-
公开(公告)号：CN108107479A
公开(公告)日：2018-06-01
申请号：CN201711282081.9
申请日：2017-12-07
Applicant: 华东交通大学
Abstract: 本发明提出一种铁路运输卷刚货物状态监测装置，用于安装在列车的车厢上，以对车厢内的货物进行检测，包括轨道系统和偏移检测系统，所述轨道系统分别安装在所述车厢内的两侧；所述车厢的左侧设有两个滑动轨道，分别为第一滑动轨道和第二滑动轨道，所述第一滑动轨道上设置至少一个第一电动滑块，所述第二滑动轨道上设置至少一个第二移动滑块；所述偏移检测系统包括激光发射器和激光接收器，所述第二移动滑块上安装激光发射器。相比现有技术，该列车卷刚货物状态监测装置可以很好的检测货物偏移，避免货物偏移所引发的轮轨受力不均匀或者车体倾覆等危害。
-
公开(公告)号：CN119762977A
公开(公告)日：2025-04-04
申请号：CN202510252438.7
申请日：2025-03-05
Applicant: 华东交通大学
IPC: G06V20/10 , G06V20/70 , G06V10/26 , G06V10/98 , G06V10/40 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/54 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种混凝土道路裂缝识别方法及系统，方法包括：构建基于改进DeepLabv3+的混凝土道路裂缝识别模型；将所述混凝土道路裂缝数据集输入至所述混凝土道路裂缝识别模型中，基于结合边缘增强和几何适应性的复合损失函数对所述混凝土道路裂缝识别模型的模型参数进行优化，训练生成所述混凝土道路裂缝识别模型的权重，得到目标裂缝识别模型；将实时混凝土道路裂缝图像输入至所述目标裂缝识别模型中，所述目标裂缝识别模型输出得到初步识别结果，并通过伪检测剔除与漏检修复算法优化所述初步识别结果，得到最终识别结果。显著降低误检率和漏检率，保证最终识别结果的准确性和完整性。
-
公开(公告)号：CN118640816B
公开(公告)日：2025-02-18
申请号：CN202411124280.7
申请日：2024-08-16
Applicant: 华东交通大学
IPC: G01B11/14 , G06T7/11 , G06N3/0464 , G06T7/73 , G06T7/00
Abstract: 本申请公开了一种盾构机盾尾间隙测量方法、装置、设备及介质，涉及盾尾间隙测量技术领域，利用训练好的目标区域提取模型对盾构机尾部的激光图像中的激光区域进行提取，后续对激光区域图像中的第一激光线和第二激光线进行特征提取，得到第一特征点、第二特征点和第三特征点，基于第一特征点的像素坐标、第二特征点的像素坐标、第三特征点的像素坐标和管片的壁厚的真实值，计算得到盾尾间隙的真实值，本发明通过改进后的Yolov8模型来提取激光区域，后续对激光区域图像进行处理来测量得到盾尾间隙，能够排除现场环境的干扰，比如光源干扰，且借助于改进后的Yolov8模型的高精度和轻量化的优势，实现高效准确的测量盾尾间隙。
-
公开(公告)号：CN109839825B
公开(公告)日：2022-04-12
申请号：CN201910080799.2
申请日：2019-01-28
Applicant: 华东交通大学
Abstract: 本发明公开了一种稀土萃取过程组分含量的预测控制方法及系统。所述预测控制方法包括：建立稀土萃取过程Elman神经网络模型；通过所述稀土萃取过程Elman神经网络模型预测稀土萃取过程的预测输出值；通过稳态优化计算得到最优设定值；基于所述预测输出值和所述最优设定值，动态预测萃取剂流量增量和洗涤剂流量增量；根据所述萃取剂流量增量和所述洗涤剂流量增量控制稀土萃取过程组分含量。本发明建立稀土萃取过程Elman神经网络模型，通过稳态优化计算来解决设定点的优化设定问题，再结合动态预测控制方法得到最佳的控制效果，实现稀土萃取过程组组分含量优化设定控制，保证稀土萃取过程的产品质量。
-
公开(公告)号：CN113232044A
公开(公告)日：2021-08-10
申请号：CN202110666652.9
申请日：2021-06-16
Applicant: 华东交通大学
IPC: B25J19/00
Abstract: 本发明公开了一种隧道巡检机器人自清洁控制系统，涉及隧道机器人领域，包括检测单元、清洁控制单元、信号处理单元，检测单元包括图像拍摄模块、超声波发生模块、超声波接收模块、图像分析模块、照明模块、超声波发射时间差比对模块与第一信号传输模块,清洁控制单元包括图像记录模块、除尘模块、喷水模块、清洗剂喷洒模块、擦洗模块与第二信息传输模块。本发明的控制系统在进行使用时，可以控制隧道巡检机器人进行自我检测，判断自身表面的清洁度，在表面沾染灰尘与污垢时，可以前往清洁平台进行清洗，有效防止了由于灰尘与污垢对隧道巡检机器人的监测精度产生影响，大大提升了机器人的使用寿命。
-
Patent Agency Ranking
公开(公告)号：CN111738366A
公开(公告)日：2020-10-02
