本发明涉及控制或调节技术领域,具体涉及一种激光水平仪的自动调校方法:获取灰度图,通过canny算子获取灰度图中的边缘点与非边缘点;计算各非边缘点的灰度频率、混乱程度与相似性;得到各非边缘点的第一优选值与第二优选值,获取背景聚类中心与激光聚类中心;计算各非边缘点的背景判定值与激光判定值将各非边缘点划分为背景点和激光点;根据背景点、激光点以及边缘点计算检测效果;当检测效果大于检测阈值时,根据边缘点对激光水平仪进行校正;当检测效果小于等于检测阈值时,根据检测效果对canny算子中的低阈值进行修正,直至检测效果大于检测阈值停止修正,然后根据边缘点对激光水平仪进行校正。本发明能够准确校正激光水平仪。
📄 2023108195191
📂 G06V10_44
👤 南通凯锐激光科技有限公司
📅 2023-07-06
本发明属于机织物质量检测技术领域,涉及一种基于卷积神经网络的机织物结构参数识别方法。本发明提供一种基于卷积神经网络的机织物结构参数识别方法,可以同时检测识别织物经纬密、织物组织以及色织物色纱排列,是一种精确度高、鲁棒性强、品种适应性广的机织物结构参数识别方法。同时所提出的网络可分层提取不同的图像特征,使用的深度卷积网络可应用于各种复杂纹理和颜色的机织物,可同时检测各种结构参数包括织物经纬密、织物组织、色纱排列、配色模纹等,提升了机织物结构参数自动检测的效率和效果;本发明所提出的多任务多尺度卷积网络结构可以应用于其它领域中关联特征的目标定位识别问题。
📄 2020104863316
📂 G06V10_44
👤 江南大学
📅 2020-06-01
本发明提供基于可选择多尺度图卷积网络的骨架行为识别方法,其可以提高骨架行为识别的准确率,尤其能够在大型骨架数据集上取得优异的识别准确率,并具备有良好的泛化性能。其在空间域上,构造多尺度通道拓扑细化邻接矩阵并参与图卷积,实现对更多代表性关节特征的充分提取;在时间域上,提出可选择多尺度时序卷积模块,实现对有用的时间信息的充分关注;然后,结合多尺度图卷积模块和可选择多尺度时序卷积模块,构建可选择多尺度图卷积模型,在多流网络下进行端到端的训练,有效地捕获更多的关节特征和学习有用的时间信息。
📄 2024111993859
📂 G06V10_44
👤 江南大学
📅 2024-08-29
本发明涉及一种图像特征提取方法、装置、存储介质及图像分类方法,属于图像处理技术领域。获取图像特征提取模型,模型包括stem模块和多个特征提取模块,每个特征提取模块包括无填充下采样子模块和特征提取卷积子模块,每个无填充下采样子模块包括无填充卷积单元、无填充最大池化单元和特征融合单元;将图像样本输入stem模块,输出初始特征图;将初始特征图输入第一个特征提取模块中的无填充下采样子模块,输出下采样特征图;将下采样特征图输入第一个特征提取模块中的特征提取卷积子模块,将第一个特征提取模块中的特征提取卷积子模块作为下一个特征提取模块的输入;将最后一个特征提取模块中的特征提取卷积子模块的输出作为目标特征图。
📄 2024100550556
📂 G06V10_44
👤 江南大学
📅 2024-01-12
一种深度监督下的多尺度边缘检测方法。该方法可以将局部特征与其对应的全局相关性结合起来,自适应地重新校准通道响应,引导网络忽略无关信息,强调相关特征间的关联。通过在BSDS500数据集和NYUD数据集上对该方法进行一系列的消融实验,证实了多尺度的深度监督自注意模块算法的有效性。与其他最先进的边缘检测网络相比,该算法具有更好的性能,用更少的参数提高了预测精度,在BSDS00数据集上实现了ODS测量值为0.815的得分,比现有的其他算法高出0.9%。
📄 2020114454664
📂 G06V10_44
👤 江南大学
📅 2020-12-11
本发明涉及图像特征提取技术领域,公开了一种大视角图像特征提取方法,包括:对原始图像和目标图像进行粗匹配后,利用匹配点对计算单应矩阵,对原始图像进行单应变换,生成一个中间图像;将原始图像、目标图像分别与中间图像匹配,量化匹配质量,选取最适合作为透视变换基准的基准图像和采样频率;基于相机透视投影模型与预设采样频率,构建塔形采样模型;将基准图像输入塔形采样模型,获取统一坐标特征点集;基于基准图像的宽度、高度,以及四个锚点之间距离的总和,计算距离比例系数;基于四个锚点之间的距离,计算四个锚点之间的交比;将距离比例系数和交比引入传统SIFT描述符拼接,获取每个特征点的透视不变描述符。
📄 2025112648600
📂 G06V10_44
👤 江南大学
📅 2025-09-05
