“张煜森”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果14个，建议您升级VIP下载更多相关专利

[发明专利]一种基于特征自适应融合的车间安全帽检测方法-CN202310230049.5在审
发明人： 张煜森;曾国荪 -专利权人：同济大学
申请日： 2023-03-10 - 公布日： 2023-06-06 - 主分类号： G06V10/40 文献下载
摘要：本发明涉及一种基于特征自适应融合的车间安全帽检测方法，包括如下步骤：获取待检测数据并进行预处理，输入预训练好的安全帽检测模型中，基于所述安全帽检测模型的输出进行基于邻域内预测框数量统计的NMS后处理，得到检测结果，其中，所述的安全帽检测模型包括相互连接的多尺度特征自适应融合网络以及目标检测网络，所述多尺度特征自适应融合网络用于基于所述目标检测网络的多个输入特征图以及对应的空间权重和通道权重，获取用于预测的目标特征图。相比于现有安全帽佩戴检测方法，本发明能够更为准确的检测出佩戴普通帽子并提高了对车间场景中小目标的检测能力，且能够有效减少在连续帧检测过程中出现的偶然误检。
一种基于特征自适应融合车间安全帽检测方法

[发明专利]一种基于多阶段个性化联邦学习的安全帽检测方法-CN202310240472.3在审
发明人： 张煜森;曾国荪 -专利权人：同济大学
申请日： 2023-03-10 - 公布日： 2023-05-26 - 主分类号： G06V10/774 文献下载
摘要：本发明涉及一种基于多阶段个性化联邦学习的安全帽检测方法，该方法将不同场景下的安全帽数据拥有者参与建模的过程分为：模型初始化、全局模型优化、客户端模型个性化、客户端模型调优四个阶段。首先，通过公开的安全帽检测数据集构建出一个初始化模型；其次，在共同建模过程中引入描述全局安全帽检测模型与客户端模型差异性的正则项，从而得到一个具有较高泛化性的全局安全帽检测模型；然后，冻结该全局安全帽检测模型的骨干网络并进行个性化迁移；最后，解冻个性化安全帽检测模型的骨干网络并对该模型再次调优。与现有技术相比，本发明解决或部分解决了现有方法在本地缺乏足够学习训练数据样本，模型难以训练且精度偏低的问题。
一种基于阶段个性化联邦学习安全帽检测方法

[实用新型]一种节水型口袋公园景观智能灌溉装置-CN202123445168.8有效
发明人：邹雪飞;舒硕;胡振明;莫延献;杨月俊;嵇彬彬;张卫玲;朱乔乔;蒋加付;唐磊;杨婷;张煜森;裴阳 -专利权人：江苏富邦环境建设集团有限公司
申请日： 2021-12-30 - 公布日： 2022-05-24 - 主分类号： A01G25/02 文献下载
摘要：本实用新型提供的一种节水型口袋公园景观智能灌溉装置，包括灌溉本体，所述灌溉本体埋设于地下，所述灌溉本体内依次设置有喷洒装置，所述喷洒装置连接有储水箱，所述储水箱连接有进水装置，所述喷洒装置设置有水泵，所述水泵连接所述储水箱，所述水泵远离所述储水箱的一端连接有第一出水管，所述第一出水管伸出所述灌溉本体连接有喷洒头，所述喷洒头可360°旋转；所述储水箱底部设置有下液位传感器，所述储水箱顶部设置有上液位传感器，所述储水箱上端设置有进水口，所述进水口上设置有网格镂空密封盖；所述进水装置设置有电磁阀，所述电磁阀一端连接进水管，所述电磁阀另一端连接有第二出水管，所述灌溉本体上还设置有气压传感器、温度传感器。
一种节水口袋公园景观智能灌溉装置

