-
公开(公告)号：CN119540191A
公开(公告)日：2025-02-28
申请号：CN202411639882.6
申请日：2024-11-18
Applicant: 无锡学院 , 恩纳基智能装备(无锡)股份有限公司
Abstract: 本发明公开了一种基于图像分析的芯片检测系统及方法，涉及芯片加工检测技术领域，本发明能实现对加工后检测出现质量问题的芯片进行问题工序的溯源，具体是对有可能导致该缺陷问题产生的加工工序进行溯源定位，同时本申请在进行问题工序溯源的同时，考虑了在实际加工作业过程中，存在多个加工工序先后对同一个作业区域在加工内容上的叠加，规避掉在传统做法中，武断地对当下检测出现缺陷问题的加工工序判断存在加工缺陷，本申请能有效提高加工芯片的良率，同时能有效的提高在对芯片加工过程中出现的质量缺陷问题的溯源精确性。
-
公开(公告)号：CN118918372A
公开(公告)日：2024-11-08
申请号：CN202410971507.5
申请日：2024-07-19
Applicant: 无锡学院
IPC: G06V10/764 , G06V10/774 , G06V20/10 , G06N3/0464
Abstract: 本发明公开了一种基于MCA注意力机制高效网络的遥感图像场景分类方法，该方法包括：获取遥感图像数据集并按比例划分为训练样本和测试样本；对遥感图像数据集进行预处理；构建MCA注意力模块；构建MCA‑EfficientNet B0网络模型；在MCA‑EfficientNet B0中加载ImageNet1K数据集上的预训练权重，然后将训练样本输入到网络模型中，通过反向传播算法不断优化带权重的交叉熵损失函数，调整网络参数，最后得到训练好的网络模型；将测试样本输入到训练好的网络模型中，得到遥感图像场景分类结果；与传统方法相比，本发明保持了较低的参数量和计算量，同时有着较好的遥感图像场景分类准确率。
-
公开(公告)号：CN118918148A
公开(公告)日：2024-11-08
申请号：CN202411411710.3
申请日：2024-10-11
Applicant: 无锡学院
Abstract: 一种面向无人机视角的交通跟踪检测系统。属于目标跟踪技术领域，具体涉及面向智能交通和无人机视角下的轻量级目标检测和跟踪技术领域。系统包括目标检测模块、目标运动轨迹匹配模块和目标运动轨迹输出模块；目标检测模块：对视频帧图片进行处理，得出跟踪目标对应的检测框和每个检测框对应的置信度得分；目标运动轨迹匹配模块：根据置信度得分对检测框进行划分，划分后将检测框与预测轨迹进行匹配；目标运动轨迹输出模块：当目标运动轨迹匹配模块中将同一帧检测框连续3次与预测轨迹匹配成功后，将所述预测轨迹作为确认态轨迹输出。其解决了以往无人机对于目标的追迹中由于存在小尺寸目标、复杂背景以及遮挡情况而导致的追踪精度低的问题。
-
公开(公告)号：CN118711147A
公开(公告)日：2024-09-27
申请号：CN202411090235.4
申请日：2024-08-09
Applicant: 无锡学院
IPC: G06V20/54 , G06V20/40 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/94 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/082 , G08G1/01
Abstract: 本发明公开了一种基于深度学习的车辆闯红灯监测方法和系统，所述方法包括以下步骤：通过高清摄像头采集交通路口实时监控视频；对实时监控视频进行检测区域划分；通过深度神经网络对划分后的检测区域进行检测；基于划分区域的检测结果对车辆是否闯红灯进行判断。所述系统包括：车辆实时视频采集模块，目标路口区域划分模块，基于深度神经网络的车辆检测模块，红灯显示期间关键帧获取模块，闯红灯行为判断模块，报警模块，信息存储模块和电子设备部署装置。本发明能够对闯红灯的车辆进行识别，并根据车牌照片自动提取车牌信息完成数据存储与报警。
-
公开(公告)号：CN118446092A
公开(公告)日：2024-08-06
申请号：CN202410535294.1
申请日：2024-04-30
Applicant: 无锡学院
IPC: G06F30/27 , G06T3/4053 , G06F17/11 , G06T3/4007 , G06T3/4038 , G06T5/80 , G06F18/243 , G06N5/01 , G06N20/00
Abstract: 本发明公开了一种基于XGBoost的降尺度积雪深度反演方法，属于积雪深度监测技术领域。其方法包括：Step1：获取待反演区域的输入数据；Step2：对获取的数据进行预处理；Step3：根据站点的经纬度开展数据匹配，得到站点对应的亮温数据、积雪深度数据和辅助特征数据；Step4：进行参数筛选；Step5：输入机器学习积雪深度反演模型训练；Step6：对最优模型进行不同雪深下的模型精度验证；Step7：获得所述最优模型的特征重要性排序；Step8：进行500米空间分辨率的积雪深度制图。本发明使用XGBoost算法可以更好地学习到积雪深度与特征之间复杂的非线性关系，提高了雪深监测的能力。
