-
公开(公告)号：CN112949438A
公开(公告)日：2021-06-11
申请号：CN202110195714.2
申请日：2021-02-19
Applicant: 武汉工程大学 , 武汉引行科技有限公司
Abstract: 本发明是涉及农业与人工智能领域，尤其是一种基于贝叶斯网络的水果视觉分类方法及系统。本发明通过获取待分类水果的待分类水果数据，并进行预处理得到多个待分类水果视觉特征值；分别对每个所述待分类水果视觉特征值进行离散化处理后，输入至预先训练好的水果分类贝叶斯网络模型进行处理，得到所述待分类水果在多个等级分类下的等级分类概率；根据多个所述等级分类概率对所述待分类水果进行等级分类。本发明实现了水果的精确分类，有效地降低在水果分拣中所花费的人力物力。通过构建复杂的水果分类的贝叶斯网络模型可实现水果的精确分类，实现降低人力物力，达到水果的快速分类。
-
公开(公告)号：CN111552269B
公开(公告)日：2021-05-28
申请号：CN202010343394.6
申请日：2020-04-27
Applicant: 武汉工程大学
Abstract: 本发明提供一种基于姿态估计的多工业机器人安全性检测方法及系统，其中方法包括：S1:采集多工业机器人标准作业视频，并建立多个单工业机器人动作模式姿态向量序列A14，单工业机器人动作模式姿态向量序列A14中包含多个单工业机器人姿态向量A13，执行S2；S2:实时采集多工业机器人的作业视频，获取多个单工业机器人姿态向量A23，执行S3；S3:将任一单工业机器人姿态向量A23，记为h1,与对应的单工业机器人动作模式姿态向量序列A14进行匹配，若匹配成功，则执行S2,若匹配失败，则检测到异常动作，控制工业机器人急停，本方法检测过程简单准确且成本较低，而且可以同时检测多个工业机器人的工作状态。
-
公开(公告)号：CN111531580A
公开(公告)日：2020-08-14
申请号：CN202010342977.7
申请日：2020-04-27
Applicant: 武汉工程大学
Abstract: 本发明提供一种基于视觉的多工业机器人故障检测方法及系统，其中，一种基于视觉的多工业机器人故障检测方法，包括以下步骤，S1：采集多工业机器人标准作业视频，建立多个单工业机器人标准作业模式视频帧序列A13，执行S2；S2：实时采集多工业机器人作业视频，建立多个单工业机器人实时作业视频帧序列A22，执行S3；S3：将单工业机器人实时动作图像与对应的单工业机器人标准作业模式视频帧序列A13中的图像进行匹配，采用两阶段法检测单工业机器人是否动作异常，若是，执行S4，若否，执行S2；S4：控制该工业机器人急停。本发明具有采用非接触式的方式发现工业机器人本体突发故障，避免在人机协作时发生机器人伤人的安全事故、检测过程简单准确的优点。
-
公开(公告)号：CN110490236A
公开(公告)日：2019-11-22
申请号：CN201910690299.0
申请日：2019-07-29
Applicant: 武汉工程大学 , 武汉引行科技有限公司 , 武汉创逸灵科技有限公司
Abstract: 本发明涉及一种基于神经网络的自动图像标注方法、系统、装置和介质，利用预先训练好的卷积神经网络模型提取实验数据集的图像特征；根据图像特征，在训练集中计算得到待标注图像的邻域图像集和对应的第一标签域；构建第一标签域与训练集对应的第二标签域之间的标签语义关联模型，根据标签语义关联模型，在第二标签域中计算得到与每个第一标签相关联的第三标签域；计算待标注图像与每个邻域图像之间的相似度，根据所有相似度得到每个第一标签成为目标标签的第一概率，并根据所有第一概率和标签语义关联模型得到每个第三标签成为目标标签的第二概率；根据所有相似度、所有第一概率和所有第二概率，得到目标标签，并根据目标标签完成标注。
-
公开(公告)号：CN112949438B
公开(公告)日：2022-09-30
申请号：CN202110195714.2
申请日：2021-02-19
Applicant: 武汉工程大学 , 武汉引行科技有限公司
IPC: G06V20/68 , G06V10/44 , G06V10/56 , G06V10/774 , G06V10/764 , G06T7/00 , G06T7/62 , G06T7/90
Abstract: 本发明是涉及农业与人工智能领域，尤其是一种基于贝叶斯网络的水果视觉分类方法及系统。本发明通过获取待分类水果的待分类水果数据，并进行预处理得到多个待分类水果视觉特征值；分别对每个所述待分类水果视觉特征值进行离散化处理后，输入至预先训练好的水果分类贝叶斯网络模型进行处理，得到所述待分类水果在多个等级分类下的等级分类概率；根据多个所述等级分类概率对所述待分类水果进行等级分类。本发明实现了水果的精确分类，有效地降低在水果分拣中所花费的人力物力。通过构建复杂的水果分类的贝叶斯网络模型可实现水果的精确分类，实现降低人力物力，达到水果的快速分类。
-
Patent Agency Ranking
公开(公告)号：CN111531582B
公开(公告)日：2022-09-20
申请号：CN202010343392.7
申请日：2020-04-27