[实用新型]一种提高成活率的苗木培养系统-CN202123422520.6有效
发明人：陈立根;舒硕;黄金国;嵇彬彬;张煜森;祁建文;刘监军;杨月俊;杨洋;王志伟;张卫玲;冯艳 -专利权人：江苏富邦环境建设集团有限公司
申请日： 2021-12-31 - 公布日： 2022-05-06 - 主分类号： A01G9/16 文献下载
摘要：本实用新型提供的一种提高成活率的苗木培养系统，包括培养箱，所述培养箱下层一侧开口设置，所述培养箱一侧开口滑动嵌入栽培盒，所述栽培盒底部连接有滑块，所述滑块连接有滑轨，所述滑轨设置在所述培养箱内，所述栽培盒内设置有有机土壤，所述有机土壤上层设置可降解塑料薄膜袋，所述可降解塑料薄膜袋上方设置有苗木生长空间，所述有机土壤内设置有土壤湿度传感器，所述栽培盒底部两侧设置有溢水口，所述培养箱内设置有洒水装置，所述洒水装置设置在所述栽培盒的上方，所述洒水装置上方设置有植物灯、温度传感器，所述培养箱顶部设置出气口，所述培养箱内设置有风扇，苗木能够充分吸收光能，成活率高，成长周期短，效率高。
一种提高成活率苗木培养系统

[发明专利]一种基于深度学习的音符识别方法-CN202111495686.2在审
发明人：金海波;尚思宇;张煜森 -专利权人：辽宁工程技术大学
申请日： 2021-12-09 - 公布日： 2022-04-19 - 主分类号： G06V30/304 文献下载
摘要：本发明公开了一种基于深度学习的音符识别方法，步骤为：对手写体乐谱音符数据集进行划分；使用进行数据增强后的训练集训练手写体乐谱音符检测网络；设置多尺度特征融合网络，按从上至下，从下至上两个方向融合不同尺度下的手写体乐谱音符特征，加强特征纹理，使其能检测出图像中的小尺度目标；设计特征重校准模块，优化不同尺度下音符特征存在冲突的问题，使用两个并行且独立的子网络进行手写体乐谱音符检测；基于梯度调和机制的音符分类损失函数，通过计算每种音符的梯度密度，将样本损失乘其对应的梯度密度倒数，平衡易识别音符与难识别音符，提高稀少类别音符损失权重。本发明优化了手写体乐谱内在的数量不平衡问题，提高了模型的检测准确率。
一种基于深度学习音符识别方法

[发明专利]一种基于深度学习的X光安检图像中非金属打火机检测方法-CN202110958470.9在审
发明人：黄志清;张煜森 -专利权人：北京工业大学
申请日： 2021-08-20 - 公布日： 2021-12-21 - 主分类号： G06K9/20 文献下载
摘要：本发明公开了一种基于深度学习的X光安检图像中非金属打火机检测方法，该方法的数据增强与多尺度训练使用3种不同的数据增强方法并以mix‑up的方式融合数据增强数据，提升对于非金属打火机的定位能力。应用X光安检图像非金属打火机识别模型，将真实场景下的X光安检图像输入的模型，模型的直接输出非金属打火机检出结果。三种数据增强方式以及多尺度训练提升了模型对于真实场景下X光安检图像非金属打火机检出的泛化能力。在特征提取网络种引入改进型通道注意力，提升模型对于非金属打火机有效特征的提取，在特征融合阶段设计了DO‑PAN网络结构，加强浅层特征与深层特征的融合，提高模型对于非金属打火机的识别能力，使用Focalloss损失函数代替交叉熵损失函数。
一种基于深度学习安检图像中非金属打火机检测方法

[实用新型]一种节水型浅埋式公园绿植滴灌装置-CN202023137163.4有效
发明人：裴阳;戚龙玉;孙东晨;王志伟;张煜森;周海峰;乐冬莲;吴俊 -专利权人：江苏富邦环境建设集团有限公司
申请日： 2020-12-23 - 公布日： 2021-10-22 - 主分类号： A01G25/06 文献下载
摘要：本实用新型公开了一种节水型浅埋式公园绿植滴灌装置，包括集水框体、毛管和底板，所述集水框体的顶端设置有固定块，且固定块与集水框体之间设置有滤网，所述固定块的顶端设置有转动箱体，所述固定块内部开设有凹槽，所述固定块的内部等间距开设有伸缩箱体，且伸缩箱体内部设置有贯穿固定块的伸缩杆，所述伸缩箱体的顶端开设有滑槽，所述固定块的内部通过轴承设置有转轴，且转轴的外壁设置有转盘，所述转盘的内部等间距开设有弧形槽。该节水型浅埋式公园绿植滴灌装置，通过弧形槽带动滑杆在滑槽内移动，则滑杆带动伸缩杆和接水板向外侧移动，该结构便于对接水板的位置向外侧外扩，从而便于在下雨时候，收集更多雨水。
一种节水型浅埋式公园滴灌装置

