-
公开(公告)号：CN119746379A
公开(公告)日：2025-04-04
申请号：CN202411990065.5
申请日：2024-12-31
Applicant: 无锡学院
IPC: A63F3/02
Abstract: 本发明公开了一种盲人军棋对战装置及方法，属于棋类对战装置的技术领域；该对战装置主要由军棋棋盘、多个带有盲文标识的军棋棋子、压力传感器、处理器、语音输入器和语音播报器组成。其中，棋盘上的每个棋位均配备有压力传感器，用于实时监测棋子的位置和状态变化；每个军棋棋子的重量设计为M+ε，M代表标准重量，ε为重量误差阈值区间，确保了即使长期使用后棋子重量有所变化，也能准确识别。当棋盘上某一位置的传感器检测到2M+2ε的压力时，表明该位置发生了对战，处理器根据预设规则判断对战结果并通过语音播报器告知玩家。本发明旨在解决现有技术中盲人军棋对战存在的操作不便、设备成本高及易出错等问题，以为盲人提供更加友好的游戏体验。
-
公开(公告)号：CN118861458B
公开(公告)日：2025-01-17
申请号：CN202410926041.7
申请日：2024-07-11
Applicant: 无锡学院
IPC: G06F16/957 , G06F16/9532 , G06F16/9535 , G06F16/951
Abstract: 本发明涉及工业互联网技术领域，尤其涉及一种用于工业互联网应用的可视化定制方法、系统及储存介质。所述方法包括以下步骤：对目标生产流程文档数据进行流程元数据聚合处理，得到工业生产流程元数据；基于工业生产流程元数据进行多粒度分层抽象处理，生成动态视图抽象树数据；根据动态视图抽象树数据进行空间视图布局处理，生成初始视图布局数据；对初始视图布局数据进行布局适应性优化，并进行实时数据注入，生成可视化生产流程数据；对可视化生产流程数据进行用户风格定制处理，得到可视化生产流程定制实例数据。本发明通过对工业生产流程进行多粒度的分层抽象处理，实现了高度定制化的可视化生产流程。
-
公开(公告)号：CN119151802A
公开(公告)日：2024-12-17
申请号：CN202411629143.9
申请日：2024-11-15
Applicant: 无锡学院
Abstract: 红外图像与可见光图像融合方法、系统、设备及存储介质，属于图像信息处理技术和计算机世界技术领域，解决了基于深度学习的图像融合方法存在一些局限性的问题。输出第一尺度的双模态混合特征；输出第二尺度的双模态混合特征；输出第三尺度的双模态混合特征；第三尺度的双模态混合特征输入图像重建模块，输出重建特征图；重建特征图与第二尺度的双模态混合特征进行特征融合，输出重建特征图；重建特征图与第一尺度的双模态混合特征进行特征融合，输出重建特征图；重建特征图与初始尺度的双模态混合特征进行特征融合，输出重建特征图；重建特征图经过，输出融合后的图像。
-
公开(公告)号：CN118915649A
公开(公告)日：2024-11-08
申请号：CN202410949243.3
申请日：2024-07-15
Applicant: 无锡学院
IPC: G05B19/418
Abstract: 本发明公开了一种基于工业互联网的生产过程监控系统，属于数据处理系统技术领域，包括：采集模块，用于采集设备运行数据；上传模块，用于将采集的设备运行数据上传至云端；第一构建模块，用于构建条件生成对抗网络模型；第一训练模块，用于对条件生成对抗网格模型进行训练；第一生成模块，用于生成满足合格生产指标的设备运行数据；第二构建模块，用于构建支持向量数据描述模型；第二生成模块，用于对支持向量数据描述模型进行训练，生成最小椭圆体；下发模块，用于将训练后的支持向量数据描述模型下发至边缘端；输出模块，用于采集实时设备运行数据，并输入至训练后的支持向量数据描述模型，输出异常数据。提升生产过程监控的准确性和实时性。
-
公开(公告)号：CN119418310A
公开(公告)日：2025-02-11
申请号：CN202411433910.9
申请日：2024-10-15
Applicant: 无锡学院
IPC: G06V20/59 , G06V10/82 , G06V10/44 , G06V10/771 , G06V10/776 , G06V10/25 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06V40/10 , G06V40/16 , G06V40/20
Abstract: 一种轻量化的分心驾驶检测方法。涉及智能交通系统和自动驾驶辅助系统的安全检测领域，具体涉及基于深度学习的分心驾驶行为检测技术领域。其解决了现有的检测方法计算资源较多无法进行轻量化应用以及容易出现检测不准确的问题。所述方法包括如下步骤：S1、数据采集与划分：收集分心驾驶行为图像，划分为训练集、验证集与测试集；S2、分心驾驶检测模型构建，采用分层改进机制对在现有的YOLOv8s模型框架下进行改进。S3、分心驾驶检测模型训练：通过训练集和验证集对分心驾驶检测模型进行训练，通过测试集对训练结果进行测试，得到能够进行应用的分心驾驶检测模型；S4、采用够进行应用的分心驾驶检测模型对驾驶行为进行检测。
