-
公开(公告)号：CN117601606A
公开(公告)日：2024-02-27
申请号：CN202311636820.5
申请日：2023-12-01
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明涉及一种全地形四轮水陆两栖机器人，属于水陆两栖机器人技术领域，主机体两侧通过动力装置对称设置有多个轮式结构，陆地驱动状态，多个轮式结构通过变胞机构均与主机体平行设置；水上驱动状态，多个轮式结构通过变胞机构均与主机体垂直设置，主机体两侧对称设置有浮力仓，外侧十字安装板与通过联轴器与动力装置的驱动端连接，十字安装板的端部铰接有外轮弧形片，外侧十字安装板侧壁设置有舵机，舵机的输出端连接有舵盘，外侧十字安装板上滑动设置有锁定机构，变胞机构可以使本装置能够根据地形需要任意切换陆地驱动状态或水上驱动状态，以适应不同地貌环境，外轮弧形片变形结构可以使本装置能够根据地形需要任意切换越野状态或高速状态，以适应不同路面环境。
-
公开(公告)号：CN117556398A
公开(公告)日：2024-02-13
申请号：CN202310730362.5
申请日：2023-06-20
Applicant: 联想新视界(南昌)人工智能工研院有限公司 , 桂林电子科技大学
IPC: G06F21/32 , G06N3/0464 , G06N3/08 , G06N20/10 , G01N29/14
Abstract: 本发明提供了一种基于数字气味技术和深度学习的气味身份识别方法，涉及数字气味技术领域。通过气体收集装置收集待测气体，电子鼻的传感器阵列吸附气体分子产生振动，采样得到一系列时间序列信号，获得其数字特征。对数字特征进行预处理和降维处理，经人工神经网络(ANN)和支持向量机(SVM)分类器对处理后的数字特征作为输入样本进行分类、输出标签，通过深度学习方法对输出结果进行多次训练，并向数据库中心传输训练结果。据上述过程，可实现可靠的身份认证。本发明方法具有高可靠性和安全性，可广泛应用于各类身份识别场景。
-
公开(公告)号：CN117307513A
公开(公告)日：2023-12-29
申请号：CN202210694238.3
申请日：2022-06-22
Applicant: 岭南现代农业科学与技术广东省实验室肇庆分中心 , 桂林电子科技大学
IPC: F04D27/00 , G10L17/00 , G10L17/18 , H04B10/116 , H04L9/40
Abstract: 本发明公开了一种基于深度学习和VLC‑树莓派融合声纹识别的智能PCR风扇机，该系统包括四个部分：移动通信设备、移动控制系统、中央处理系统、风扇终端，所述移动通信设备主要是由带有LED灯和麦克风的移动设备；所述移动控制系统主要是附着在移动设备的自主研发应用；中央管控系统主要是光通信模块、声纹识别控制模块、深度学习模块、风扇控制端；风扇终端主要是风叶、信号接收器、无刷电机。在本发明中，为方便后续的读者更能实际的操控，故使用到了树莓派、移动端和深度学习技术。所述的移动通信设备、中央管控系统、风扇终端均通过VLC双工通信、移动端技术、深度学习实现此发明。本发明具有增强了用户体验、弥补了可见光智能应用领域的空缺等优点。
-
公开(公告)号：CN117033900A
公开(公告)日：2023-11-10
申请号：CN202310730680.1
申请日：2023-06-20
Applicant: 联想新视界(南昌)人工智能工研院有限公司 , 桂林电子科技大学
IPC: G06F18/10 , G06F18/2131 , G06F17/16 , G06N3/045 , G06F18/2415 , G06F18/214
Abstract: 本发明公开了一种基于transformer的电子鼻检测有害气体方法及系统，其中方法包括：1、对已知有害气体成分的样本标签，使用电子鼻进行数据采集。2、对数据进行预处理。使用快速傅里叶变换低通滤波方法，处理采集数据的噪声问题；使用归一化方法处理数据。3、把数据分成训练集、验证集和测试集。4、处理好的气体数据在模型当中的encoder模块中，通过自注意机制分析输入数据之间的相关性，从而进行特征学习。通过模型当中的decoder模块训练并输出气体类别。系统包括：数据分类模块，云端数据存储模块，云服务器模块。数据分类模块包含模型和数据预处理模块。本发明基于transformer模型，去掉了原有模型的位置编码，训练时，在decoder模块上，将数据标签和encoder模块输出的学习特征作为输入，计算学习特征和数据标签的相似度，优化学习特征，最终通过线性层线性投影，得到数据类别。相较于其他主流模型，其特有的自注意机制和强大的并行计算能力，提升了电子鼻对于复杂混合气体当中有害气体的分析能力。在系统上，实现了数据的存储，计算，以及对检测结果的实时查看。
-
公开(公告)号：CN116895098A
公开(公告)日：2023-10-17
申请号：CN202310891520.5
申请日：2023-07-20
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明公开了一种基于深度学习和隐私保护的视频人体动作识别系统与方法，所述系统包括依次连接的视频图像处理模块、人体检测模块、人体骨骼关键点提取模块、基于骨骼关键点的动作识别模块和输出模块，所述方法为从监控视频数据中提取关键帧图片并进行预处理、得到人体区域子图、提取模型得到人物动作信息、对连续累计的人物动作信息进行编码融合并进行动作预测、将动作预测结果进行输出，并对人体进行隐私处理。这种系统成本低、组网方便、便于应用和推广，这种方法在识别行人动作的同时能隐私、能够同时完成人体检测、动作识别、隐私保护这三个任务。
-