本发明提供了一种农作物虫害检测方法及系统,该方法包括:S1,采集并处理待检测农作物虫害图像;S2,对待检测农作物虫害图像进行特征提取,提取到虫害的特征参数,根据虫害的特征参数获得分类特征;S3,将分类特征输入已训练好的深度学习检测模型,深度学习检测模型识别出虫害的类别;S4,判断虫害的类别是否满足预设报警类别;若是,则执行步骤S5;S5,发出警报,并输出虫害的名称和对应的防治措施。本发明可准确对农作物虫害进行识别检测,并给出相应的虫害防治措施,有效控制虫害对农作物的破坏,从而提高农产品的产量。
📄 202110199295X
📂 G06V10_44
👤 华南农业大学
📅 2021-02-23
本发明提供一种基于二值图像处理的边缘检测方法,涉及基于计算机视觉的图像处理算法技术领域。该基于二值图像处理的边缘检测方法,包括以下步骤:步骤1:图像灰度化;步骤2:滤波去噪;步骤3:图像二值化;步骤4:构造目标连通域;步骤4.1:检测二值图像中所有的轮廓信息;步骤4.2:自定义去噪;步骤4.3:构造目标连通域;步骤5:提取边缘轮廓。通过将图像处理为二值化图像的基础上,采用形态学处理,通过卷积核在合适范围内的迭代增加,实现目标轮廓的连通,并将包含目标物的像素值填充为阈值上限,提高了目标选择的准确性,能够有效区分信噪,基本实现目标与背景的完全分离,同时又能够在误差允许的范围内保证轮廓的完整性。
📄 202210408191X
📂 G06V10_44
👤 上海海洋大学
📅 2022-04-19
本发明公开了一种面向轨道交通的轨道磨损新类型广义零样本属性识别方法,包括获取检测图像以及语义向量;利用视觉Transformer网络提取检测图像在多个层级上的视觉特征,并获取每个层级对应的全局表征信息;多个层级的视觉特征进行基于语义关联的结构化分组与融合,生成视觉子空间特征;构建结构化语义掩码,对属性语义进行筛选与隔离,得到语义子空间表示;将各视觉子空间特征与语义子空间表示进行跨模态交互对齐,获取局部属性特征表达;同时获取全局属性特征表达;将局部属性特征表达与全局属性特征表达进行融合,生成综合属性特征;基于综合属性特征与语义原型进行相似度度量,输出预测结果;本发明节约了成本。
📄 2026106236044
📂 G06V10_44
👤 南京信息工程大学
📅 2026-05-08
本发明公开了温室气体监测技术领域的一种双时相Sentinel‑2甲烷羽流数据集构建方法及甲烷羽流检测方法。方法包括:根据获取到的纯净甲烷浓度场图像集,构造相对羽流密度矩阵,并对t时刻目标区域图像的短波红外B12波段的反射率进行物理衰减注入,根据t‑1时刻目标区域图像的短波红外B11波段和B12波段的差异,以及物理衰减注入后t时刻目标区域图像的短波红外B11波段和B12波段的差异,计算甲烷指数变化矩阵并进行标准化,得到归一化甲烷指数变化矩阵;将t时刻目标区域图像、t‑1时刻目标区域图像以及归一化甲烷指数变化矩阵进行通道维度拼接,得到甲烷羽流样本;对相对羽流密度矩阵进行二值化处理,得到甲烷羽流样本的羽流真值标签矩阵。
📄 2026106388598
📂 G06V10_44
👤 南京信息工程大学
📅 2026-05-11
本发明公开了一种基于IDT‑YOLOv5‑CBAM混合算法的密集小目标检测方法,采用模糊ISODATA动态聚类的方法对k‑means算法进行优化,避免局部最优解的情况发生;嵌入一个检测层,使得每个gridcell对应到原图中的感受野更小,增强小目标的检测能力;同时,采用并行策略add进行多尺度特征的融合,使它们在拥有高层语义信息的同时,保留了更多的细节信息;在模型中的Neck网络引入CBAM注意力机制模块,实现空间维度和通道维度的全方位兼顾;同时,将上采样更换为反卷积,通过反卷积的学习能力去让网络自己学习如何进行上采样,使之增强对目标图像中小目标的检测效果。本发明能够快速精确并尽可能多地识别出检测目标,极大的降低了模型的漏检率和误检率。
📄 202210829848X
📂 G06V10_44
👤 淮安大学
📅 2022-07-15
本发明提出一种基于深度学习的遥感图像不透水面提取方法,包括,获取原始遥感数据及其对应不透水面图,并按照一定的比例划分训练数据;将Transformer和CNN与注意机制相结合构建初始化遥感图像不透水面提取模型;通过训练数据对初始化模型进行训练,得到遥感图像不透水面提取模型;获取目标遥感图像,将目标遥感图像输入遥感图像不透水面提取模型,得到不透水面提取图。通过本发明提出的方法,利用深度神经网络进行不透水面提取,综合利用遥感图像中不透水面的各个特征,提升了识别效果。
📄 2023106319310
📂 G06V10_44
👤 首都师范大学
📅 2023-05-30