-
公开(公告)号：CN118565465A
公开(公告)日：2024-08-30
申请号：CN202311585625.4
申请日：2023-11-24
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供一种融合因子图优化与CNN‑LSTM‑Attention神经网络的GNSS中断时组合导航系统辅助定位方法，涉及车辆定位领域以及深度学习技术领域。该系统包括GNSS接收模块、惯性测量单元IMU模块、轮式里程计ODO模块、因子图优化模块和AI深度学习模块；GNSS接收模块用于接收卫星信号，提供车辆的位置信息；IMU模块用于采集车辆的比力和角速率；ODO模块用于采集车辆前进方向的速度信息；因子图优化模块解算车辆的位姿信息；AI深度学习模块，包括CNN用来快速提取多维特征，LSTM用来处理序列数据中的时序信息，Attention可使模型自动学习权重以决定哪些时序信息对于当前预测任务最重要，从而提高模型预测的性能和能力，在GNSS信号不可信时预测车辆位置增量信息，并将预测的增量信息输入因子图优化模块，从而实现对车辆位置的定位。
-
公开(公告)号：CN118172322A
公开(公告)日：2024-06-11
申请号：CN202410270002.6
申请日：2024-03-11
Applicant: 东北大学秦皇岛分校
Abstract: 本创新提供了一种基于OpenCV优化算法的工业玻璃缺陷检测方法，专为工业玻璃生产领域设计。传统的工业玻璃缺陷检测方法存在一系列问题，如光线干扰和适应复杂环境的能力差。为了解决这些问题，本创新采用以下步骤：图像预处理、区域检测、玻璃破碎性检测、玻璃表面划痕检测，以及最终合格性判定。首先，通过图像处理技术获取玻璃边缘区域，随后对该区域进行详细判断。通过OpenCV优化算法，能够自适应调整参数，评估玻璃边缘的完整性以及划痕情况。最终，通过综合判定，确定工业玻璃是否合格。本创新的优势在于提高了工业玻璃缺陷检测的准确性和通用性，同时降低了人工成本，为产品质量提供了更高的保障。此外，该方法具有较强的可解释性和适应性，适用于复杂多变的现场环境。这一方法在提高生产效率的同时，有效应对了传统方法存在的挑战，为工业玻璃生产过程提供了更为可靠和高效的缺陷检测手段。
-
公开(公告)号：CN117372391A
公开(公告)日：2024-01-09
申请号：CN202311396446.6
申请日：2023-10-26
Applicant: 东北大学秦皇岛分校
IPC: G06T7/00 , G06T7/11 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/764 , G06T7/73
Abstract: 一种塑封预制菜食品包装缺陷检测系统与使用方法，采集大量塑封预制菜食品包装图像构建原始数据集，对数据集中的图像进行初步筛选和裁剪，并将其分为无缺陷和缺陷样本；统计缺陷样本数量，并使用自主改进的CutPaste方法生成各类缺陷样本，构建含有四大类缺陷样本的数据集；对各类缺陷样本进行标注，并按一定比例划分为训练集、验证集和测试集；结合深度可分离卷积构建基于YOLOv5‑m网络架构的缺陷检测模型，利用训练集进行模型训练，并使用验证集评估模型性能；输入测试集或实际采集的图像至模型，并标记缺陷样本的缺陷所属类别及位置，获得符合标准的检测模型，再结合检测系统实现对包装的缺陷检测和次品去除。
-
公开(公告)号：CN117314875A
公开(公告)日：2023-12-29
申请号：CN202311333087.X
申请日：2023-10-16
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供一种基于粒子群优化算法的浮法玻璃缺陷检测方法，适用于工业玻璃生产领域。传统浮法玻璃缺陷检测方法存在光线干扰、复杂环境适应性差等问题。为解决这些问题，本发明提出了以下步骤：图像预处理、区域检测、玻璃边缘完整性检测、玻璃划痕检测、玻璃边缘划痕检测以及最终合格性判定。首先，通过图像处理获取玻璃边缘区域，然后对区域进行判断。接着，通过粒子群优化算法自适应调整参数，计算玻璃边缘的完整性以及划痕情况。最后，综合判定玻璃是否合格。本发明的优势在于提高了浮法玻璃缺陷检测的精度和通用性，降低了人工成本，提高了产品质量。同时，该方法具有较强的可解释性和适应性，适用于复杂多变的现场环境。
-
公开(公告)号：CN116912144A
公开(公告)日：2023-10-20
申请号：CN202310912049.3
申请日：2023-07-25
Applicant: 东北大学秦皇岛分校
IPC: G06T5/50 , G06T7/11 , G06T7/136 , G06T7/194 , G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本发明提供了一种基于大律算法与通道注意力机制的数据增强方法，涉及表面缺陷检测技术领域。首先对输入的正常样本进行大律算法(OTSU)计算，以得到对图像进行阈值分割的最佳阈值，并将图像进行二值化操作，得到二值化掩码图像作为数据增强的ROI。然后，将二值化掩码图像表示为矩阵，将其中值为1的像素点坐标放入数组IDX中，并通过随机方式在IDX数组中选择一个seed像素点作为数据增强的位置，以避免数据增强的图像块粘贴到背景中产生污染数据。最后，通过随机裁剪原图像以获得图像块，将图像块与原图无缝融合，实现数据增强。在神经网络的训练中，引入SENet自注意力模块，加强网络的建模能力，提高检测性能。