-
Patent Agency Ranking
公开(公告)号：CN117507039A
公开(公告)日：2024-02-06
申请号：CN202311396625.X
申请日：2023-10-25
Applicant: 中航试金石检测科技(无锡)有限公司 , 无锡学院
Abstract: 本发明公开了一种在碳纤维条表面加工高精度弧形面的方法，是将所述碳纤维条固定在固定夹具上进行加工，所述固定夹具至少包括夹持组件、与所述夹持组件相配合的第一夹板以及与所述夹持组件相配合且与所述第一夹板择一地选用的至少一块第二夹板，所述第二夹板的侧面上固定有支撑垫块，所述支撑垫块的上表面为弧形面。能够在碳纤维条的表面上加工或者大尺寸的弧形面，并且弧形面的加工精度高，误差仅为±1丝。
-
公开(公告)号：CN116602121B
公开(公告)日：2023-09-19
申请号：CN202310894418.0
申请日：2023-07-20
Applicant: 无锡学院
IPC: A01D45/00
Abstract: 本发明涉及农作物采摘机技术领域，具体为一种具有分选功能的采摘机，包括采摘机本体，还包括有固定座，固定座设置在采摘机本体上；分选件，分选件设置在固定座上，夹持板，夹持板设置有两个，两个夹持板分别设置在固定座两侧；同步转动部件，同步转动部件设置在固定座上，并与两个夹持板相连接，此具有分选功能的采摘机，利用所述分选件能够对长条形农作物进行检测分选；利用所述同步转动部件驱使两个所述夹持板；在所述同步转动部件驱使两个夹持板相互靠近后，所述气动防护部件对两个所述气囊同时进气，在所述同步转动部件驱使两个夹持板相互远离至靠近固定座时，所述气动防护部件同时释放两个气囊内的气体，吹动周围的农作物叶片。
-
公开(公告)号：CN115042111A
公开(公告)日：2022-09-13
申请号：CN202210983897.9
申请日：2022-08-17
Applicant: 无锡学院
IPC: B25B11/00
Abstract: 本发明公开了一种自适应管壁内径的机械夹具，属于机械领域，夹具底座左侧中央安装有固定块，固定块内安装有螺杆，夹具底座顶部安装有锥台固定座，锥台固定座顶部安装有固定顶盖，锥台固定座左右两侧均开设有第一滑动槽，左右第一滑动槽内均安装有弧形转动支撑杆，且弧形转动支撑杆通过夹具底座与螺杆相连接，锥台固定座上安装有管壁内径位于上锥台与下锥台直径之间的管件；本发明能够自适应一定范围内的管件大小，并且从管件内壁进行固定，更加方便对管件外壁进行打磨、加工。
-
公开(公告)号：CN120032345A
公开(公告)日：2025-05-23
申请号：CN202510498826.3
申请日：2025-04-21
Applicant: 无锡学院
IPC: G06V20/58 , G06N3/0455 , G06N3/0464 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82
Abstract: 本发明涉及计算机视觉、目标检测领域，具体为一种用于辅助驾驶的实时人车检测方法，包括：实时获取基于驾驶员视觉区域的驾驶场景图像，并进行预处理；构建包括主干网络、高效混合编码器和解码器的RT‑DETR模型，并进行改进，基于改进后的模型得到实时人车检测目标检测模型，则将所述目标检测模型输入训练集数据，并从模型输出端获取图片中检测目标的位置与类型，将其与标注的内容进行对比，训练实时人车检测目标检测模型；获取待识别图片，并将待识别图片输入至训练后的检测模型中，得到待识别图片中的目标种类以及位置信息。
-
公开(公告)号：CN119360325B
公开(公告)日：2025-04-18
申请号：CN202411896708.X
申请日：2024-12-23
Applicant: 无锡学院
IPC: G06V20/54 , G06V10/82 , G06V10/40 , G06V10/80 , G06V20/17 , G06V20/40 , G06V10/62 , G06N3/082 , G06N3/0464
Abstract: 基于YOLO‑Light对交通图像目标检测方法，属于图像识别技术领域，解决了现有技术对于无人机视角下的尺寸小、场景复杂且遮挡频繁的目标，容易出现漏检和误检，从而影响检测精度和目标跟踪的稳定性的问题。在YOLO‑Light的骨干，交通图像经过特征提取后，经过改进快速空间池化层再次进行特征提取，输出交通特征图；调整YOLO‑Light的骨干的最后三层通道数；在YOLO‑Light的颈部，交通特征图经过多联级的上采样、连接层和特征分解，再进行多尺度特征融合，输出多尺度的交通特征图；在YOLO‑Light的头部，多尺度的交通特征图依次输入空间注意力机制和检测头对交通目标进行检测。
-
-
-
-
-
-
-
-
-
Search Results
233
records
(took 0.06 seconds)
