专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果65个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于局部特征的群养猪身份识别方法-CN202010036019.7有效
  • 朱伟兴;黄炜嘉;李新城 - 江苏大学
  • 2020-01-14 - 2023-08-22 - G06V40/10
  • 本发明提供了一种基于局部特征的群养猪身份识别方法。首先,获取俯视群养猪视频序列,从视频序列中提取猪个体图像,计算每个像素不同颜色分量二进制形式,将重要有效位进行组合获得灰度图像;然后,使用多尺度滤波器与灰度图像卷积,获得多尺度的幅度响应和相位响应,在不同尺度下,分别计算幅度响应和相位响应在不同方向之间的差异,对差异的方向信息进行编码;最后,将图像分成若干子块,计算各个子块幅度编码和相位编码的直方图,在不同尺度下,直方图相同取值处融合,并级联成特征向量,基于支持向量机进行分类和识别。
  • 一种基于局部特征养猪身份识别方法
  • [发明专利]一种基于视觉显著性的攻击行为猪的识别方法-CN202010111967.2有效
  • 朱伟兴;张圆成;李新城 - 江苏大学
  • 2020-02-24 - 2023-08-22 - G06V40/20
  • 本发明公开了一种基于视觉显著性的攻击行为猪的识别方法,属于数字图像处理技术领域。首先对获得的实时监控视频,利用基于金字塔分层的Lucas‑kanada光流法对采集到的图像进行光流信息的提取,其次根据相邻帧间光流方向差分图和猪的光流面积判断该帧是否具有攻击嫌疑。再次,分别利用超像素间在颜色上的距离之和以及光流的速度信息来进行空间域显著图的提取和时域显著图的提取。最后,对前面得到的空间域显著图和时域显著图经过归一化处理后进行融合,来识别具有攻击行为的猪。该方法的准确率达89.33%,且对正确识别出的攻击事件均能准确的提取出参与猪只,为采用视觉显著性技术识别出猪圈中具有攻击行为的猪提供了新思路。
  • 一种基于视觉显著攻击行为识别方法
  • [发明专利]一种基于彩色图像和深度图像的重叠颗粒物分层计数方法-CN201811282397.2有效
  • 朱伟兴;司艳丽;李新城 - 江苏大学
  • 2018-10-30 - 2023-07-21 - G06T7/33
  • 本文提出一种基于彩色图像和深度图像的重叠颗粒物分层计数方法。由Kinect相机获取彩色和深度图像并进行配准,采用改进K‑means算法提取彩色图像目标区域,由其轮廓特征将其分为单目标颗粒,粘连类型和重叠类型,利用插值算法对可提取轮廓进行重建以获取对应区域目标数量;对于上述方法无法提取的重叠目标轮廓,可估算单个颗粒物平均面积,根据目标区域总面积除以平均面积得到相应数量;对于无法利用彩色图像提取到的上层目标,对其深度图像进行阈值分割从而完成上层目标的提取和分类计数。本文采用大小均匀、类圆形的纸皮核桃为研究对象,对任意摆放的核桃进行计数,平均正确率达99.38%,表明本文提出的方法是有效的,同时也为重叠颗粒物的计数提供新的思路。
  • 一种基于彩色图像深度重叠颗粒分层计数方法
  • [发明专利]一种采用卷积神经网络和长短期记忆检测群养猪攻击行为的分析方法-CN201911290960.5有效
  • 朱伟兴;陈晨;李新城 - 江苏大学
  • 2019-12-13 - 2023-03-21 - G06F18/2411
  • 本发明公开了一种采用卷积神经网络和长短期记忆检测群养猪攻击行为的分析方法。首先是从俯视群养猪视频中挑选攻击片段和非攻击片段并保持数据平衡;接着采用卷积神经网络提取这些片段中每一帧的空间特征;然后采用长短期记忆将这些空间特征转化成时空特征;最后采用全连接层和Softmax函数分类时空特征从而检测攻击行为;统计所检测攻击行为的持续时间和发生频率作为猪受伤程度的评价指标。该项研究是基于卷积神经网络和长短期记忆对群养猪进行攻击行为检测,不会对猪个体产生任何干扰,为传统的人工观测群养猪攻击行为提供了参考,也对其他家畜的高速运动行为的检测提供了理论依据。所统计的攻击时间和频率数据有助于农场主对猪受伤程度进行评估。
  • 一种采用卷积神经网络短期记忆检测养猪攻击行为分析方法
  • [实用新型]一种便于拆装扩容的钥匙柜-CN202222689165.7有效
  • 朱伟兴 - 南京云帆财智科技有限公司
  • 2022-10-12 - 2023-03-21 - A47B45/00
