检验质量块电荷估计值。本发明可以实行高精度的检验质量块的无接触式电荷检测，且易于实现，可以进行实时递归计算，从而实现电荷的实时检测。
-
公开(公告)号：CN113298150A
公开(公告)日：2021-08-24
申请号：CN202110574163.0
申请日：2021-05-25
Applicant: 东北林业大学
Abstract: 一种基于迁移学习与自学习的小样本植物病害识别方法，涉及人工智能技术领域，针对现有技术中小样本植物病害的识别精度低的问题，包括一：获取目标域小样本数据集；二：引入迁移学习，利用基数据集对深度学习模型进行预训练，然后将预训练后的深度学习模型迁移到与基数据集中类别无交叉的目标域上进行学习；三：引入自学习，利用目标域中有标注的植物病害样本训练迁移后的模型，然后利用训练好的模型推断所有无标注植物病害的类别并赋予伪标注，之后判断伪标注的可信度；四：设置可信度阈值，并将可信度高于阈值的伪标注样本加入有标注的植物病害样本中，得到扩充植物病害有标注样本集，并利用扩充植物病害有标注样本集更新模型，得到最终模型。
-
公开(公告)号：CN112861693A
公开(公告)日：2021-05-28
申请号：CN202110142547.5
申请日：2021-02-02
Applicant: 东北林业大学
Abstract: 本发明基于深度学习的植物叶片显微图像气孔分割方法属于数字图像处理技术领域；该基于深度学习的植物叶片显微图像气孔分割方法包括以下步骤：步骤a、获取气孔样本数据集；步骤b、构建并训练基于深度学习的植物叶片显微图像气孔分割模型；步骤c、计算植物叶片气孔特征参数；本发明基于深度学习的植物叶片显微图像气孔分割方法能够提高气孔定位和特征参数计算准确性，满足快速、高通量植物叶片显微图像气孔分析的实际需要。
-
公开(公告)号：CN119540801A
公开(公告)日：2025-02-28
申请号：CN202411685620.3
申请日：2024-11-23
Applicant: 东北林业大学
IPC: G06V20/17 , G06V20/10 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于双流特征集成网络的无人机遥感枯立木检测方法，属于无人机图像处理技术领域。本发明通过融合不同层次的特征，显著提升了对小目标及图像边缘区域目标的识别精度。此外，本发明还引入DBB模块。DBB模块包含多个不同尺度和复杂度的分支，增强了卷积块的特征表达能力，有效减少了密集树冠遮挡区域的漏检率。同时，双分支特征融合主干和DBB模块的有效组合充分挖掘了枯立木的特征，增强了特征在网络中的传播，克服了小样本的问题。此外，考虑到枯枝落叶后树冠稀疏，大量背景信息的引入降低了检测准确率，引入了SEAM。SEAM模块通过增强对枯立木细节特征的关注，如颜色、棱角和纹理等，有效提高了模型对冠层中枯枝特征的识别能力，减少背景信息的干扰。
-
Patent Agency Ranking
公开(公告)号：CN118244018A
公开(公告)日：2024-06-25
申请号：CN202410400901.3
申请日：2024-04-03
Applicant: 东北林业大学
Abstract: 基于自适应扩展卡尔曼滤波的检验质量块状态估计方法，涉及高精度空间惯性传感器领域。本发明是为了解决现有基于模型的卡尔曼滤波的检验质量块状态估计方法在处理模型的非线性特性方面效果不佳，且对模型和噪声先验信息有较强的依赖性，限制了其在不同环境条件下的适应能力的问题。本发明所述的基于自适应扩展卡尔曼滤波的检验质量块状态估计方法，能够实行高精度的检验质量块的无接触式状态估计，尤其在应对电荷突变方面，能够提高扩展卡尔曼滤波估计方法的无偏性和稳定性。
-
公开(公告)号：CN117875245A
公开(公告)日：2024-04-12
申请号：CN202410042821.5
申请日：2024-01-11
Applicant: 东北林业大学
IPC: G06F30/367 , G06F30/373
Abstract: 一种基于涡流搜索的空间惯性传感器电路参数优化方法，属于高精度空间惯性传感领域。本发明是为了解决现有空间惯性传感器电路分立元件选取存在参数确定的精度差效率低的问题。本发明根据待优化的空间惯性传感器电路拓扑结构图及电路设计指标需求，确定需要优化参数的分立元件的所属的制造系列和参数值范围；根据所述空间惯性传感器电路拓扑结构图、电路设计指标需求和参数值范围建立适应度函数，以最小化适应度函数的函数值为目标构建分立元件参数优化问题；采用涡流搜索算法对分立元件参数优化问题进行求解，获取分立元件最优参数。本发明适用于电路分立元件参数确定。
-
公开(公告)号：CN112861693B
公开(公告)日：2022-08-30
申请号：CN202110142547.5
申请日：2021-02-02
Applicant: 东北林业大学
Abstract: 本发明基于深度学习的植物叶片显微图像气孔分割方法属于数字图像处理技术领域；该基于深度学习的植物叶片显微图像气孔分割方法包括以下步骤：步骤a、获取气孔样本数据集；步骤b、构建并训练基于深度学习的植物叶片显微图像气孔分割模型；步骤c、计算植物叶片气孔特征参数；本发明基于深度学习的植物叶片显微图像气孔分割方法能够提高气孔定位和特征参数计算准确性，满足快速、高通量植物叶片显微图像气孔分析的实际需要。
-
公开(公告)号：CN113506263A
公开(公告)日：2021-10-15
申请号：CN202110769069.0
申请日：2021-07-07
Applicant: 东北林业大学
Abstract: 基于卷积神经网络的植物叶片气孔孔隙解剖参数测量方法，涉及数字图像处理领域。本发明是为了解决目前的植物叶片气孔孔隙解剖参数测量方法还存在耗时费力、主观性强、效率不高的问题，进而导致了无法满足快速、高通量植物叶片显微图像气孔分析的实际需要的问题。本发明包括：获取气孔样本数据集；利用气孔样本数据集构建并训练基于卷积神经网络的植物叶片显微图像气孔孔隙分割模型，获得最终植物叶片显微图像气孔分割模型；利用最终植物叶片显微图像气孔孔隙分割模型获得气孔孔隙解剖参数；本发明用于获取植物叶片气孔孔隙解剖参数。
-
公开(公告)号：CN106123811A
公开(公告)日：2016-11-16
申请号：CN201610542056.9
申请日：2016-07-11
Applicant: 东北林业大学
Abstract: 一种林木叶面积指数远程监测装置及其测量方法，属于森林生态检测技术领域。本发明解决其技术问题所采取的方案是：利用DSP芯片的图像处理能力和数字运算能力对由工业相机获得的林木冠层图像进行数字图像处理，并计算孔隙度和叶面积指数，通过3G模块与控制端进行通讯，实现图像数据、叶面积指数计算结果、控制指令的数据传输，并利用太阳能为整个系统供电，可实现远程测量与控制功能。本发明主要应用用途是：将DSP处理器较强的数字信号处理能力与3G模块的远程高效的数据传输能力相结合，可实现叶面积指数的远程测量和远程控制。本发明结构简单、效率高、实时性好。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.041 seconds)
