-
公开(公告)号：CN110705570B
公开(公告)日：2022-06-21
申请号：CN201910891187.1
申请日：2019-09-20
Applicant: 桂林电子科技大学
Abstract: 本发明提供了一种图像特征识别方法，包括提供图像数据集，对所述图像数据集中的每个图像进行形态学处理，并将形态学处理后的图像和原图像结合；将结合后的图像根据已知的标签使用矩形框标出设定特征的位置；将所述图像数据集中的图像随机分为训练集和验证集；利用深度残差网络标记所述设定特征点的位置并对所述训练集进行学习训练，以得到神经网络；利用所述神经网络对所述验证集中的图像进行试验，直到所述神经网络达到控制要求。本发明使用残差网络有效地提高了图像中设定特征位置识别的准确度，并且未对图像的轮廓进行分割处理，可以有效地保留了图像中的所有特征，取得良好的实验结果。
-
公开(公告)号：CN110794799A
公开(公告)日：2020-02-14
申请号：CN201911193324.0
申请日：2019-11-28
Applicant: 桂林电子科技大学
IPC: G05B19/418
Abstract: 本发明公开了一种应用于工业生产的具有故障诊断功能的大数据系统，涉及智能制造技术领域，采用物联网设备采集生产设备的工况信息；大数据设备根据工况信息进行建模和形成控制策略，并根据建立的模型和控制策略进行故障诊断后，形成控制步骤和预警信号，并通过控制步骤控制生产设备；同时，红外温测设备监控得到的温场数据传送至大数据设备，大数据设备根据温测数据发出相应的温度预警信号；预警设备根据预警信号或温度预警信号进行预警。实现了通过大数据系统对工业生产的建模及控制，通过应用于工业生产的具有故障诊断功能的大数据系统方便对生产的监控和维护，同时通过故障诊断能够提及时提醒，减少设备进一步损坏，减少资源损耗。
-
公开(公告)号：CN108089431A
公开(公告)日：2018-05-29
申请号：CN201810068313.9
申请日：2018-01-24
Applicant: 桂林电子科技大学
IPC: G04R20/04
Abstract: 本发明提供一种自适应卫星导航授时方法及装置，该授时装置包括：基带信号处理模块，用于获取各个通道的观测量信息；最小二乘定位解算模块，以各个通道的观测量信息为输入量，并利用最小二乘进行定位解算，得到用户位置、用户速度和本地接收机钟差；自适应调整模块，以本地接收机钟差为输入，通过运算及判决，实现RTC模块中的频率字修正量的自适应调整；RTC模块，利用自适应调整模块所输出频率字修正量对频率字进行修正。本发明采用自适应的方式对本地接收机时钟进行调节，可有效的解决本地接收机时钟过度调节或者欠调节的问题，极大的提高授时精度，并且方法清晰易实现，无需增加卫星导航接收机任何硬件成本。
-
公开(公告)号：CN112862309B
公开(公告)日：2025-04-25
申请号：CN202110165288.8
申请日：2021-02-06
Applicant: 桂林电子科技大学
IPC: G06Q10/0631 , G06Q10/101 , G06N3/006
Abstract: 本发明涉及人与机器人的协作技术领域，本发明针对人与机器人协作的混合生产单元的任务规划，提供一种在生产过程中为工人提供短暂休息的人机协作生产任务的规划方法，并通过化学反应优化方法求解面向生产周期最短以及工人疲劳最小的多目标优化，在工人的疲劳程度与生产周期之前求得最优平衡方案。本发明提供的任务规划方法集成工人短暂休息时间，使得在生产过程中，工人都能得到短暂休息，降低工人疲劳，最大程度保证生产线的效率。传统模型不包含短暂休息时间，仅在工人的疲劳在下个生产周期将会超出疲劳约束时，为工人提供休息时间。经过对比，本发明提供的方法考虑了工人的疲劳因素，求解的工作周期更短，因此生产效率更高。
-
公开(公告)号：CN117876339A
公开(公告)日：2024-04-12
申请号：CN202410055153.X
申请日：2024-01-15
Applicant: 桂林电子科技大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于注意力机制与多尺度特征融合的多晶光伏电池缺陷识别方法。本发明从改进ConvNeXtV2模型的角度出发，提出ConvNeXt‑CWFP模型，通过注意力机制动态增加或减小多尺度特征通道的权重，进一步提高网络对多晶光伏电池缺陷模式识别的分类性能。提出的模型以ConvNeXtV2‑Base作为特征提取主干网络，在部分网络层引入通道注意力机制学习自适应权重，使得模型更加关注重要通道特征，并通过特征金字塔结构捕获不同尺度的特征，并通过池化拼接的操作融合权重增强提取的特征，以在识别光伏电池小目标缺陷方面获得更好的性能；将多晶光伏电池电致发光图像数据集以6:2:2比例划分为训练集、验证集和测试集，对所述改进网络模型进行学习训练和性能验证。本方法解决传统CNN局部特征信息不足的问题，提高了多晶光伏电池缺陷模式识别分类准确率。
-
Patent Agency Ranking
公开(公告)号：CN117195806A
公开(公告)日：2023-12-08
申请号：CN202311185664.5
申请日：2023-09-14
Applicant: 桂林电子科技大学