  • 本实用新型公开了一种便于拆装扩容的钥匙柜,通过在支撑架内转动设置有双向丝杆,并由第一电机驱动其转动,使得其带动罩壳做相向或相离的运动。罩壳内转动设置有丝杆,并由第二电机驱动其转动,进而驱动滑板沿着丝杆做升降运动。滑板通过第二连接块连接设置有支板,支板连接设置有伸缩支架,故而支撑板、两个侧板和伸缩支架之间可以在垂直方向和水平方向上形成约束。若干收纳仓通过限位块卡设在支撑板上,当本实用新型的收纳空间需要调整时,通过第一电机控制两侧板之间的距离,再通过第二电机驱动滑板控制其高度,进而改变支撑板、两个侧板和伸缩支架四者之间形成的空间,进而改变其可供收纳仓堆叠的空间,并最终调整本实用新型的收纳空间。
  • 一种便于拆装扩容钥匙
  • [发明专利]一种基于特征融合的群养猪身份识别方法-CN202210040796.8在审
  • 朱伟兴;仲崇欢;李新城 - 江苏大学
  • 2022-01-14 - 2022-05-20 - G06V40/10
  • 本发明公开了一种基于特征融合的群养猪身份识别方法。首先对群养猪俯视视频进行分帧处理,利用关键区域最近邻像素比较法选取关键帧,再利用基于阈值优化的分水岭算法对关键帧进行猪个体分割;其次对猪个体图像提取三种改进的特征,分别是稀疏点多方向描述的SIFT特征、多分块改进的中心对称局部八元模式特征以及基于空间分布信息的连通域统计特征;然后将这三种特征采用串行加权融合算法进行融合,并采用主成分分析法(PCA)进行降维;最后采用基于改进杂交育种算法的加权集成分类器对猪个体图像进行分类训练。
  • 一种基于特征融合养猪身份识别方法
  • [发明专利]一种基于迁移学习的改进VGG16网络猪的身份识别方法-CN202110618450.7在审
  • 朱伟兴;汤志烨;李新城 - 江苏大学
  • 2021-06-03 - 2021-10-01 - G06N3/08
  • 本发明公开了一种基于迁移学习的改进VGG16网络猪的身份识别方法。先对处理好的视频进行逐帧提取,获得一系列图片,这些经过预处理成数据集,然后再进行划分训练集和测试集;构建改进的VGG16网络训练模型BN‑VGG16,保存预训练的特征提取模型Pre‑VGG16;接下来就是迁移学习过程,把源域训练获得的Pre‑VGG16特征提取网络迁移到用来识别猪的Pig‑Vgg16网络中;对调整尺寸后的数据集进行多分块改进的绝对值差分局部方向模式(Multi Block ImproveAbsolute Difference Local Direction Pattern,简称MB‑IADLDP)特征提取,并进行串行融合,最后进行猪的身份识别。基于迁移学习的改进VGG16模型在运行速度和精度上都优于传统的VGG16网络模型。
  • 一种基于迁移学习改进vgg16网络身份识别方法
  • [发明专利]一种基于安卓平台的类圆颗粒物计数方法-CN201711122842.4有效
  • 朱伟兴;刘亚玲;李新城 - 江苏大学
  • 2017-11-14 - 2021-06-18 - G06M11/00
  • 本发明涉及一种基于安卓平台的类圆颗粒物计数方法,属于图像处理技术领域。首先基于颜色色差特征从背景中提取只包含类圆颗粒的二值图像;提取图像中粘连重叠颗粒块区域并用基于距离变换和H‑minima的分割方法对颗粒块区域进行第一次分割;提出准确提取颗粒物表面孔洞的方法,并对孔洞填补后的颗粒块区域进行第二次分水岭分割,经连通域分析去除噪点及少量阴影区域,求取每个颗粒最外层轮廓的最小外接圆并画于原图,圆的个数即为颗粒个数。本发明的计数系统降低硬件使用成本;本发明极大程度抑制传统分割方法带来的过度分割和错误分割,能够准确检测大量紧密粘连的单层颗粒物和简单两层的类圆颗粒物,可以获得较高的计数精度和计数效率。
  • 一种基于平台颗粒计数方法
  • [发明专利]一种基于HOG分块的特征直方图融合对饮水区域猪的身份识别办法-CN202110124388.6在审
  • 朱伟兴;李富豪;李新城 - 江苏大学
  • 2021-01-29 - 2021-05-14 - G06K9/00
  • 本发明提出一种基于HOG分块的特征直方图融合对饮水区域猪的身份识别办法。首先获取彩色和深度视频集,对采集到的视频集进行分帧筛选;其次对其进行自适应直方图均衡化、FCN饮水猪目标分割和形态学处理,得到饮水区域固定方向的单只猪图像;然后建立训练样本,通过HOG特征对饮水区域进行分块划分,寻找划分的最佳像素块。构建多尺度特征空间,设置不同的步长比例,对其提取梯度和方向的直方图特征;另把划分好的像素块应用在NMB‑LBP纹理特征和H‑S颜色特征的提取中;根据三种特征的准确率确定权重构建融合特征直方图,最大程度保留有效识别信息。本发明在猪的整个运动区域识别率有所提高,为固定采食区域基于采食的特征提取和融合提供参考。
