-
公开(公告)号：CN114764831A
公开(公告)日：2022-07-19
申请号：CN202210499055.6
申请日：2022-05-09
Applicant: 青岛理工大学
Abstract: 本发明公开了基于多任务卷积的物体抓取定位识别算法、系统和机器人，获取视场范围内物体的图像与位置信息；将获取到的图像信息输入Darknet‑53网络中，提取共享层的多尺度特征信息；将提取到的多尺度特征信息映射到抓取物识别检测Multi‑task分支独享层和抓取物定位ED‑YOLO分支独享层；两个分支独享层根据其损失函数独立计算损失值，并根据损失值利用反向传播算法分别对网络进行反向传播迭代所在分支的独享参数和共享参数；对共享层和分支独享层交替训练；采用非极大抑制处理，得到最终的物体图像与位置信息。本发明有益效果在于：在保证稳定性和实时性的基础上在一个模型内同时完成抓取框检测和抓取物识别分类检测。
-
公开(公告)号：CN114462514A
公开(公告)日：2022-05-10
申请号：CN202210057118.2
申请日：2022-01-19
Applicant: 青岛理工大学
Abstract: 本发明公开了一种基于边缘提取与空洞卷积的抓取目标检测算法，包括Edge feature模块、Darknet‑53特征提取模块、特征金字塔结构、Dilation‑ASFF网络，具体步骤为：步骤1，图像采集：采集目标的RGB图像，并利用Edge feature模块提取图像的边缘信息，形成四通道的特征信息；步骤2，特征提取：将采集的特征信息输入到Darknet‑53特征提取模块中，进行特征提取，改进损失函数为CIoU损失函数，并构建特征金字塔结构；步骤3，特征融合：将特征金字塔结构中的特征信息通过结合空洞卷积的Dilation‑ASFF网络将不同尺度的特征信息进行融合。本发明有效提高了网络的检测精度和检测速度，提高了网络对多尺度信息的感受能力及网络的收敛能力。
-
公开(公告)号：CN114462514B
公开(公告)日：2024-10-22
申请号：CN202210057118.2
申请日：2022-01-19
Applicant: 青岛理工大学
Abstract: 本发明公开了一种基于边缘提取与空洞卷积的抓取目标检测算法，包括Edge feature模块、Darknet‑53特征提取模块、特征金字塔结构、Dilation‑ASFF网络，具体步骤为：步骤1，图像采集：采集目标的RGB图像，并利用Edge feature模块提取图像的边缘信息，形成四通道的特征信息；步骤2，特征提取：将采集的特征信息输入到Darknet‑53特征提取模块中，进行特征提取，改进损失函数为CIoU损失函数，并构建特征金字塔结构；步骤3，特征融合：将特征金字塔结构中的特征信息通过结合空洞卷积的Dilation‑ASFF网络将不同尺度的特征信息进行融合。本发明有效提高了网络的检测精度和检测速度，提高了网络对多尺度信息的感受能力及网络的收敛能力。
-
公开(公告)号：CN115393715A
公开(公告)日：2022-11-25
申请号：CN202211028769.5
申请日：2022-08-24
Applicant: 山东省计算中心(国家超级计算济南中心) , 青岛理工大学
IPC: G06V20/10 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明提供了一种基于机器视觉的穴盘种子漏播检测方法，属于智慧农业的技术领域，利用改进的训练网络实现穴盘的识别分类任务；并且提供了一种应用于穴盘种子漏播检测中模型训练的训练网络，包括一种改进的注意力机制ResNet网络，通过添加注意机制模块，对经典的残差网络进行优化，构建了新的残差模块，并且通过引入CBAM注意力机制模块，来指导模型更专注于提取更多的信息特征，提高识别分类的准确率，从而提高穴盘育苗的机械化程度，为种苗移栽提供了技术支撑，促使经济作物种植逐渐工厂化，提高了经济作物的种植效率和经济效益。
-
-
-
Search Results
4
records
(took 0.033 seconds)
