“朱启兵”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88个，建议您升级VIP下载更多相关专利

[发明专利]基于公有特征和私有特征的域自适应小麦种子分类方法-CN202310825251.2在审
发明人：赵鑫;阙昊天;黄敏;朱启兵 -专利权人：江南大学
申请日： 2023-07-05 - 公布日： 2023-10-13 - 主分类号： G06V10/764 文献下载
摘要：本申请公开了一种基于公有特征和私有特征的域自适应小麦种子分类方法，涉及高光谱技术领域，该方法搭建的小麦种子分类模型可以学习样本图像在源域和目标域的公有特征、类敏感私有特征、域敏感私有特征，并在训练时给与不同的约束加以引导，使模型能够进行有针对性的迁移，仅迁移对分类学习有帮助的公有特征与类敏感私有特征，通过基于公有特征与私有特征的训练策略使得小麦种子分类模型能够使用少量的样本快速适应目标域的新环境，从而使得模型在目标域的分类准确性更高、泛化能力更强，且由于不对域敏感私有特征迁移，因此可以避免模型出现负迁移，并显著的提升迁移后模型在目标域上的分类精度。
基于公有特征私有自适应小麦种子分类方法

[发明专利]基于监督迁移学习的农产品可溶性固形物预测方法-CN202310300277.5有效
发明人：杨宇;黄敏;朱启兵;赵鑫 -专利权人：江南大学
申请日： 2023-03-24 - 公布日： 2023-09-12 - 主分类号： G16C20/30 文献下载
摘要：本申请公开了一种基于监督迁移学习的农产品可溶性固形物预测方法，涉及农产品无损检测技术领域，该方法利用源域中农产品样本的光谱数据在自监督学习框架下预训练金字塔编码器，然后将训练得到的金字塔编码器迁移到目标域，作为骨干网络搭建预测模型，然后使用目标域中的农产品样本的光谱数据进行重新训练以实现预测模型的更新，更新后的预测模型即能用于目标域中的可溶性固形物含量的预测，该方法针对光谱数据发生域偏移的情况，通过模型更新的方法可以在目标域中实现准确预测，检测准确度更高。
基于监督迁移学习农产品可溶性固形物预测方法

[发明专利]利用知识蒸馏的陶瓷基板瑕疵智能检测方法-CN202310001505.9有效
发明人： 朱启兵;郭峰;黄敏;赵鑫 -专利权人：江南大学
申请日： 2023-01-03 - 公布日： 2023-08-04 - 主分类号： G06T7/00 文献下载
摘要：本申请公开了一种利用知识蒸馏的陶瓷基板瑕疵智能检测方法，涉及深度学习目标检测领域，该方法综合高分辨率样本图像和低分辨率样本图像分别输入教师网络模型得到的特征图计算教师网络模型的总损失函数来训练教师网络模型，然后基于知识蒸馏的方法利用教师网络模型指导训练学生网络模型，综合高低分辨率样本图像输入教师网络模型得到的融合特征以及低分辨率样本图像输入学生网络模型的特征图计算学生网络模型的总损失函数，最终指导学生网络模型训练得到瑕疵检测模型，即便是针对低分辨率的待测图像也能实现较高的检测准确率，从而可以在检测速度和检测准确率上都有较优表现，对陶瓷基板的瑕疵检测效率高。
利用知识蒸馏陶瓷瑕疵智能检测方法

[发明专利]基于半监督迁移学习的食品品质无损检测模型构建方法-CN202210665138.8有效
发明人：黄敏;周竑宇;朱启兵;赵鑫 -专利权人：江南大学
申请日： 2022-06-14 - 公布日： 2023-05-02 - 主分类号： G06V20/68 文献下载
摘要：本发明涉及一种基于半监督迁移学习的食品品质无损检测模型构建方法，包括：获取只含有标签样本的源域数据集和含有第一预设比例的样本为有标签样本、第二预设比例的样本为无标签样本的目标域数据集，使用源域数据集训练食品品质检测模型，保留食品品质检测模型的通用层Z，截去Z后的品质检测层A和输出层B；在Z后接入重构区C并使用无监督学习训练C得到训练完成的重构区C’，在C’后接入输出层D并使用有监督学习训练D得到训练完成的输出层D’，得到迁移完成的食品品质检测模型Z+C’+D’。本发明可以在目标域样本集只有少量有标签样本的情况下实现模型的迁移、迁移后的模型可以实现对食品品质的无损检测。
基于监督迁移学习食品品质无损检测模型构建方法