Applicant: 武汉工程大学
Abstract: 本发明提供一种基于视觉的工业机器人故障检测方法及系统，其中，方法包括以下步骤：S1:获取工业机器人正常工作下的作业视频，并根据所述作业视频计算最长公共哈希子序列，所述最长公共哈希子序列包含多个哈希值，所述最长公共哈希子序列用于表示工业机器人的周期性动作模式，执行S2；S2:实时采集工业机器人的工作图像，分离出工业机器人，形成第二作业图像，计算所述第二作业图像的哈希值，记为h1,执行S3；S3:将所述哈希值h1与所述最长公共哈希子序列进行顺序极近似值匹配，若匹配成功，则执行S2,若匹配失败，则检测到异常动作，控制工业机器人急停，通过采集作业图像的方式对工业机器人进行故障检测，不仅成本低、采集难度小，抗干扰能力强。
-
公开(公告)号：CN110490236B
公开(公告)日：2021-08-24
申请号：CN201910690299.0
申请日：2019-07-29
Applicant: 武汉工程大学 , 武汉引行科技有限公司 , 武汉创逸灵科技有限公司
Abstract: 本发明涉及一种基于神经网络的自动图像标注方法、系统、装置和介质，利用预先训练好的卷积神经网络模型提取实验数据集的图像特征；根据图像特征，在训练集中计算得到待标注图像的邻域图像集和对应的第一标签域；构建第一标签域与训练集对应的第二标签域之间的标签语义关联模型，根据标签语义关联模型，在第二标签域中计算得到与每个第一标签相关联的第三标签域；计算待标注图像与每个邻域图像之间的相似度，根据所有相似度得到每个第一标签成为目标标签的第一概率，并根据所有第一概率和标签语义关联模型得到每个第三标签成为目标标签的第二概率；根据所有相似度、所有第一概率和所有第二概率，得到目标标签，并根据目标标签完成标注。
-
公开(公告)号：CN111709319A
公开(公告)日：2020-09-25
申请号：CN202010466840.2
申请日：2020-05-28
Applicant: 武汉工程大学 , 武汉引行科技有限公司
Abstract: 本发明提供一种铁路工机具清点方法及装置，方法包括：从公共数据库中读取多个工机具样本图像，并对多个所述工机具样本图像进行预处理，通过经预处理后的多个所述工机具样本图像得到训练图像数据集；构建目标检测网络，通过所述训练图像数据集对所述目标检测网络进行训练处理，得到目标检测模型；通过拍摄设备对出工现场进行图像采集，得到待处理图像；根据所述目标检测模型对所述待处理图像进行比对分析，得到遗失工机具类别的名称和数量。本发明实现了对工机具的准确检测与清点，可满足实际应用需求，且不需要人工提取工机具的图像特征，节省了时间的同时也提高了实时性和准确率，为智能铁路运维奠定了技术基础。
-
公开(公告)号：CN111531582A
公开(公告)日：2020-08-14
申请号：CN202010343392.7
申请日：2020-04-27
Applicant: 武汉工程大学
Abstract: 本发明提供一种基于视觉的工业机器人故障检测方法及系统，其中，方法包括以下步骤：S1:获取工业机器人正常工作下的作业视频，并根据所述作业视频计算最长公共哈希子序列，所述最长公共哈希子序列包含多个哈希值，所述最长公共哈希子序列用于表示工业机器人的周期性动作模式，执行S2；S2:实时采集工业机器人的工作图像，分离出工业机器人，形成第二作业图像，计算所述第二作业图像的哈希值，记为h1,执行S3；S3:将所述哈希值h1与所述最长公共哈希子序列进行顺序极近似值匹配，若匹配成功，则执行S2,若匹配失败，则检测到异常动作，控制工业机器人急停，通过采集作业图像的方式对工业机器人进行故障检测，不仅成本低、采集难度小，抗干扰能力强。
-
公开(公告)号：CN110688368A
公开(公告)日：2020-01-14
申请号：CN201910929085.4
申请日：2019-09-28
Applicant: 武汉工程大学
Inventor： 陈灯 , 张哲泓 , 魏巍 , 张彦铎 , 李晓林 , 鞠剑平 , 唐剑影 , 刘玮 , 段功豪 , 卢涛 , 周华兵 , 李迅 , 于宝成 , 徐文霞 , 鲁统伟 , 闵峰 , 朱锐 , 彭丽 , 王逸文
IPC: G06F16/21 , G06F16/2458 , G06F16/28
Abstract: 本发明公开了一种构件行为模型挖掘方法与装置，该方法包括：S1)运行包含构件的软件，动态采集构件的带参行为交互序列，构成序列集合；S2)合并具有不同参数值的相同构件行为交互序列；S3)基于合并后的构件行为交互序列构建一棵树；S4)合并树中的等价节点获得有限状态机R’；S5)根据参数观察值集合归纳参数的不变式作为有限状态机R’中对应边的守护条件；S6)计算有限状态机R’中构件行为满足参数不变式的概率；S7)基于步骤S6)中迁移发生的概率得到最终的带参概率自动机表示的构件行为模型。本发明考虑了构件行为模型中参数-构件行为之间的依赖关系并采用概率模型对模型挖掘过程中的噪声进行有效处理，可获得更精确的构件行为模型。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.054 seconds)
