-
公开(公告)号：CN115861857A
公开(公告)日：2023-03-28
申请号：CN202211711164.6
申请日：2022-12-29
Applicant: 常州大学
IPC: G06V20/17 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/088 , G06N3/096
Abstract: 本发明公开了一种基于深度迁移学习的架空输电线路绝缘子故障检测方法，包括步骤如下：通过无人机获取绝缘子图像样本，并对图像样本进行预处理；根据迁移学习的方法将绝缘子图像样本分为源域和目标域，源域为已标记的正常绝缘子图像样本，目标域为未标记的故障绝缘子图像样本；选择Swin‑Transformer作为特征提取器提取源域和目标域的绝缘子特征，并将绝缘子特征映射到相同子空间，然后通过线性判别分析方法学习子空间的绝缘子特征，再通过最近类原型和结构化预测的方法伪标记目标域绝缘子故障样本子集；最后通过迭代学习伪标记目标域中所有的绝缘子故障样本。本发明能准确、快速的对架空输电线路中的绝缘子故障进行检测。
-
公开(公告)号：CN108718704B
公开(公告)日：2021-07-27
申请号：CN201810348380.6
申请日：2018-04-18
Applicant: 常州大学
IPC: A01D46/30
Abstract: 本发明公开一种人机交互式野外果蔬采收机器人系统及其采收方法。该系统中：图像采集装置用于果蔬图像的实时获取；机械手装置用于根据人机交互结果采收目标果蔬；机器人移动平台用于野外环境下的人为控制运动；果蔬收拣装置负责果蔬的采收回置；主控设备集成了人机交互界面、控制界面及其他各个软件模块，对整个系统进行控制。图像采集装置包括两套单目彩色摄像机和智能控制云台；机械手装置包括四个4自由度机械臂本体及相应的末端执行器、伺服驱动器、执行电机等；机器人移动平台包括三角履带轮、电源、动力控制设备和人员驾驶舱。本发明基于人眼对果蔬的识别定位实现人机交互式的果蔬目标采收，而无果蔬颜色、形状大小和昼夜工作时间的限制。
-
公开(公告)号：CN116817918A
公开(公告)日：2023-09-29
申请号：CN202310779124.3
申请日：2023-06-28
Applicant: 常州大学
IPC: G01C21/20 , G01C21/00 , G06V20/52 , G06V10/82 , G06T7/80 , G06F18/213 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及神经网络技术领域，尤其涉及基于CAM、SARB和LSTM网络的行人定位方法，包括采集脚步振动信号；通过相机采集行人视频图像，并对行人轨迹进行提取；对脚步振动信号进行标注；采用滑动窗口分割法对数据样本扩展，并给每个数据片段贴上视频提取的行人轨迹数据标签；构建基于CAM模块、输入模块、SARB模块和LSTM神经网络模型，利用扩充后的数据集训练神经网络模型，并计算行人轨迹；构建导航误差评估基准。本发明通过构建深度神经网络模型处理传感器数据，减少人工参与，提高定位精度，建立导航误差的等级划分规则，衡量定位准确性。
-
公开(公告)号：CN116465431A
公开(公告)日：2023-07-21
申请号：CN202310469585.0
申请日：2023-04-26
Applicant: 常州大学
Abstract: 本发明涉及姿态控制技术领域，尤其涉及一种消除地磁干扰对水平姿态影响的改进卡尔曼滤波方法，包括：在采样时刻k+1，利用采样时刻k时的三轴陀螺仪实现对姿态的预测；计算姿态预测误差协方差矩阵；计算增益矩阵；利用加速度计和地磁传感器的输出数据更新姿态预测；对更新姿态预测进行重构；计算参量A(qk+1/k+1)和B(qk+1/k+1)；构建增益调整矩阵；重新计算采样时刻k+1时的姿态验后估计qk+1/k+1；计算k+1时刻的验后估计误差协方差阵；计算采样时刻k+2时的姿态验后估计，并循环执行，直至用户终止。本发明解决地磁干扰引起的地磁传感器输出异常造成水平姿态估计精度的大幅度下降问题。
-
公开(公告)号：CN111124901A
公开(公告)日：2020-05-08
申请号：CN201911288539.0
申请日：2019-12-12
Applicant: 常州大学
Abstract: 本发明提供一种基于Android资源表的资源泄露检测方法，具体方法包括：获取待检测APK的特征信息，构建CG，然后根据整理的Android资源表标记资源操作，最后通过模型检测方法进行分析输出Android应用的资源泄露报告。本发明通过整理Android资源表，检测分析了大量的资源类，同时使用模型检测方法，实现了检测自动化，在时间和人力上能节省很多。
-
Patent Agency Ranking
公开(公告)号：CN108718704A
公开(公告)日：2018-11-02
申请号：CN201810348380.6
申请日：2018-04-18