IPC: G06F30/367 , G06F119/14 , G06F119/08
Abstract: 基于同轴环形硅通孔(CA‑TSV)技术,提出了应用于三维集成电路中的三维螺旋电感。本文根据所设计CA‑TSV电感模型，采用COMSOL仿真软件，分析CA‑TSV电感在电磁热与热膨胀多物理场的复杂环境下的性能，从而提高电感设计的可靠性。并且本方法相较于单一电场分析，能够准确反映电感在实际应用中的表现，通过仿真结果分析了CA‑TSV结构在电热耦合下的温度响应及热力耦合下的应力响应影响规律，有助于优化其设计和提高整体电路的性能和可靠性。
-
公开(公告)号：CN116756739A
公开(公告)日：2023-09-15
申请号：CN202310520010.7
申请日：2023-05-10
Applicant: 桂林电子科技大学
IPC: G06F21/56 , G06F21/55 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及GAFS预处理下基于注意力机制的DenseBlock结构及应用该结构的硬件木马分类检测算法。采用具备若干注意力机制支路网络的DenseNet结构。本发明从改进DenseNet模型的角度出发，提出SE‑DenseNet‑BC（SDBC）模型，通过扩展注意力机制支路，获取更丰富的网络特征，提升网络的分类性能。经过网络层不断细化特征，硬件木马特征图像的部分特征会存在丢失的情况，从注意力机制支路获取的重点特征图特征，存在相互补充的作用，使得最终的硬件木马特征图特征更加完整。同时使用该结构的硬件木马分类检测算法首先通过GASF(Garmian Angular Summation Fields）预处理提取特征。
-
公开(公告)号：CN116503661A
公开(公告)日：2023-07-28
申请号：CN202310520009.4
申请日：2023-05-10
Applicant: 桂林电子科技大学
IPC: G06V10/764 , G06N3/0464 , G06N3/08 , G06V10/44 , G06V10/82 , G06F21/56
Abstract: 本发明涉及基于注意力机制的ResNeXt结构及应用该结构的硬件木马分类检测算法。采用具备若干注意力机制支路网络的ResNeXt结构。本发明从改进ResNeXt模型宽度的角度出发，提出注意力ResNeXt(Attention‑Res‑Attention,ARA)模型，通过扩展注意力机制支路，获取更丰富的网络特征，提升网络的分类性能。经过网络层不断细化特征，硬件木马特征图像的部分特征会存在丢失的情况，从注意力机制支路获取的重点特征图特征，存在相互补充的作用，使得最终的硬件木马特征图特征更加完整。注意力ResNeXt网络结构是在原有的ResNeXt结构的基础上，增加注意力支路网络，使最后的全连接层可以连接多个参数，从而获得更多的图像信息，丰富网络学习的细节特征，提升ResNeXt网络的性能。
-
公开(公告)号：CN115170422A
公开(公告)日：2022-10-11
申请号：CN202210798956.5
申请日：2022-07-08
Applicant: 桂林电子科技大学
IPC: G06T5/00 , G06V10/762 , G06V10/74
Abstract: 本发明提出一种可以自动选择最优参数的图像滤波方法，针对晶圆图领域的混合缺陷模式晶圆图进行滤波处理，包括对混合缺陷模式的晶圆图图像进行初步聚类，形成多个小的聚类簇或噪声点，去除噪声点与噪声簇；根据设定的核心簇数量，对非核心簇进行合并或去除处理；计算合并或去除之后聚类簇的SD值，使得SD最大的核心簇数量即为最优的聚类簇数量，对应的滤波结果为最优滤波结果。本发明有效的解决了混合缺陷模式晶圆图使用传统滤波算法需要手动设置先验参数，且聚类簇数量无法确定的问题。
-
公开(公告)号：CN114372949A
公开(公告)日：2022-04-19
申请号：CN202111244986.3
申请日：2021-10-26
Applicant: 桂林电子科技大学
IPC: G06T7/00 , G06N3/08 , G06V10/80 , G06V10/774
Abstract: 本发明提出一种基于改进YOLOv5算法的PCB表面缺陷检测方法。该方法包括：对原始的PCB数据集进行预理，建立YOLOv5算法的网络结构；根据GIoU确定YOLOV5网络损失函数和性能评价指标；改进了网络结构的处Neck部分，加入自适应特征融合（Adaptively Spatial Feature Fusion，ASFF），充分利用不同尺度的特征，增强小目标检测性能；改进了最终预测边界框的方法，利用目标框加权融合（Weighted Boxes Fusion，WBF）替代非极大值抑制（Non Maximum Suppression，NMS）作为选择最终预测的边界框的方法；根据改进的YOLOv5算法网络结构，利用迁移学习的思想对网络结构进行训练；将待检测PCB表面缺陷样本数据输入训练好的基于改进YOLOv5算法的PCB表面缺陷检测模型，输出待检测PCB表面缺陷的位置和类别信息。经实例检测，本发明实现了PCB表面缺陷检测的高效和高精度的检测。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.028 seconds)