-
Patent Agency Ranking
公开(公告)号：CN113928755A
公开(公告)日：2022-01-14
申请号：CN202111419971.6
申请日：2021-11-26
Applicant: 东北大学秦皇岛分校
Abstract: 一种垃圾智能分类装置及方法，属于垃圾分类技术领域。垃圾智能分类装置包括底盘、垃圾桶、垃圾分类执行装置、上平台和控制器，底盘上设有垃圾桶，垃圾桶的上部设有的垃圾分类执行装置和上平台，上平台通过安装架安装在底盘上；垃圾分类执行装置包括旋转装置、垃圾推动装置和垃圾图像采集装置；旋转装置设置在上平台的下部，旋转装置通过支撑轴安装在所述底盘上，垃圾推动装置和垃圾图像采集装置安装在所述上平台上；旋转装置、垃圾推动装置和垃圾图像采集装置电连接控制器。实现垃圾自动分类，装置的成本低，垃圾分类的效率高，同时能够宣传垃圾分类的相关知识。
-
公开(公告)号：CN119068661A
公开(公告)日：2024-12-03
申请号：CN202411173113.1
申请日：2024-08-26
Applicant: 东北大学秦皇岛分校
IPC: G08G1/00 , G08G1/0967
Abstract: 本发明涉及一种混合交通流下信号交叉口的自适应车队控制方法，包括：步骤1，车辆进入交叉口控制区开始编队，形成以CAV为头车的混合车队，其他车辆按照最优速度跟车模型跟随前车行驶；步骤2，头车CAV选择通过交叉口的最优绿灯相位；步骤3，判断前方路口是否有排队车辆，若无排队车辆，进入步骤4；否则进入步骤5；步骤4，根据绿灯持续时间计算头车CAV到达交叉口的时间，确定混合车队数量和混合车队通过交叉口的最优速度；步骤5，若前方路口出现排队车辆，立即启动自适应调节机制，根据剩余绿灯时间重新计算头车CAV到达停车线的时间，更新混合车队数量与混合车队通过交叉口的最优速度；步骤6，优化头车CAV的速度，实现混合车队以最低能耗通过交叉口。本发明旨在通过优化头车CAV的加速度，以及对混合车队中车辆的数量和速度进行动态调整，实现车队以最低能耗水平通过交叉口，减少不必要的等车时间，从而大幅度提升整个路网的通行效率和流动性。
-
公开(公告)号：CN116393037B
公开(公告)日：2024-09-20
申请号：CN202310086146.1
申请日：2023-02-09
Applicant: 东北大学秦皇岛分校
IPC: G06F17/10
Abstract: 本发明公开一种药物质量控制方法、系统、电子设备及介质，涉及流化床喷雾制粒领域。在流化床制粒初期，利用领域知识预先判断出最优控制方向，确保制粒过程朝着正确的方向收敛；获取流化床制粒设备的当前跟踪误差，根据当前跟踪误差判断事件触发条件是否成立，若成立，则更新当前控制信号，并根据该信号控制制粒设备制备药物；若事件触发条件不成立，则沿用当前控制信号制备药物；制粒过程中，利用当前跟踪误差和模糊规则网络更新当前控制信号更新步长，加快流化床制粒过程收敛速度。本发明在数据驱动迭代学习控制器中嵌入事件触发机制，降低了控制信号更新频率；整合知识与数据用于控制信号更新步长和控制方向寻优，为流化床制粒过程提效降本。
-
公开(公告)号：CN115359672A
公开(公告)日：2022-11-18
申请号：CN202210997796.7
申请日：2022-08-19
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供一种数据驱动与强化学习结合的交通区域边界控制方法，涉及智能交通控制技术领域。本发明通过城市路网的交通状态和网络结构划分若干个交通区域，采集交通系统的输入和输出数据，来求解无模型数据驱动下的交通系统边界控制比例，并将计算得到的边界控制动作，执行控制动作下的区域车辆数和平均车流量都记录下来，并且存到经验池D中。根据经验池D中的数据对强化学习的参数进行预训练，将预训练后的强化学习算法再与交通环境进行交互，对交通环境进行进一步的探索，得出最优的边界控制动作。本发明对交通区域进行宏观边界控制，均衡各个区域的交通流量，减少交通拥堵的发生，提高交通路网的运行效率，改善人们的出行体验。
-
公开(公告)号：CN119850504A
公开(公告)日：2025-04-18
申请号：CN202311337515.6
申请日：2023-10-16
Applicant: 东北大学秦皇岛分校
IPC: G06T7/00 , G06T7/90 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/25
Abstract: 本发明公开了一种基于机器学习的工业金属螺母缺陷检测系统及检测方法，涉及工业金属螺母检测技术领域，包括图像检测与处理系统、模型设计与测试系统、分析与比对系统、产品分类系统；其中，图像检测与处理系统用于收集金属螺母图像数据，对图像数据进行处理，并提取检测数据；模型设计与测试系统利用机器学习算法创建模型，使用标注好的数据集对模型进行训练，并对模型进行测试；分析与比对系统用于显示与比对缺陷数据，最终形成对比数据表格；产品分类系统用于将产品通过气泵吹气、分类到正确区域。本发明一个或多个实施例中，使用组合平滑滤波模型进行图像预处理，基于工业金属螺母选择合适的滤波器和参数，同时，为了加强缺陷边缘的强特征区间，采用边缘增强算法，对图像进行边缘检测和增强，提高了训练模型过程中的准确性。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.031 seconds)
