公开(公告)号：CN119863599A

公开(公告)日：2025-04-22

申请号：CN202411937167.0

申请日：2024-12-26

Applicant: 长安大学

Inventor： 袁博 ,  裴莉莉 ,  李伟 ,  石佳琦 ,  王岩松 ,  郝雪丽

IPC: G06T19/20

Abstract: 本发明公开了一种路面三维深度模态偏差校准方法，涉及计算机图像处理技术领域，该校准方法包括数据采集与储存、浮动数据修复、行粒度偏差校准以及校准数据验证与储存；本发明通过采用高速三维结构光测量相机组件与可移动检测平台的结合，实现了路面三维深度模态的精准采集，同时，利用动态回归参数与滑动阈值区域的浮动数据修复方法，有效修复了三维深度模态中的浮动异常值，此外还提出了基于动态回归参数参考平面的行粒度偏差校准方法，对路面三维深度模态进行逐行校准，显著改善了行粒度偏差问题，本发明有效改善了数据偏差问题，为路面病害分析提供可靠数据支持，提升了路面检测的准确性和效率。

公开(公告)号：CN119888718A

公开(公告)日：2025-04-25

申请号：CN202411968686.3

申请日：2024-12-30

Applicant: 长安大学

Inventor： 裴莉莉 ,  杜贻泉 ,  丁健刚 ,  剡熠辉 ,  石佳琦 ,  袁博 ,  李伟

IPC: G06V20/68 ,  G06V10/25 ,  G06V10/44 ,  G06V10/75 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/082 ,  G06N3/096 ,  G06N3/0985

Abstract: 本发明公开了基于柔性特征匹配学习的新型食品异物实时检测方法，包括如下步骤：步骤1：新类别识别与扩展：将食品异物图像数据集输入到新异物学习模块；步骤2：传入任务隔离模块；步骤3：异物知识柔性匹配；步骤4：异物候选特性矩阵的生成；步骤5：异物区域聚焦；步骤6：自适应权重计算模块：根据前面阶段的反馈和任务的重要性动态调整模型的权重。本发明通过基于柔性特征匹配学习的方法实现对新异物类别的快速识别与学习，同时避免灾难性遗忘，并在检测流程中优化模型，提升其跨场景适应性和实时反馈能力。且能够有效提高食品异物检测的准确性、效率和适应性，具有广泛的应用前景，尤其在食品生产线等实时检测场景中具有重要的商业价值。