申请号：CN202010798131.4
申请日：2020-08-11
Applicant: 华东交通大学
Abstract: 本发明涉及一种基于虚拟样本的铈镨和钕组分含量的预测方法及系统。该方法包括获取稀土萃取生产中的铈镨和钕的混合溶液；根据混合溶液确定混合溶液的图像；在HSI颜色空间下，提取预处理后的图像的H颜色特征、S颜色特征和I颜色特征，得到原始数据样本；以原始数据样本为输入，以钕组分含量值为输出，构建钕组分含量的随机配置网络模型；对随机配置网络模型进行线性中点插值，得到虚拟数据样本；将原始数据样本和所述虚拟数据样本进行融合；利用融合后的数据样本重构随机配置网络模型；根据重构后的随机配置网络模型确定钕组分含量值；根据钕组分含量值确定铈和镨的组分含量值。本发明提高稀土萃取过程多组分预测的准确性。
-
公开(公告)号：CN119809941A
公开(公告)日：2025-04-11
申请号：CN202510293350.X
申请日：2025-03-13
Applicant: 华东交通大学
IPC: G06T3/4076 , G06T3/4046 , G06T7/40 , G06T3/4007 , G06T7/13 , G06N3/0464 , G06N3/094
Abstract: 本发明公开了一种基于结构与纹理特征的图像超分辨率方法及系统，方法包括：构建具有结构和纹理特征提取能力的生成对抗网络，将超分辨率图像数据集输入至生成对抗网络中，训练并生成对应模型的权重，根据权重得到图像超分辨率模型，将待超分辨率图像输入至图像超分辨率模型中，图像超分辨率模型生成超分辨率后的高清图像。实现了通过融合图像的结构与纹理特征，提升图像超分辨率恢复效果，避免细节丢失，同时提供高效的性能优化和用户友好的界面，使得图像处理过程更为便捷。
-
公开(公告)号：CN118154467A
公开(公告)日：2024-06-07
申请号：CN202410578768.0
申请日：2024-05-11
Applicant: 华东交通大学
IPC: G06T5/73 , G06T5/60 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于改进CycleGAN网络模型的图像去雨方法及系统，方法包括：获取待去雨图像；将所述待去雨图像输入至预先构建的改进CycleGAN网络模型中，所述改进CycleGAN网络模型输出去雨后的图像，其中，所述改进CycleGAN网络模型中包含生成器、判别器以及损失函数，所述生成器中包含密集连接卷积网络、掩膜生成器以及注意力特征生成器。为防止特征提取过程中高频特征丢失，确保细节修复效果更好，在生成器中引入密集连接卷积网络；其次为使得修复区域集中在雨纹周围，使得雨纹去除的更干净，引入CBAM注意力机制；最后针对去雨纹任务的特殊性，对雨纹到干净背景的映射进一步约束，使得生成的图像更加逼真。
-
公开(公告)号：CN112070051B
公开(公告)日：2022-09-20
申请号：CN202010973894.8
申请日：2020-09-16
Applicant: 华东交通大学
IPC: G06V20/59 , G06V40/16 , G06V40/18 , G06V10/762 , G06V10/766 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供基于剪枝压缩的疲劳驾驶快速检测方法，包括以下步骤S1：采用基本回归树的人脸对比算法，获取各类人脸数据库中的人脸样本数据，构建人脸区域数据集，并将人脸样本数据中的人脸、眼和嘴部区域进行标注，删除复杂场景；S2：使用K‑means算法对标注的脸部和眼部目标框的大小进行聚类，采用YOLO V3模型通过DarkNet‑53网络结构进行回归训练；S3：在YOLO V3模型中引入BN层，对BN层中的缩放因子γ进行L1正则化处理，判别出不重要的卷积通道或神经元通道；稀疏化训练后根据剪枝率对模型进行剪枝压缩，之后再对剪枝后的模型进行微调；S4：采用检测到的闭眼图片数量和嘴部张开图片数量在单位时间内所检测图片数量的占比来进行眼部疲劳判定和嘴部哈欠判定。
-
公开(公告)号：CN114882410A
公开(公告)日：2022-08-09
申请号：CN202210510312.1
申请日：2022-05-11
Applicant: 华东交通大学
Abstract: 本发明涉及一种基于改进定位损失函数的隧道顶灯故障检测方法及系统，该方法包括：构建隧道顶灯检测图像的数据集；获取基于改进定位损失函数的YOLOv5s神经网络；根据数据集对YOLOv5s神经网络进行训练，得到训练后的YOLOv5s神经网络；获取待检测的隧道顶灯图像；利用训练后的YOLOv5s神经网络对待检测的隧道顶灯图像进行检测，得到发光顶灯的位置坐标；根据发光顶灯的位置坐标判断隧道顶灯是否存在故障。本发明能够精准定位隧道顶灯并标定其位置，并能够通过各个标定顶灯位置的相对关系检测隧道顶灯的工作状态是否正常。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.025 seconds)
