-
题名计算机视觉在中药饮片领域中的应用与展望
被引量：8
- 1
-
-
作者
师飘
郑祥明
-
机构
亳州学院电子与信息工程系
-
出处
《德州学院学报》
2020年第6期34-38,50,共6页
-
基金
国家自然科学基金(61473031)
安徽省质量工程项目:信息技术实验实训中心(2019sxzx24)
+3 种基金
亳州学院质量工程教学团队《电子商务专业教学团队》(2018jxtd02)
亳州学院“嵌入式系统开发与应用”创客实验室(2017cksy02)
亳州学院“基于嵌入式系统的目标跟踪算法与应用”(BYZ2019C05)
亳州学院校级科研重点项目(BYZ2019B01).
-
文摘
通过调研文献资料,综述计算机视觉技术在中药饮片领域的研究现状,总结得出基于饮片纹理、颜色、形状等属性进行的算法设计具有一定局限性,而利用神经网络模型对中药饮片的生产进行智能监控和性状分析,可实现饮片的自动识别和检测,具有更好的应用前景.最后提出计算机视觉在中药饮片领域的应用挑战并进行了展望,以期进一步推动中药产业现代化和可持续发展.
-
关键词
计算机视觉
应用
中药饮片
研究现状
-
Keywords
computer vision
application
Chinese herbal pieces
research status
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
R286.0
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于OBE的嵌入式实验项目设计
- 2
-
-
作者
郑祥明
师飘
孔晨鑫
-
机构
亳州学院电子与信息工程系
-
出处
《商丘师范学院学报》
CAS
2024年第9期85-88,共4页
-
基金
国家自然科学基金(61672202)
安徽省级质量工程项目(2020kcszjxtd55)
+3 种基金
亳州学院科研课题(BYZ2019C05)
亳州学院重点教学研究项目(2021XJXM065)
亳州学院线下课程(2020kfkc324、2021 XJXM027)
国家级大创项目(202112926021)。
-
文摘
针对嵌入式系统课程实践性和应用型强的特点,以中药材培育温室大棚为研究对象并结合生产实际创设问题,探索嵌入式系统课程实践教学方案.通过基于串口通信的温湿度监控系统实验任务的教学设计引导学生完成温湿度传感器、串口通信和嵌入式系统设计等学习任务,培养学生利用所学知识发现和解决实际问题,进一步提升了嵌入式系统课程实践教学效果.
-
关键词
串口通信
温湿度
教学设计
实践教学
-
分类号
G642
[文化科学—高等教育学]
TP368
[文化科学—教育学]
-
-
题名基于深度学习的高压杆塔异物检测
被引量：3
- 3
-
-
作者
师飘
张超
郑祥明
-
机构
亳州学院电子与信息工程系
-
出处
《重庆科技学院学报（自然科学版）》
CAS
2020年第2期83-87,共5页
-
基金
安徽省高校优秀青年人才支持计划项目(GXYQ2017109)
安徽省高校自然科学研究项目“基于敏捷开发的高校实习实训APP建设”(KJ2017A703)
亳州学院“嵌入式系统开发与应用”创客实验室项目(2017CKSY02)。
-
文摘
针对高压杆塔的安全性易受鸟巢等异物影响的情况,提出基于经典深度学习理论的Fast R-CNN算法,实现对异物的快速检测,降低安全风险。该算法的基本思路是,通过Selective Search法提取杆塔图像候选区域,并基于CaffeNet网络模型优化参数,经过多次迭代和样本训练,最后智能检测出杆塔图像中的鸟巢并定位目标区域。
-
关键词
深度学习
FAST
R-CNN模型
高压杆塔
鸟巢
目标检测
-
Keywords
deep learning
Fast R-CNN model
high-voltage tower
bird′s nest
target detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名高压杆塔异物检测及系统设计
- 4
-
-
作者
师飘
-
机构
亳州学院电子与信息工程系
-
出处
《洛阳师范学院学报》
2020年第8期40-45,共6页
-
基金
安徽省高校优秀青年人才支持计划项目(gxyq2017109)
安徽省质量工程项目(2019sxzx24)
+3 种基金
亳州学院质量工程教学团队项目(2018jxtd02)
亳州学院创客实验室项目(2017cksy02)
亳州学院项目(BYZ2019C05)
亳州学院校级科研重点项目(BYZ2019B01)。
-
文摘
针对高压杆塔上存在的鸟巢给输电线路带来的安全隐患,提出一种基于改进的LBP特征训练AdaBoost分类器的高压杆塔鸟巢检测算法.经过测试表明,该方法有助于提高人机交互能力,可以极大减轻电力工作人员的工作负担,具有一定的应用价值.
-
关键词
ADABOOST算法
HAAR特征
LBP特征
QT平台
目标识别
-
Keywords
AdaBoost algorithm
Haar features
LBP features
QT platform
target detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