[发明专利]一种基于手持式食品残留检测设备的食品污染检测系统-CN202310001554.2在审
发明人： 朱启兵;徐帅;黄敏;赵鑫 -专利权人：江南大学
申请日： 2023-01-03 - 公布日： 2023-04-28 - 主分类号： G01N21/64 文献下载
摘要：本申请公开了一种基于手持式食品残留检测设备的食品污染检测系统，涉及食品检测领域，该手持式食品残留检测设备中的主控板控制激发光源照射待测食品的表面，主控板通过相机组件采集待测食品表面的目标波段下的荧光图像，目标波段是相机孔处的滤波片透过的光谱波段；主控板利用内置的深度学习网络提取得到荧光图像中的残留物区域并通过显示屏进行显示。利用手持式食品残留检测设备通过不同的滤波片采集不同光谱波段下的荧光图像，结合内置的深度学习网络可以实现残留物区域的提取分割，完成食品污染检测，该手持式食品残留检测设备体积小巧、便于携带，可以携带至检测现场使用，可以实时查看结果。
一种基于手持食品残留检测设备污染系统

[发明专利]基于高光谱图像采集系统的梅干菜中杂质检测方法-CN201911267095.2有效
发明人：黄敏;李明泽;张慜;王玉川;朱启兵;郭亚 -专利权人：江南大学
申请日： 2019-12-11 - 公布日： 2023-04-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于高光谱图像采集系统的梅干菜中杂质检测方法，涉及食品无损检测领域，该方法利用高光谱图像采集系统采集运动情况下的梅干菜样本以及不同类杂质样本的高光谱图像，提取感兴趣区域中的像素点光谱数据后，利用珊瑚礁算法进行波段选择，利用波段选择后的像素点光谱数据建立最佳分类模型，利用最佳分类模型对待测梅干菜产品的高光谱图像实现像素级别的分类检测，从而自动识别出待测梅干菜产品中的各类杂质，该检测方法自动化程度高、判别准确度高、简单快速。
基于光谱图像采集系统梅干菜杂质检测方法

[发明专利]一种多光谱-射频-热风果蔬干燥检测装置及方法-CN201911287222.5有效
发明人：黄敏;于鹏;张慜;王玉川;朱启兵;郭亚 -专利权人：江南大学
申请日： 2019-12-14 - 公布日： 2023-02-17 - 主分类号： A23B7/02 文献下载
摘要：一种多光谱‑射频‑热风果蔬干燥检测装置及方法，属于果蔬干燥加工及品质在线无损检测设备领域。装置包括射频热风加热系统、多光谱检测系统、控制装置及软件平台。射频加热和热风加热是两种不同的干燥方法；多光谱检测系统主要包括一个多光谱相机和环形光源；控制装置由PLC控制器、PC机、伺服电机、传送带平台等装置组成；软件平台作为上位机协调控制系统各部分。本发明集果蔬干燥与品质实时检测于一体，能实现果蔬的干燥加工，干燥操作后可现将样本传送至多光谱检测系统部分进行快速无损的品质检测，避免了传统干燥品质检测方式费时费力，破坏样本的缺点，保证品质检测的准确性和快速性。
一种光谱射频热风干燥检测装置方法

