-
公开(公告)号：CN110640790A
公开(公告)日：2020-01-03
申请号：CN201910960688.0
申请日：2019-10-11
Applicant: 南通大学
Abstract: 本发明公开了一种用于光伏组件清扫机器人换行小车的横向锁止装置，横向锁止装置包括前端锁止装置、前端锁止固定板、后端锁止装置及后端锁止固定板，前端锁止装置及后端锁止装置分别安装于换行小车底盘的两侧，前端锁止装置布置于换行小车底盘的前端位置，后端锁止装置布置于换行小车底盘的中后部，前端锁止装置及后端锁止装置在换行轨道外侧分别对应有前端锁止固定板和后端锁止固定板，该发明结构合理，可在换行小车停止后进行自动锁止固定，防止换行小车前后移动和侧翻，提高清扫机器人系统运行过程中的安全性。
-
公开(公告)号：CN108830993A
公开(公告)日：2018-11-16
申请号：CN201810628045.1
申请日：2018-06-19
Applicant: 南通大学
IPC: G07C9/00
Abstract: 本发明公开了一种远程开启储物柜的方法，包括以下步骤：用户存储物品后，储物柜终端及移动客户端将收集用户信息及储物柜信息，并将上述信息发送至远程服务器端数据库、用户移动客户端远程发出打开储物柜的申请，服务器接收用户请求，核查用户及租用柜子的信息，通过短信向用户发送验证码，用户输入验证码确认开柜、验证码生效，身份鉴别通过，远程服务器向目的储物柜所在处主控板发送开柜命令、目的储物柜所在处主控板向用户当前使用的储物柜的电子锁控器发送开柜指令，对应的柜门自动弹开。本发明可进行远程操控，解决了用户亲自取物的烦恼，灵活性好，随时随地开启储物柜，方便省心，增强了用户体验。
-
公开(公告)号：CN104462853B
公开(公告)日：2017-05-24
申请号：CN201410837453.X
申请日：2014-12-29
Applicant: 南通大学
IPC: G06F19/00
Abstract: 本发明公开一种用于电子病历特征提取的种群精英分布云协同均衡方法。该方法首先在分布式云计算MapReduce框架下将大规模电子病历分割到不同的进化子种群中,提取各子种群最优解Psolui；然后设计一种有限理性区域下N种群精英均衡优势策略，构建分布式协同化动态精英演化区域Ω，使参与电子病历特征提取的各子种群精英在各自平均权重概率下均能达到Nash均衡下优势区域Ζ；最后各子种群精英采用并行操作 机制在各自电子病区优势子区域中协同提取特征子集Fi，从而稳定取得电子病历全局均衡特征集。本发明能较好处理大规模电子病历数据属性间多维度复杂内联关系，提高大规模电子病历特征并行提取效率。
-
公开(公告)号：CN104636628B
公开(公告)日：2017-05-03
申请号：CN201510093829.5
申请日：2015-03-03
Applicant: 南通大学
IPC: G06F19/00
Abstract: 本发明公开一种基于三层交叉博弈能量树的脑波病历信号约简方法。该方法首先设计两棵相邻的三层交叉博弈能量树Ti和Tj，在同一主层内实现自私博弈和不同主层间实现交叉协同博弈，采用深度优先搜索策略选出两棵博弈能量树的全局最优精英Elitisti_c和Elitistj_c；然后分配精英能量收益矩阵PMENn×n给最优精英，增强精英在主层取得自适应Nash能量探索与开发平衡性能；最后实现脑波病历信号的交叉博弈能量约简，使最优精英在精英能量向量Γ驱动下均收敛到每个主层最优Nash均衡点，达到脑波病历信号约简精度平衡，从而输出全局最优脑波病历信号。本发明能有效提高脑波病历信号约简效率，为脑波信号噪声消除及特征提取与解析等提供重要方法，对脑部疾病诊断和辅助治疗具有较强应用价值。
-
公开(公告)号：CN105279388A
公开(公告)日：2016-01-27
申请号：CN201510791062.3
申请日：2015-11-17
Applicant: 南通大学
Abstract: 本发明公开了一种多层云计算框架协同的孕龄新生儿脑病历集成约简方法。该方法首先构造多层MapReduce协同神经子种群Neuro-subpopulationi结构，提取各神经子种群精英最优带权裕度WCi，并通过MapReduce将大规模脑病历组织属性自适应划分至n个协同进化的神经子种群中，并取得不同脑病历组织最佳分割曲面；然后设计一种五层结构的神经网络优化模型，构造精英能量矩阵NSMP，各神经子种群最优能量精英Elitist_leaderi进行脑病历曲面Sub_curvei的集成化协同约简，达到各自分割曲面的最优约简集最后提取出脑病历组织的全局最优属性约简集RedEnsemble。本发明利用云计算环境下多层MapReduce框架和协同神经子种群精英快速提高大数据环境下孕龄新生儿脑病历约简效率和精度，对其脑病历特征选择、规则提取和临床决策支持服务等具有重要的意义。
-
Patent Agency Ranking
公开(公告)号：CN118781396A
公开(公告)日：2024-10-15
申请号：CN202410775192.7
申请日：2024-06-17
Applicant: 南通大学