Patent Agency Ranking
公开(公告)号：CN116883676A
公开(公告)日：2023-10-13
申请号：CN202310434545.2
申请日：2023-04-21
Applicant: 桂林电子科技大学 , 桂林慧谷人工智能产业技术研究院
IPC: G06V10/40 , G06V10/82 , G06V20/70 , G06V10/774
Abstract: 本发明涉及一种基于轻量级目标检测器的昏暗目标检测方法，用来提高昏暗环境下目标检测系统的性能。首先，采用Gaussianprocess和Moblienet模型来对图片进行数据增强。使用改进的EfficientDet算法来进行目标检测，舍弃了EfficientDet原本使用的基于固定Anchor的方法，而采用Anchor‑Free方法来进行特征框的选择。为了进一步提高算法的性能，对骨干网络EfficientNet进行了调整，采用动态simota来匹配样本数，以提高模型的收敛速度。由于Centernet模型每次训练的监督信息较少，训练代数会增多，为了提高模型的收敛速度，增加了更多的监督信息来训练模型。最后，沿用了Yolov3上的Mosaic数据增强方法，使检测器能够更好的检测昏暗环境下的目标。通过这些关键技术的应用设计出昏暗环境下的目标检测系统，提高了算法的准确率和稳定性。
-
公开(公告)号：CN116756363A
公开(公告)日：2023-09-15
申请号：CN202310657100.0
申请日：2023-06-05
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F16/583 , G06F16/383 , G06F18/213 , G06F18/22 , G06F18/25 , G06F18/214
Abstract: 本发明涉及跨模态检索技术领域，具体涉及一种由信息量引导的强相关性无监督跨模态检索方法，通过以下步骤实现：首先提取图像局部特征和全局特征，以及文本特征；对图像局部特征和全局特征进行增强；再对增强后的局部特征进行正则化处理；然后使用图像特征融合网络对图像全局特征和局部特征进行正交融合；接着使用多模态融合网络对图像特征和文本特征根据不同模态特征信息量转换比例原则进行融合；最后将不同模态特征映射成哈希码，利用汉明距离进行相似性排序，从而得出检索结果。本发明侧重于对数据特征的增强和融合，能获取更多的语义信息，提高了检索效率。
-
公开(公告)号：CN116739075A
公开(公告)日：2023-09-12
申请号：CN202310656829.6
申请日：2023-06-05
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06N3/088 , G06N3/048 , G06N3/0499 , G06V10/40 , G06V10/764 , G06V10/82
Abstract: 本发明涉及神经网络无监督学习技术领域，具体涉及一种用于图像处理的神经网络的无监督预训练方法，包括如下步骤：首先将图像分成图像块，再进行掩膜操作，接着计算感知损失，计算对比损失与重建损失，最后利用损失进行训练。训练完毕以后，使用训练后的模型对输入图像处理，获得类别特征向量和重建的图像向量。本发明通过使用感知损失能够衡量掩膜操作对于神经网络的影响，同时使用对比损失使其特征更加明显，最后通过重建损失令网络学习如何将图像抽象为特征同时减少抽象过程中信息的丢失，提高了神经网络对于图像的特征提取能力。
-
公开(公告)号：CN116721331A
公开(公告)日：2023-09-08
申请号：CN202310731009.9
申请日：2023-06-20
Applicant: 桂林电子科技大学 , 桂林慧光空间科技有限公司
IPC: G06V10/82 , G06V10/44 , G06V10/80 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/52 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于改进Faster RCNN算法的小目标检测方法，首先采用多尺度辅助特征网络从下采样图像中提取出包含空间信息和细节信息的浅层特征，采用Resnet50和FPN结合作为骨干特征提取网络提取骨干特征；然后使用融合模块将骨干特征和浅层特征融合成一个新的特征图，以此保证特征图中保留有空间信息和小目标信息。最后将特征图输入到分类和回归网络中，通过RPN提取候选框特征图，选用ROI Align代替ROI Pooling提取感兴趣特征图，并对感兴趣候选框进行目标分类和定位。
-
公开(公告)号：CN116703426A
公开(公告)日：2023-09-05
申请号：CN202310692637.0
申请日：2023-06-12
Applicant: 桂林电子科技大学 , 桂林慧光空间科技有限公司 , 南宁桂电电子科技研究院有限公司
IPC: G06Q30/018 , G06Q50/26 , G06N5/02 , G06N20/00
Abstract: 本发明涉及碳排放监测技术领域，具体涉及一种基于深度学习的碳排放监测设备超标信息推送方法。通过实时监测碳排放数据，并与设定的超标阈值进行比较，本方法能够及时发现碳排放超标情况，并通过推送方式通知相关人员，以便采取相应措施进行处理。本发明对设备进行实时监控并利用云平台的硬件资源与强大的算力进行实时分析，不仅大大提高了工作协同效率，也能够在设备监测到碳排放超标后短时间内及时处理。
-
-
-
-
-
-
-
-
-
Search Results
216
records
(took 0.043 seconds)