[实用新型]一种雨水收集和定时灌溉装置-CN202023229355.8有效
发明人：孙叶峰;张煜森;舒硕;杨月俊;孙东晨;裴阳;胡南;陈立根 -专利权人：江苏富邦环境建设集团有限公司
申请日： 2020-12-28 - 公布日： 2021-10-22 - 主分类号： A01G25/16 文献下载
摘要：本实用新型公开了一种雨水收集和定时灌溉装置，包括收集箱、处理机构和中和机构，收集箱的顶端固定连通有收集斗。该种雨水收集和定时灌溉装置，通过在收集箱上设置有收集机构，可以对雨水进行收集，同时设置两个直线导轨带动支架进行运动，使得两个支架上的斜板在收集斗内运动，对位于收集斗内的杂质运动至凹槽处，进而进入至箱体内，并经过过滤网进行过滤，过滤后的水会经过出水口流至收集斗内，完成对雨水杂质处理的效果，并在收集箱的一侧内设置有中和机构，使得中和箱位于收集箱内，对雨水的酸性溶液进行中和，最后将电磁阀与定时器电连接，使得电磁阀可以定时开启，使得收集箱内的水经过排水管流出，可以对农作物进行浇灌。
一种雨水收集定时灌溉装置

[发明专利]一种组装式海绵城市生态道路及其施工方法-CN202110688951.2在审
发明人：邹雪飞;舒硕;胡振明;沈义兵;杨月俊;嵇彬彬;张卫玲;朱乔乔;顾亚平;蒋加付;唐磊;杨婷;张煜森;裴阳 -专利权人：江苏富邦环境建设集团有限公司
申请日： 2021-06-22 - 公布日： 2021-09-10 - 主分类号： E01C15/00 文献下载
摘要：本发明公开了一种组装式海绵城市生态道路及其施工方法，组装式海绵城市生态道路包括：外接架，所述外接架的内表壁固定安装有运水机构，所述外接架的外壁两侧固定安装有安装机构，通过金属板底部内接板上的进水槽的运输进入储水箱内，则储水箱起到了缓存的效果，使装置内部的每一层的运水点都层层相通，可以让雨水更有效更有规律的排出装置内部，减少雨水在内部的堆积，使内部结构不易发生腐蚀和损坏，增加装置的使用寿命，同理相反的效果将滑块放置到滑槽的内部进而为固定提供缓冲时间，将安装架与另一端的进行重合，对其固定孔安装固定结构，使装置固定后不易发生两者错位的现象，减少道路发生中部裂开、发生损坏的现象，避免垃杂物堵塞。
一种组装海绵城市生态道路及其施工方法

[实用新型]一种树木营养液滴注装置-CN202023175849.2有效
发明人：莫言献;张煜森;舒硕;杨月俊;朱乔乔;陈幼芝;张晓梅;杨勇 -专利权人：江苏富邦环境建设集团有限公司
申请日： 2020-12-25 - 公布日： 2021-09-10 - 主分类号： A01G7/06 文献下载
摘要：本实用新型公开了一种树木营养液滴注装置，包括树木主体、安装框、齿轮、弧形夹板、彩灯和蓄电池，所述树木主体的外壁安装有安装箱，且安装箱的内部开设有安装框，所述安装框的一端铰接有门板，且门板的内壁安装有第一密封条，所述安装框一侧的侧壁皆开设有通孔，所述门板一侧侧壁的内部皆开设有凹槽，且凹槽内部的顶端安装有第一滑轨，所述第一滑轨的内部设置有第一滑块，且第一滑块的底端安装有连接板，所述连接板的一端安装有限位板，所述连接板的底端皆安装有齿块。该树木营养液滴注装置，通过连接板移动来带动限位板在凹槽的内部进行往复左右移动，且通过限位板与通孔相互卡合，便于操作人员对门板进行打开或者关闭。
一种树木营养液滴注装置