[发明专利]利用YOLOV4网络的陶瓷基板多种瑕疵智能检测方法-CN202210202582.6有效
发明人： 朱启兵;郭峰;黄敏;赵鑫 -专利权人：江南大学
申请日： 2022-03-02 - 公布日： 2022-11-25 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种利用YOLOV4网络的陶瓷基板多种瑕疵智能检测方法，涉及深度学习目标检测领域，该方法基于YOLOV4网络构建智能检测模型进行陶瓷基板的多种瑕疵智能检测，本申请针对陶瓷基板的瑕疵的特点优化了损失函数的计算方法，损失函数中的置信度损失函数基于梯度均衡机制利用所有单元网格内的预测框与对应真实框的置信度计算得到，从而可以使得训练得到的智能检测模型在保证检测准确性的同时，较高提升了瑕疵的检出率，能够对陶瓷基板瑕疵进行高效、快速而准确地检测。
利用 yolov4 网络陶瓷多种瑕疵智能检测方法

[发明专利]基于拉曼散射成像技术的重组牛肉检测系统-CN202210697993.7在审
发明人：黄敏;李学成;刘振方;朱启兵;赵鑫;杨耀国;白开荣 -专利权人：江南大学
申请日： 2022-06-20 - 公布日： 2022-09-23 - 主分类号： G01N21/65 文献下载
摘要：本申请公开了一种基于拉曼散射成像技术的重组牛肉检测系统，涉及食品无损检测技术领域，该系统中点激光器发出入射激光照射在待检测牛肉的表面，处理组件通过拉曼光谱成像仪和相机组件采集原始拉曼散射图像并进行图像预处理得到待识别图像输入牛肉检测模型，位置编码层对待识别图像提取包含拉曼光谱信息特征以及不同空间偏移距离的相对位置特征的特征向量输入Transformer编码器利用内置的注意力机制挖掘提取得到包含偏移维度权重信息的待分类特征最终由多层感知机头输出检测分类结果；该系统可以准确高效的实现重组牛肉无损检测，且能够自动学习不同数据特征之间的权重贡献信息，极大地提高了模型的分类精度，且拥有良好的鲁棒性。
基于散射成像技术重组牛肉检测系统

[发明专利]一种基于数据增强与注意力机制的小麦种子分类方法-CN202210748512.0在审
发明人：赵鑫;洪银涛;张晓强;黄敏;朱启兵 -专利权人：江南大学
申请日： 2022-06-29 - 公布日： 2022-08-30 - 主分类号： G06V10/764 文献下载
摘要：本申请公开了一种基于数据增强与注意力机制的小麦种子分类方法，涉及无损检测领域，该方法利用高光谱图像结合小麦种子分类模型能够对小麦种子进行快速准确且无损的分类鉴别，该方法，采用图像预处理操作实现数据增强，可以达到对样本小麦种子进行样本数量扩充与波段降维双重目的，既解决了高光谱图像标注困难带来的数据量不足，模型易过拟合、泛化能力差等问题，也减少了波段信息冗余度，节省了计算消耗。小麦种子分类模型以深度学习模型为架构基础学习样本数据的内在规律，且根据高光谱图像波段信息对分类的重要性给不同的波段分配不同的波段权重、充分利用高光谱图像的形态维度与光谱维，极大提高了模型的稳定性、推理速度与精度。
一种基于数据增强注意力机制小麦种子分类方法

[发明专利]一种基于空间偏移拉曼光谱的带包装食品信号分离方法-CN202111293805.6有效
发明人：黄敏;刘振方;朱启兵;赵鑫 -专利权人：江南大学
申请日： 2021-11-03 - 公布日： 2022-07-29 - 主分类号： G01N21/65 文献下载
摘要：本发明公开了一种基于空间偏移拉曼光谱的带包装食品信号分离方法，涉及空间偏移拉曼光谱技术领域，该方法基于不同偏移距离处的拉曼光谱的信息熵从初始光谱数据中截取部分区域范围的拉曼光谱作为观测数据，对观测数据进行独立成分分析，分离得到若干个独立信号分量，并结合特征谱峰聚类识别解决独立成分分析分离得到的独立信号分量的归属问题，最终确定内部的待测食品的拉曼信号，该方法受人为因素影响较小，分离效果好，该方法可以有效解决传统方法难以分离重叠信号和微弱信号的问题，在促进带包装食品微量成分识别和定量上起到一定的促进作用。
一种基于空间偏移光谱包装食品信号分离方法