Applicant: 常州大学
IPC: A01D46/30
Abstract: 本发明公开一种人机交互式野外果蔬采收机器人系统及其采收方法。该系统中：图像采集装置用于果蔬图像的实时获取；机械手装置用于根据人机交互结果采收目标果蔬；机器人移动平台用于野外环境下的人为控制运动；果蔬收拣装置负责果蔬的采收回置；主控设备集成了人机交互界面、控制界面及其他各个软件模块，对整个系统进行控制。图像采集装置包括两套单目彩色摄像机和智能控制云台；机械手装置包括四个4自由度机械臂本体及相应的末端执行器、伺服驱动器、执行电机等；机器人移动平台包括三角履带轮、电源、动力控制设备和人员驾驶舱。本发明基于人眼对果蔬的识别定位实现人机交互式的果蔬目标采收，而无果蔬颜色、形状大小和昼夜工作时间的限制。
-
公开(公告)号：CN103778757A
公开(公告)日：2014-05-07
申请号：CN201410034149.1
申请日：2014-01-24
Applicant: 常州大学
Abstract: 本发明公开了一种基于ZigBee和GPRS的水产养殖防盗报警系统，该系统包括防盗终端、通信网络和监控中心三部分，所述防盗终端通过通信网络与监控中心连接。防盗终端包括定点防盗终端和移动防盗终端，所述定点防盗终端固定地安装在鱼塘岸边，所述移动防盗终端安装在移动巡逻船上；通信网络由ZigBee网络和GPRS无线网络构成；监控中心的监控方式由现场监控、远程监控和智能手机客户端监控中的一种或多种构成。本发明防盗终端遇到警情发出声光报警，威慑贼匪，并通过无线网络将警情和位置信息传送至监测中心，告知管理人员。本发明具有技术先进、性能可靠，成本低等优点，可广泛应用。
-
公开(公告)号：CN118230940A
公开(公告)日：2024-06-21
申请号：CN202410347788.7
申请日：2024-03-26
Applicant: 常州大学
IPC: G16H50/20 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明属于精神疾病分类诊断领域，尤其涉及一种端到端全深度学习的注意力缺陷多动障碍分类诊断方法，包括：S1：对测试数据做不同类别的假设标签标注，其中，测试数据为待诊断分类的个体脑影像数据，假设标签类别包括ADHD疾病个体假设HADHD和健康个体假设HTD；S2：将已进行假设标签标注的测试数据和已进行诊断标注的训练数据通过深度学习的编解码网络进行训练学习，提取不同测试数据假设标签下训练数据的高层特征，对应记为FHADHD和FHTD；S3：对FHADHD和FHTD，进行聚类测度评分计算，获得对应评分，分别记为DHADHD和DHTD；S4：比较DHADHD和DHTD的评分数值大小，识别出聚类效果最佳的评分，并以该评分对应的训练数据高层特征所对应的测试数据假设标签，作为测试数据的最终预测标签，记为#imgabs0#完成对测试数据的诊断分类过程。本发明的方法，具有高分类准确率，并且能够大幅提升ADHD分类诊断方法的实用性。
-
公开(公告)号：CN111124901B
公开(公告)日：2024-03-15
申请号：CN201911288539.0
申请日：2019-12-12
Applicant: 常州大学
Abstract: 本发明提供一种基于Android资源表的资源泄露检测方法，具体方法包括：获取待检测APK的特征信息，构建CG，然后根据整理的Android资源表标记资源操作，最后通过模型检测方法进行分析输出Android应用的资源泄露报告。本发明通过整理Android资源表，检测分析了大量的资源类，同时使用模型检测方法，实现了检测自动化，在时间和人力上能节省很多。
-
公开(公告)号：CN116542911A
公开(公告)日：2023-08-04
申请号：CN202310391612.7
申请日：2023-04-13
Applicant: 常州大学
IPC: G06T7/00 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/0895 , G06N3/088
Abstract: 本发明公开了一种端到端的半监督钢材表面缺陷检测方法及系统包括：将两个钢材表面缺陷数据集分别作为标记图像和未标记图像，对未标记图像做强增强处理和弱增强处理；将弱增强处理的未标记图像输入Faster RCNN‑label模型获取候选框，并经过非极大值抑制、前景得分滤波器和框回归滤波器筛选后确定弱增强图像伪标签；将标记图像和强增强处理的未标记图像输入Faster RCNN‑train模型进行监督训练和预测，通过匹配预测结果和弱增强图像伪标签计算损失；根据最终损失函数对Faster RCNN‑train模型的参数进行更新，并通过指数移动平均策略对Faster RCNN‑label模型的参数进行更新，随着模型的迭代训练，提升对钢材表面缺陷的检测效果。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.014 seconds)