-
Patent Agency Ranking
公开(公告)号：CN118863530B
公开(公告)日：2025-02-07
申请号：CN202410900281.X
申请日：2024-07-05
Applicant: 无锡学院
IPC: G06Q10/0635 , G06Q50/04 , G06F18/27
Abstract: 本发明涉及工业互联网技术领域，尤其涉及一种基于工业互联网数据平台的数据处理方法。所述方法包括以下步骤：利用工业互联网数据平台进行工业生产脉络处理，生成实时工业生产脉络数据；根据实时工业生产脉络数据构建生产过程约束知识图谱；利用生产过程约束知识图谱进行订单优先级匹配，生成订单优先级分配数据；根据订单优先级分配数据进行生产计划冲突检测，得到子任务生产冲突数据；根据子任务生产冲突数据进行柔性调度处理，生成无冲突生产子任务网络数据；根据无冲突生产子任务网络数据进行关键任务路径链识别，得到最终生产计划方案数据。本发明通过柔性调度任务链，消除了生产计划中的冲突，显著提高了生产效率。
-
公开(公告)号：CN119066280A
公开(公告)日：2024-12-03
申请号：CN202410909973.0
申请日：2024-07-08
Applicant: 无锡学院
IPC: G06F16/957 , G06F16/9532 , G06F16/9535
Abstract: 本发明涉及工业互联网可视化技术领域，尤其涉及了一种工业互联网应用的可视化定制方法，该工业互联网应用的可视化定制方法，对来自不同设备和系统的数据在进行可视化展示之前，需要对数据进行整合和清洗，确保数据的准确性和一致性，降低了通信传输过程中的负荷。该工业互联网应用的可视化定制方法，通过全局分布查询的方式确定查询对象，然后根据可用访问路径和必要的算法确定二元操作连接以及并操作的次序，最后确定执行节点，可以方便在进行多点数据处理时，快速找到数据信息，提升了分布式数据库的数据查询效率。
-
公开(公告)号：CN119832211A
公开(公告)日：2025-04-15
申请号：CN202411812939.8
申请日：2024-12-11
Applicant: 无锡学院
Abstract: 本发明公开了一种航拍场景红外小目标检测方法、电子设备及存储介质，属于计算机视觉和图像处理领域技术领域。本发明方法训练一个动态多尺度共享目标检测网络实现红外目标检测，检测网络由骨干网络、颈部网络、头部网络组成，其中骨干网络包含动态共享特征分解层以及扩张多尺度金字塔层，颈部网络由多个上采样层、拼接层、动态共享特征分解层、卷积层级联而成，头部网络包含回归定位分支与分类预测分支。本发明目标检测方法采用动态共享机制与多尺度特征处理相结合，实现对图像特征的高效提取与融合，方法融合多尺度特征和上下文信息，既保留了高层语义信息，又保留了低层细节特征，使得检测目标的边界定位更加精准，分类更加可靠。
-
公开(公告)号：CN119131738B
公开(公告)日：2025-03-14
申请号：CN202411623141.9
申请日：2024-11-14
Applicant: 无锡学院
Abstract: 本发明提出了一种智能网联汽车视觉环境感知方法及系统，通过汽车视觉传感器获取周围图像数据，经过预处理、图像分割、特征识别和神经网络分析，最终输出详细的环境信息。具体步骤包括：首先对图像数据进行滤波处理，得到清晰的第一图像；然后通过种子像素扩张法对第一图像进行分割，形成第二图像集合；接着对每个图像进行特征识别，标记特征属性；最后将图像传输至神经网络中进行分析，整合结果后输出环境信息。该方法采用卷积神经网络和循环神经网络，分别处理单帧图像和多帧图像，提高了环境感知的准确性和实时性。
-
公开(公告)号：CN118762339B
公开(公告)日：2025-01-03
申请号：CN202411215008.X
申请日：2024-09-02
Applicant: 无锡学院
IPC: G06V20/54 , G06N3/0464 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: WPIoU损失函数构建方法及YOLOv8检测方法，属于图像信息检测技术领域，解决了现有的YOLOv8n在复杂环境下无法实现对车流图像的精准检测的问题。包括以下步骤：步骤S1，对WIoUv1损失函数做梯度增益的处理后，获取WIoUv3损失函数；步骤S2，PIoU损失函数自定义了自适应的惩罚因子；步骤S3，基于步骤S2所述的惩罚因子对步骤S1所述的WIoUv3损失函数进行改进后，获取WPIoU损失函数；步骤S4，基于PIOUv2损失函数的非单调注意力函数对步骤S3所述的WPIoU损失函数做进一步改进后，获取最终的WPIoU损失函数。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.018 seconds)
