-
公开(公告)号：CN112802006B
公开(公告)日：2024-03-22
申请号：CN202110176958.6
申请日：2021-02-07
Applicant: 南通大学
IPC: G06T7/00 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的边缘计算电机油污识别方法，包含S1.制作样本数据集；S2.在Amazon SageMaker中完成深度学习模型的训练及裁剪，即在YOLOv3算法的置信度损失函数中引入Focal loss，利用损失函数来训练及修剪深度学习模型；S3.远程部署深度学习模型到搭建AWS IoT Greengrass环境的边缘设备中；S4.在边缘设备中导入实时拍摄的工业机器图片，通过深度学习模型自动识别是否发生油液渗漏并输出结果。所述油污识别方法实现了深度学习模型训练、裁剪和推理预测分离的目的，在云端训练及裁剪深度学习模型，上述剪裁后的深度学习模型适应边缘设备的资源和算力；在本地边缘设备使用深度学习模型进行油污检测，满足了油污识别数据实时处理的需求，所述深度学习模型小且精度高。
-
公开(公告)号：CN115113192A
公开(公告)日：2022-09-27
申请号：CN202210765033.X
申请日：2022-06-30
Applicant: 南通大学
Abstract: 本发明提供一种基于自适应波门的雷达航迹起始方法，包括获取初始扫描周期雷达点迹数据集；将获取的点迹的距离、径向速度转化为笛卡尔坐标下的距离和速度；生成临时航迹集；将其它周期据集中的点迹与临时航迹集中的所有航迹进行自适应波门约束匹配；判断波门中点迹个数，进行点迹筛选，并更新航迹质量；判断航迹质量，并根据质量得分确定航迹类型，对航迹进行起始或撤销。本发明利用多维量测信息进行航迹匹配，并根据航迹质量得分设置自适应波门的大小，以解决航迹起始的效率低以及因为航迹质量的大小影响目标跟踪性能的问题。
-
公开(公告)号：CN115953305A
公开(公告)日：2023-04-11
申请号：CN202211223828.4
申请日：2022-10-09
Applicant: 南通大学
IPC: G06T5/00 , G06N3/0464 , G06F3/048 , G06N3/08
Abstract: 本发明提供一种基于离散余弦变化的频域注意力机制的图像去雾方法，包括以下步骤：S1、构建基于频域的注意力模块；S2、构建基础网络模块；S3、构建去雾网络模型；S4、设计损失函数；S5、利用有雾图像和无雾图像对去雾网络模型进行训练，得到去雾网络模型的模型参数；S6、在去雾网络模型中导入步骤S3训练好的模型参数，输入有雾图像，输出得到无雾图像。设计了一种融入离散余弦变化(DCT)和多层感知机(MLP)的基本网络模块，使得在频域对图像进行建模，获得了更好的图像细节信息。
-
公开(公告)号：CN114581903A
公开(公告)日：2022-06-03
申请号：CN202210300962.3
申请日：2022-03-24
Applicant: 南通大学
Abstract: 本发明提供了一种基于卷积神经网络的车牌字符识别方法，属于深度学习技术领域。解决了传统车牌字符识别方法计算简单，对噪声抵抗差，鲁棒性较差的问题。其技术方案为：包括以下步骤：S1、基于经典LeNet‑5卷积神经网络结构，搭建车牌字符识别神经网络框架；S2、根据步骤S1中搭建的网络框架，制作车牌字符训练数据集；S3、将步骤S2中制作的数据集，通过卷积神经网络训练得到车牌识别网络模型；S4、将已分割好的车牌字符放入神经网络中进行识别，得到车牌识别结果。本发明的有益效果为：本发明能够提高车牌识别的准确率；并且在图像识别处理方面有着明显的优势。
-
公开(公告)号：CN116385353B
公开(公告)日：2024-01-30
申请号：CN202310105941.0
申请日：2023-02-10
Applicant: 南通大学
IPC: G06T7/00 , G06T7/73 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种摄像头模组异常检测方法，属于人工智能技术领域。解决了模组异常样本不足、深度学习模型检测精度低、速度慢的问题。其技术方案为：包括以下步骤：S1、采用模板匹配方法定位图片中的模组及其相关组件的位置；S2、基于图像处理完成模组中螺丝、标签、布线、划痕脏污异常情况的检测；S3、基于特征配准网络框架完成模组中的划痕和镜头脏污检测；S4、通过QT Creator开发异常检测程序，用于模组异常情况的自动检测。本发明的有益效果为：本发明结合图像处理方法和神经网络框架，实现摄像头模组的多种异常情况的检测，通过构建孪生神经网络框架，插入空间变换网络实现特征配准，可以精准检测出模组上的划痕。(56)对比文件原振方.基于机器视觉FPC缺陷检测系统的研究与应用《.中国优秀硕士学位论文全文数据库》.2016,1-64.梁雄.基于机器视觉的摄像头模组缺陷检测系统研究《.中国优秀硕士学位论文全文数据库》.2015,第三、四章.Chaoqin Huang et al..Registrationbased Few-Shot Anomaly Detection《.arXiv》.2022,第2-9页.
