-
公开(公告)号：CN110659718B
公开(公告)日：2021-06-18
申请号：CN201910862923.0
申请日：2019-09-12
Applicant: 中南大学
Abstract: 本发明公开了一种基于深度卷积神经网络的小卷积核细胞计数方法及系统，适用于对细胞图像进行计数。包括以下步骤：获取细胞图像数据集，对数据集进行预处理，将数据集分为训练集和测试集，并得到细胞真实密度图；构建用于细胞计数的基于小卷积核的深度卷积神经网络模型；利用训练集训练构建好的神经网络模型，得到最优参数模型；利用测试集测试得到的最优模型，得到预测的细胞密度图及估计细胞数，并评价结果。本发明改进了细胞计数模型，加快了网络训练速度，提高了预测效果和计数准确率。
-
公开(公告)号：CN107038496B
公开(公告)日：2020-10-27
申请号：CN201710196901.6
申请日：2017-03-29
Applicant: 中南大学
Abstract: 本发明公开了一种无人机快递自动投送路径规划方法及系统，首先在区域内所有的快递站点中规划出一条能够经过所有站点一次且路程最短的路径，在这条路径上以不超过无人机单次飞行最长距离Lmax为界限，在相应的快递站点设置无人机自动充电装置；在有快递投送任务时，利用手持设备读取待派送的多个快件分别所在的地点，分配好任务站点，在这些任务站点中规划出一条最短路径，并读取该段路径总长度；判断无人机能否中途不充电走完全程；如果能，则开始执行快递投送任务；若不能，则在此线路周围寻找可以有效用来充电的站点，作为中转站点使用，使得无人机在经过寻找到的这些中转站点后，能够顺利将快递送达并安全返回快递集散中心。
-
公开(公告)号：CN106127335B
公开(公告)日：2020-08-21
申请号：CN201610454459.8
申请日：2016-06-21
Applicant: 中南大学
IPC: G06F17/10
Abstract: 本发明公开了一种电动多旋翼无人机超远距离飞行的电池更换基站布局方法，包含以下五个步骤：一、给任务的区域按等距正方形排列形式设置若干个无人机电池更换基站；二、确定任务目标起点和终点位置；三、规划出无人机途经电池更换基站的顺序；四、无人机按照步骤三中的规划顺序途经各个电池更换基站，在每个基站降落更换电池后起飞并继续执行任务；五、无人机到达目标点并执行任务。本发明可以延长电动多旋翼无人机的飞行距离，使其在更大区域内执行多种任务成为可能，有效降低执行任务时对人的依赖，提高工作效率。
-
公开(公告)号：CN106054903B
公开(公告)日：2019-11-08
申请号：CN201610599945.9
申请日：2016-07-27
Applicant: 中南大学
IPC: G05D1/06
Abstract: 本发明公开了一种多旋翼无人机自适应降落方法及系统，无人机起飞后，通过地面控制站(如平板电脑、手机等控制设备)选择要降落的区域大致范围；收到降落指令后，开启降落模式，并等待降落动作；检测降落区域的着陆面是否适合无人机的降落，若是则进行降落并结束所述降落模式，否则改变所述无人机位姿并继续降落。本发明能够安全、可靠的实现无人机的自主降落，并且对地形复杂的情况能够自适应的安全降落。
-
公开(公告)号：CN110033440A
公开(公告)日：2019-07-19
申请号：CN201910216840.4
申请日：2019-03-21
Applicant: 中南大学
Abstract: 本发明公开了一种基于卷积神经网络与特征融合的生物细胞计数方法，适用于在数量较多和杂质较多的生物细胞显微图像中实现细胞计数。包含以下步骤：对生物细胞显微图像数据集进行预处理，得到训练集和测试集；构建基于卷积神经网络与深浅层特征融合的生物细胞计数模型；训练卷积神经网络模型，利用预处理完成后的训练集和构建的卷积神经网络模型，通过传播算法和参数更新，得到优化后的模型权重参数；测试卷积神经网络模型，利用预处理完成后的测试集和得到的最优网络模型的权重参数，对模型进行测试，得到输出的生物细胞密度图以及细胞估计数量，并进行评价。本发明可以改善生物细胞的特征提取效果，提高细胞计数的准确率。
-
Patent Agency Ranking
公开(公告)号：CN109166100A
公开(公告)日：2019-01-08
申请号：CN201810815218.0
申请日：2018-07-24
Applicant: 中南大学
