公开(公告)号：CN117218446A

公开(公告)日：2023-12-12

申请号：CN202311254505.6

申请日：2023-09-27

Applicant: 华侨大学

Inventor： 杨建红 ,  刘浩楠 ,  范璐璐 ,  涂亮亮 ,  许勐 ,  房怀英 ,  计天晨

IPC: G06V10/764 ,  G06V10/58 ,  G06V10/54 ,  G06V10/80 ,  G06V10/77 ,  G06V10/762 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于RGB‑MSI特征融合的固废分选方法及系统，涉及光谱特征分析和深度学习模型优化领域，方法包括以下步骤：S1，获取高光谱数据集；S2，获取多光谱特征波段；S3，获取多光谱数据集；S4，构建双主干网络YOLO模型；S5，获取RGB‑MSI预测模型；S6，固废检测分选。本发明采用RGB和MSI融合思想，充分利用RGB纹理颜色信息和光谱材质信息，实现更准确的固废识别；对采集的高光谱数据采用改良AP聚类算法自适应寻找最佳的光谱特征波段，去除冗杂信息；双主干网络模型采用中期特征融合的方式，把RGB图像特诊和多光谱特征有效结合在一起，增加模型的检测精度，该融合方法不仅适用于目标检测模型，在实例分割模型中也可以使用。

公开(公告)号：CN117399309A

公开(公告)日：2024-01-16

申请号：CN202311495141.0

申请日：2023-11-10

Applicant: 华侨大学

Inventor： 杨建红 ,  赵崟昊 ,  范璐璐 ,  涂亮亮 ,  许勐 ,  房怀英 ,  计天晨

IPC: B07C5/342

Abstract: 本发明提供一种基于彩色相机与3D相机检测的固废分选方法，包括：步骤S1、利用3D相机采集固废物料的深度图像、利用彩色相机采集固废物料的彩色图像；步骤S2、利用两个ResNet网络对深度图像和彩色图像进行特征提取和融合，以得到多个融合特征图；步骤S3、将多个融合特征图输入特征金字塔网络，得到最终融合特征图；步骤S4、利用最终融合特征图对Mask_RCNN模型进行训练，以得到分选模型；步骤S5、将采集的固废物料的彩色图像和深度图像输入分选模型，分选设备根据分选模型所输出的物体类别和位置信息对固废物料进行分选。本发明能够更好地将彩色图像信息与深度图像信息融合，提升固废分选的准确性、工作效率以及固废再利用的附加值。