[发明专利]一种土壤改良剂及土壤改良方法-CN202011609123.7在审
发明人：陈幼霞;张昌辉;张煜森;蒋加付;朱乔乔;陈幼芝 -专利权人：江苏富邦环境建设集团有限公司
申请日： 2020-12-30 - 公布日： 2021-05-04 - 主分类号： C09K17/40 文献下载
摘要：本发明公开了一种土壤改良剂，包括以下百分质量比的物质：5％—10％石灰粉末、8％—15％锰肥、20％—30％赤泥、15％—20％钙镁磷肥、22％—28％泥炭、3％—8％海泡石粉末，5％腐植酸。土壤改良方法，包括以下步骤：S1.剔除土壤中的石块和其他固体废弃物，S2.引进客土，S3.深松土地，S4.施加有机肥，S5.施加土壤改良剂，S6.定期灌溉，采用河流、水库、水井及渠道，适时、适量对土壤进行喷灌。本发明可以调节土壤pH值，促进农作物产量的提升，促进土壤理化性质的改善，提高土地资源的利用。
一种土壤改良剂土壤改良方法

[发明专利]基于深度学习的多声部乐谱识别方法-CN202011510003.1在审
发明人：黄志清;王师凯;张煜森 -专利权人：北京工业大学
申请日： 2020-12-19 - 公布日： 2021-04-20 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了基于深度学习的多声部乐谱识别方法，本发明针对印刷体多声部乐谱提出一个基于深度学习的乐谱识别模型，基于卷积神经网络、数据增强、迁移学习的端到端乐谱音符识别方法旨在解决多声部乐谱音符识别过程中存在精度低，音符遗漏等问题。该模型采用多任务学习，可同时学习音高、时值的分类任务和音符坐标的回归任务。在模型在训练上，使用了神经网络中的微调技术，目的是为了更好地检测到乐谱中的和弦音符，实验结果表明，该模型能精确地识别多声部乐谱中的音符，在和弦音符的识别上也表现出了良好的性能。
基于深度学习声部乐谱识别方法

[发明专利]基于深度学习的手写体乐谱谱线删除方法-CN202011512328.3在审
发明人：黄志清;张煜森 -专利权人：北京工业大学
申请日： 2020-12-19 - 公布日： 2021-04-20 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了基于深度学习的手写体乐谱谱线删除方法，本发明模型训练所用数据集为ICDAR/GREC 2013手写体五线谱谱线删除比赛数据集，并且对该数据集进行数据增强，本发明使用了3种不同的数据增强方法。本发明的手写体乐谱谱线删除深度卷积神经网络模型，将含有乐谱图像输入的模型，模型的直接输出不含谱线的乐谱图像的结果图。本方法引入了旋转，谱线间断，谱线加粗3种额外噪声来模拟自然场景下的乐谱，提升了模型的泛化能力。提出了手写体乐谱谱线删除模型，实现了99.3％的删除准确率，在实时性上完成一张1024*2048大小的乐谱图像仅需14.85秒，相较于前文所提模型在实时性上大幅提高。
基于深度学习手写体乐谱删除方法

[发明专利]基于深度学习的端到端乐谱音符识别方法-CN201911090621.2在审
发明人：黄志清;贾翔;王师凯;张煜森 -专利权人：北京工业大学
申请日： 2019-11-09 - 公布日： 2020-02-28 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于深度学习的端到端乐谱音符识别方法，该方法一共分为三步：(1)数据预处理：需要从MuseScore中下载对应的数据集，重新编码音高和时值标签。(2)数据增强：对重新编码后的乐谱数据进行数据增强，本发明提出了4种不同的增强方法。(3)端到端模型：应用于端到端乐谱音符识别的深度卷积神经网络模型，将增强后的数据输入的模型，模型的输出为音符时值和音高。本发明在于针对打印体乐谱提出一个基于深度学习的乐谱音符识别模型，即输入整张乐谱图像到该模型，直接输出乐谱上音符的时值和音高，该模型完全端到端，能够精准识别多声部乐谱图像。
基于深度学习端到端乐谱音符识别方法

1
共 14 条