Abstract: 本发明公开了一种基于卷积神经网络的多任务学习细胞计数方法，适用于在细胞比较密集且数量较大的生物细胞显微图像中进行细胞计数。包含以下步骤：对生物细胞图像数据集进行预处理，得到训练集和测试集；构建细胞计数的基于多列特征图融合和多任务学习的卷积神经网络模型；训练卷积神经网络模型，利用预处理完成后的训练集和构建的网络模型，通过传播算法和参数更新，得到优化后的模型权重参数；测试卷积神经网络模型，利用预处理完成后的的测试集和得到的最优网络模型的权重参数，对细胞图片进行测试，得到输出的细胞密度图以及细胞估计数量，并进行评价。本发明可以改善生物细胞计数的性能，提高准确率。
-
公开(公告)号：CN104486567B
公开(公告)日：2018-08-24
申请号：CN201410844431.6
申请日：2014-12-30
Applicant: 中南大学
IPC: H04N5/445
Abstract: 本发明公开了一种应用于小型无人机导航的miniOSD视频叠加显示方法及电路，包括以下步骤：将飞行参数分为N类，将各类分别布局在OSD的某一层上，得到N个参数层；确定待显示的飞行参数所在的类，屏蔽上述N个参数层中不包含待显示的飞行参数的类对应的参数层，采用混叠方法，将待显示的飞行参数所在的类对应的参数层与原始图像层VIN叠加，生成最终的OSD图像VOUT。本发明有选择地显示飞行参数，可以最大程度减小硬件资源的占用和能耗，对局部飞行参数模块的增删很灵活。
-
公开(公告)号：CN107358322A
公开(公告)日：2017-11-17
申请号：CN201710566528.9
申请日：2017-07-12
Applicant: 中南大学
Abstract: 本发明公开了一种无人机快递自动投送最短路径规划方法，利用扫描设备扫描每个待派送快件的地址信息，确定本次投送任务的所有目标站点，规划出一条从快递集散中心出发、经过所有目标站点且最终返回到快递集散中心的最短路径。本发明先给出初始化算法，生成一个包含一系列分子的种群，每个分子代表一条满足投递任务的可行路径；再给出相应的四个化学反应子算法：分解算法，合成算法，局部搜索算法和贪婪搜索算法，按照相关规则进行迭代，使得分子种群不断进化，直到满足迭代终止条件，找出种群中势能最小的分子，由此规划出最优路径。本发明可以使无人机在完成所有目标快递站点的投递任务的前提下，总的飞行路程最短，总的时间花费最少，从而最有效地减少能源的消耗、提高快递投送效率。
-
公开(公告)号：CN106845713A
公开(公告)日：2017-06-13
申请号：CN201710049530.9
申请日：2017-01-23
Applicant: 中南大学
CPC classification number: G06Q10/043 , G06Q10/047 , G06Q10/083 , G06Q10/08355 , G06Q50/06
Abstract: 本发明公开了一种无人机快递自动充电桩的设置规划方法。在区域内所有的快递站点中，基于旅行推销商问题的解决方法，采用遗传算法规划出一条从快递集散中心出发、经过所有快递站点仅一次且最后返回到快递集散中心的最短路径，然后在这条路径中以不超过无人机的最大单次飞行距离Lmax为界限，在相应的站点设置充电桩供无人机自主补充电量。本发明在一张城市快递站点分布图中，首先通过一种高效的路径算法将所有站点连接，使得总路径最短，再根据无人机的续航能力自动选择合适的快递站点设置充电桩，使得充电桩的数量最少且能保证无人机在完成所有快递投送任务后安全返回到起点。这样，无人机可以在一次任务中遍历该城市的每一个快递站点并返回到起点。
-
公开(公告)号：CN104660269A
公开(公告)日：2015-05-27
申请号：CN201410746561.6
申请日：2014-12-08
Applicant: 中南大学
IPC: H03M7/40
Abstract: 本发明公开了一种用于信号压缩感知的感知矩阵生成方法，首先，选取一个确定型感知矩阵或生成一个随机型感知矩阵；然后，再左乘特定的可逆矩阵或右乘特定的可逆对角矩阵或其行/列的全排列，这样得到的矩阵乘积就是我们所需要的新的感知矩阵。本发明可以基于现有感知矩阵，对其结构或元素进行调节，以此来生成具有一定规律性的感知矩阵，同时保持CS属性不变。尤其对于确定型感知矩阵，本发明方法提供了一种非常便利的生成或扩充的新途径。在结构或元素上具有一定规律性的感知矩阵，有利于CS测量系统在压缩采样频率、信号重建速度、实现成本等方面进行改进。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.037 seconds)