  • 一种基于hog分块特征直方图融合饮水区域身份识别办法
  • [发明专利]基于Gabor方向直方图和猪体毛发模式的猪个体识别方法-CN201710569030.8有效
  • 朱伟兴;赵伟;李新城 - 江苏大学
  • 2017-07-13 - 2020-11-20 - G06K9/00
  • 本发明公开了基于Gabor方向直方图和猪体毛发模式的猪个体识别方法。首先利用一种基于自适应分割和多阈值分割的目标提取方法提取每张图片中的多个猪只目标。在提取出完整的猪只目标后,利用猪体关键点检测算法在猪只轮廓中提取稳定的特征区域,并对其进行网格划分。然后在选定特征区域上的每个网格中使用Gabor滤波器计算毛发模式方向场,并在每个网格中利用方向场信息计算出Gabor方向直方图。最后利用卡方距离衡量不同Gabor方向直方图之间的差异性并与数据库中的猪只进行匹配,达到猪个体身份识别的目的。该项研究为无应激的猪个体识别提供了一种新思路,也为进一步探索群养猪个体行为分析提供了一定的技术支持。
  • 基于gabor方向直方图毛发模式个体识别方法
  • [发明专利]一种采用卷积神经网络和长短期记忆检测群养猪玩耍行为的分析方法-CN202010377458.4在审
  • 朱伟兴;陈晨 - 江苏大学
  • 2020-05-07 - 2020-10-09 - G06K9/00
  • 本发明公开了一种采用卷积神经网络和长短期记忆检测群养猪玩耍行为的分析方法。首先从俯视群养猪视频中挑选玩耍片段和非玩耍片段并保持数据平衡;采用基于HSV颜色空间变换的跟踪算法定位每个片段的玩耍区域;然后采用卷积神经网络提取这些片段中每一帧的空间特征,并采用长短期记忆将这些空间特征转化成时空特征;最后采用全连接层和Softmax函数分类时空特征从而检测玩耍行为,并统计所检测玩耍行为的持续时间用来确定猪对不同物体的玩耍偏好。本发明是基于卷积神经网络和长短期记忆对群养猪进行玩耍行为检测,不会对猪个体产生任何干扰,为传统的人工观测群养猪玩耍行为提供了参考。所统计的玩耍时间和频率数据有助于农场主对猪健康和福利进行评估。
  • 一种采用卷积神经网络短期记忆检测养猪玩耍行为分析方法
  • [发明专利]基于轮廓的猪只饮水行为识别方法-CN201710569039.9有效
  • 朱伟兴;谭辉磊;李新城 - 江苏大学
  • 2017-07-13 - 2020-06-26 - G06K9/00
  • 本发明公开了基于轮廓的猪只饮水行为识别方法。首先从采集的俯频视群养猪视帧分离出饮水区域,并采用二维OTSU法得到初步分割结果,对该结果进行二值化以及形态学处理,获得目标轮廓;其后采用多边形近似法得到轮廓的多边形拟合图,针对该多边形,提取具有尺度不变性和旋转不变性的二维特征量;接着通过匈牙利算法对两个多边形相关特征量进行最优匹配;最后计算两个多边形之间的相似度,完成待识别轮廓和训练样本轮廓的匹配,实现猪只的饮水行为识别。该方法为今后对群养猪采食、排便等行为的识别研究打下了基础,也为探索畜牧的行为识别方法提供了新思路。
  • 基于轮廓饮水行为识别方法
  • [发明专利]基于机器视觉的猪个体识别与饮水行为分析方法-CN201611187459.2有效
  • 朱伟兴;郭依正;李新城 - 江苏大学
  • 2016-12-20 - 2020-06-09 - G06K9/46
  • 本发明公开了基于机器视觉的猪个体识别与饮水行为分析方法。首先是从俯视群养猪视频序列中提取饮水区的猪个体;接着计算猪个体与饮水龙头之间的距离,判断该猪个体是否与饮水龙头接触,如果是则采用改进的广义Hough变换和聚类算法对猪体头部、尾部进行判定;若猪体头部与饮水龙头接触,则提取该猪个体的颜色矩、面积、周长等特征,同时对特征进行数据规格化;然后通过与标准特征库间的欧式距离识别该猪个体;最后根据猪个体与饮水龙头之间的接触时间来判断猪个体是否饮水。该项研究是基于机器视觉技术对饮水区的猪个体进行识别与饮水行为分析,不会对猪个体产生任何干扰,也为进一步探索群养猪中猪个体的其他行为提供了参考。
  • 基于机器视觉个体识别饮水行为分析方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top