IPC: G06V10/764 , G06V10/80 , G06V10/42 , G06V10/44 , G06V10/774 , G06N3/0464 , G06N3/09 , G06N3/0895 , G06N3/098 , G06N3/084
Abstract: 本发明公开了一种基于局部和全局特征多阶段融合的小样本图像分类方法，首先构建局部和全局特征网络，利用深度互学习在训练阶段对它们进行融合，然后使用局部和全局特征网络对支持样本集和查询集中的图像提取特征并进行串行融合，最后利用支持样本特征训练逻辑回归分类器完成对查询样本的分类决策。本发明采用相互学习的并行融合方法，最小化二者输出概率分布之间的Kullback‑Leibler散度值。而在小样本图像分类测试阶段采用拼接的串行融合方法，将样本映射到高维特征空间，增加分类任务的线性可分性，从而提高小样本图像分类性能。
-
公开(公告)号：CN114740466B
公开(公告)日：2024-09-20
申请号：CN202210326428.X
申请日：2022-03-30
Applicant: 南通大学
Abstract: 本发明提供一种基于得分机制的雷达目标点迹过滤方法，包括获取雷达一个周期的点迹数据，将点迹的距离、速度进行极坐标、直角坐标互化，根据每个周期接收点迹的时间、速度、方位对其进行打分，并设置权重计算每个点迹的总得分，设置立方体波门过滤点迹。本发明利用多维量测信息设置约束条件，实现对多维量测信息的充分利用，解决雷达目标跟踪过程中出现的大量虚假目标和造成很多虚假航迹的问题，提高点迹过滤的质量，从而更好的实现目标跟踪。
-
公开(公告)号：CN118096569A
公开(公告)日：2024-05-28
申请号：CN202410221094.9
申请日：2024-02-28
Applicant: 南通大学
IPC: G06T5/70 , G06N3/0464 , G06N3/045 , G06N3/08 , G06N3/0985 , G06F17/10
Abstract: 本发明提供了一种基于协作语义对比的多退化因素的图像复原方法，属于图像处理、图像复原技术领域。解决了现有方法多个图像复原任务仍然共享同一个编码器，无法解决特征纠缠的技术问题。其技术方案为：包括以下步骤：S1、设计图像复原网络结构；S2、设计三个子网络结构；S3、设计损失函数；S4、设计好网络结构和损失函数之后，以常规的深度学习训练方法进行模型训练，直到参数收敛。本发明的有益效果为：本发明通过将不同的图像退化因素还原归纳为一个语义类别，以解决具有挑战性的特征纠缠问题；通过构建了一个“清晰图像‑不清晰图像”的语义空间，并将图像映射到该空间，从单一输出头得到清晰的输出图像。
-
公开(公告)号：CN116385353A
公开(公告)日：2023-07-04
申请号：CN202310105941.0
申请日：2023-02-10
Applicant: 南通大学
IPC: G06T7/00 , G06T7/73 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种摄像头模组异常检测方法，属于人工智能技术领域。解决了模组异常样本不足、深度学习模型检测精度低、速度慢的问题。其技术方案为：包括以下步骤：S1、采用模板匹配方法定位图片中的模组及其相关组件的位置；S2、基于图像处理完成模组中螺丝、标签、布线、划痕脏污异常情况的检测；S3、基于特征配准网络框架完成模组中的划痕和镜头脏污检测；S4、通过QT Creator开发异常检测程序，用于模组异常情况的自动检测。本发明的有益效果为：本发明结合图像处理方法和神经网络框架，实现摄像头模组的多种异常情况的检测，通过构建孪生神经网络框架，插入空间变换网络实现特征配准，可以精准检测出模组上的划痕。
-
公开(公告)号：CN116363425A
公开(公告)日：2023-06-30
申请号：CN202310309561.9
申请日：2023-03-27
Applicant: 南通大学
IPC: G06V10/764 , G06V10/82 , G06T7/73 , G06V10/80 , G06V10/77 , G06V10/762 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于改进的YOLOv5的商品种类识别及裁剪方法，属于深度学习中目标识别技术领域。解决了在商品检测过中出现检测不准及需要进行细粒度图像识别时大量无关背景导致检测精度低的技术问题。其技术方案为：包括以下步骤：S1、根据商品信息对所有图像进行数据标注；S2、搭建改进后的YOLOv5的目标检测模型；S3、得到改进后的最好的商品类比检测模型；S4、利用在步骤S3中训练得到的商品类别检测模型进行商品的类别检测。本发明的有益效果为：通过改进后的YOLOv5进行商品类别识别并裁剪出商品图片，以便需要进一步检测时能将裁剪后的图片送入双线性卷积神经网络进行细粒度识别，从而实现提升商品类别识别精度。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.02 seconds)