[发明专利]基于动态神经网络的果蔬干燥过程中品质检测方法及系统-CN202110764668.3有效
发明人：黄敏;周竑宇;赵鑫;朱启兵 -专利权人：江南大学
申请日： 2021-07-06 - 公布日： 2022-05-24 - 主分类号： G01N21/27 文献下载
摘要：本发明涉及一种基于动态神经网络的果蔬干燥过程中品质检测方法及系统,包括：采集并保存待检测的果蔬切片样本集在多光谱多个波段下的多光谱图形集；对所述多光谱图形集中的光谱图形进行预处理；对处理过后的图像进行阈值分割，并将每个波段下分割后感兴趣区域的像素点按照顺序重构为一维序列；对样本集中每个样本多个波段下的一维序列作补零处理，并重建二维图像，将重建二维图像集中的数据维度增加一维；将增加一维后的二维图像集按照多个波段的顺序依次输入动态神经网络进行训练，将训练后的预测值与实际值作对比，得出衡量预测能力的指标并依照效果来调整网络的结构和训练的次数。本发明有利于提高对于指标的预测能力，有效提高检测准确度。
基于动态神经网络干燥过程品质检测方法系统

[发明专利]一种基于类别可区分度的连续型数据属性约简方法-CN202111293810.7在审
发明人： 朱启兵;张敏;黄敏;赵鑫 -专利权人：江南大学
申请日： 2021-11-03 - 公布日： 2022-01-14 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于类别可区分度的连续型数据属性约简方法，涉及属性约简领域，该方法以条件属性添加前后的类内可区分度和类间可区分度作为判断标准确定属性重要度值，基于启发式的思路逐步选择使属性重要度最大的条件属性加入约简集中，克服了传统离散化方法和信息粒化时带来的信息丢失问题，充分保留原始数据信息，删去冗余和干扰数据，提高分类性能。
一种基于类别区分连续数据属性方法

[发明专利]一种基于轻量型卷积神经网络的小麦种子品种鉴别的方法-CN202111287410.5在审
发明人：赵鑫;阙昊天;黄敏;朱启兵 -专利权人：江南大学
申请日： 2021-11-02 - 公布日： 2022-01-11 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于轻量型卷积神经网络的小麦种子品种鉴别的方法，涉及高光谱技术领域，该方法改进了建模所使用的轻量型卷积神经网络结构的结构，利用分组卷积层中的多个卷积单元来对不同的波段子区间进行特征提取，可以从光谱维度提取不同区域的信息，并且能够有效的缩减模型的参数量提高模型推理速度，再通过两个标准卷积层融合特征并进一步提取整体信息，充分挖掘样本高光谱图像的有效光谱信息，从而极大的提高分类模型的精度以及推理速度，能够充分利用高光谱图像中的有效光谱信息，并且能够准确且快速的鉴别小麦种子品种。
一种基于轻量型卷积神经网络小麦种子品种鉴别方法

[发明专利]基于混合卷积网络的小麦种子高光谱图像分类方法及系统-CN202110914267.1在审
发明人：赵鑫;黄敏;朱启兵;阙昊天 -专利权人：江南大学
申请日： 2021-08-10 - 公布日： 2021-11-09 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于混合卷积网络的小麦种子高光谱图像分类方法及系统，包括以下步骤：采集小麦种子的高光谱图像；提取高光谱图像的感兴趣区域，获得单个小麦种子的高光谱图像；构建混合卷积模型，所述混合卷积模型包括一维卷积模块和二维卷积模块，所述一维卷积模块用于提取光谱特征，所述二维卷积模块用于提取空间特征；通过所述混合卷积模型对所述单个小麦种子的高光谱图像进行识别，获得小麦种子品种的分类。其耗时短，不会对种子造成损伤，满足现代农业生产中快速无损的要求，高效便捷。
基于混合卷积网络小麦种子光谱图像分类方法系统

1
2
3
4
5
6
下一页»
尾页
共 88 条