-
Patent Agency Ranking
公开(公告)号：CN112802006A
公开(公告)日：2021-05-14
申请号：CN202110176958.6
申请日：2021-02-07
Applicant: 南通大学
Abstract: 本发明公开了一种基于深度学习的边缘计算电机油污识别方法，包含S1.制作样本数据集；S2.在Amazon SageMaker中完成深度学习模型的训练及裁剪，即在YOLOv3算法的置信度损失函数中引入Focal loss，利用损失函数来训练及修剪深度学习模型；S3.远程部署深度学习模型到搭建AWS IoT Greengrass环境的边缘设备中；S4.在边缘设备中导入实时拍摄的工业机器图片，通过深度学习模型自动识别是否发生油液渗漏并输出结果。所述油污识别方法实现了深度学习模型训练、裁剪和推理预测分离的目的，在云端训练及裁剪深度学习模型，上述剪裁后的深度学习模型适应边缘设备的资源和算力；在本地边缘设备使用深度学习模型进行油污检测，满足了油污识别数据实时处理的需求，所述深度学习模型小且精度高。
-
公开(公告)号：CN114740466B
公开(公告)日：2024-09-20
申请号：CN202210326428.X
申请日：2022-03-30
Applicant: 南通大学
Abstract: 本发明提供一种基于得分机制的雷达目标点迹过滤方法，包括获取雷达一个周期的点迹数据，将点迹的距离、速度进行极坐标、直角坐标互化，根据每个周期接收点迹的时间、速度、方位对其进行打分，并设置权重计算每个点迹的总得分，设置立方体波门过滤点迹。本发明利用多维量测信息设置约束条件，实现对多维量测信息的充分利用，解决雷达目标跟踪过程中出现的大量虚假目标和造成很多虚假航迹的问题，提高点迹过滤的质量，从而更好的实现目标跟踪。
-
公开(公告)号：CN116385353A
公开(公告)日：2023-07-04
申请号：CN202310105941.0
申请日：2023-02-10
Applicant: 南通大学
IPC: G06T7/00 , G06T7/73 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种摄像头模组异常检测方法，属于人工智能技术领域。解决了模组异常样本不足、深度学习模型检测精度低、速度慢的问题。其技术方案为：包括以下步骤：S1、采用模板匹配方法定位图片中的模组及其相关组件的位置；S2、基于图像处理完成模组中螺丝、标签、布线、划痕脏污异常情况的检测；S3、基于特征配准网络框架完成模组中的划痕和镜头脏污检测；S4、通过QT Creator开发异常检测程序，用于模组异常情况的自动检测。本发明的有益效果为：本发明结合图像处理方法和神经网络框架，实现摄像头模组的多种异常情况的检测，通过构建孪生神经网络框架，插入空间变换网络实现特征配准，可以精准检测出模组上的划痕。
-
公开(公告)号：CN114740466A
公开(公告)日：2022-07-12
申请号：CN202210326428.X
申请日：2022-03-30
Applicant: 南通大学
Abstract: 本发明提供一种基于得分机制的雷达目标点迹过滤方法，包括获取雷达一个周期的点迹数据，将点迹的距离、速度进行极坐标、直角坐标互化，根据每个周期接收点迹的时间、速度、方位对其进行打分，并设置权重计算每个点迹的总得分，设置立方体波门过滤点迹。本发明利用多维量测信息设置约束条件，实现对多维量测信息的充分利用，解决雷达目标跟踪过程中出现的大量虚假目标和造成很多虚假航迹的问题，提高点迹过滤的质量，从而更好的实现目标跟踪。
-
公开(公告)号：CN114612890A
公开(公告)日：2022-06-10
申请号：CN202210222537.7
申请日：2022-03-09
Applicant: 南通大学
IPC: G06V20/62 , G06V30/148 , G06V10/56
Abstract: 本发明提供了一种车牌字符定位及分割方法，属于车牌识别技术领域。解决了车牌定位中因外界环境因素干扰出错，车牌字符分割中出现字符断裂、字符粘连和数字“1”以及车牌分隔符被误分割的问题。其技术方案为：包括以下步骤：S1、读入原始图像经过高斯模糊处理；S2、将原始图像进行灰度化得到图像Image_gray；S4、根据车牌长宽比例、面积对可疑连通区域进行筛选，得到精确车牌区域，通过透视变换，在原始图像Image_initial中定位并裁剪出车牌图像；S5、对定位所得的车牌图像进行预处理。本发明的有益效果为：通过采用车牌字符定位以及分割方法，提高车牌定位和字符分割准确度，更好地识别出车牌字符。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.022 seconds)
