-
公开(公告)号：CN114022455A
公开(公告)日：2022-02-08
申请号：CN202111310897.4
申请日：2021-11-06
Applicant: 东南大学
Abstract: 本发明公开了一种基于视频的车用附件缺口测量方法，如下：调用系统准备模块，确保传送带上无附件；获取当前视频流的一帧图像，调用背景建模模块；获取当前视频流的一帧图像，调用附件识别模块；调用背景建模模块；调用附件跟踪模块，获取当前图像中各个附件的具体位置；将每个附件的位置坐标参数输入对应的缺口测量模块；将每个附件的位置坐标参数输入对应的基于斜率的缺口测量模块；将同一目标前后多帧的结果输入基于多帧图像的融合测量模块，得到当前附件的最终结果；直至视频流中止。该方法利用传统图像处理算法和视频流多帧融合跟踪对某车用附件的缺口进行了在线测量，解决了现有算法适用范围窄和易受环境影响等技术问题。
-
公开(公告)号：CN113850337A
公开(公告)日：2021-12-28
申请号：CN202111157081.2
申请日：2021-09-30
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明属于数据分类领域，具体涉及一种基于加权KNN的光伏组件遮挡面积分类方法，包括以下步骤：A1：数据采集，采集若干组被遮挡的光伏组件的I‑V曲线数据，遮挡区域占电池片面积的比值从0‑100%；A2：数据预处理，每一组采集到的I‑V曲线数据包含400个采样点，设定采样频率为△U=0.5V，仅采样保留部分数据点；A3：将预处理后的数据进行特征提取；A4：构建加权KNN分类器对光伏组件遮挡面积范围进行分类。本发明能够提取出光伏组件在不同遮挡情况下的电气数据特征，然后根据这些特征进行遮挡面积分类，从而进行有效的故障处理；本发明方法简单，实现方便，支持增量学习，分类准确率高，有助于对遮挡故障实现更精确的定位与分类，有助于光伏发电的整体运维。
-
公开(公告)号：CN111144456A
公开(公告)日：2020-05-12
申请号：CN201911276620.7
申请日：2019-12-13
Applicant: 东南大学
Abstract: 本发明涉及一种基于本征特征迁移的深度模型压缩方法，所述方法包括以下步骤：基于奇异值分解方法，将老师深度模型中的一组特征图进行分解，提取老师深度模型中的本征特征图组；将学生深度模型中的一组特征图与老师深度模型中的本征特征图组进行对齐；基于奇异值计算各本征特征图的权重；通过最小化学生深度模型中特征图组和老师深度模型中本征特征图组的加权差值，将老师深度模型中的本征特征迁移给学生深度模型，从而提高学生深度模型的性能。本发明提取老师深度模型中最本质的本征特征图，并有效迁移给学生深度模型，有助于提高深度模型压缩的精度，获得高性能的学生深度模型。
-
公开(公告)号：CN108596880A
公开(公告)日：2018-09-28
申请号：CN201810310148.3
申请日：2018-04-08
Applicant: 东南大学
Abstract: 本发明公开了一种基于图像处理的焊接缺陷特征提取与焊接质量分析方法。本发明的方法包括如下步骤：S1.对黑白相机获取的灰度图像进行图像增强；S2.根据工件类型和焊接区域类型，设计工件背景分割卡，对增强后的图像进行背景分割，剔除背景对后续图像处理的影响；S3.根据焊洞的特征设计提取算法，获得焊接缺陷的形态和面积信息，分析焊洞的大小情况，对焊洞的不合格程度进行自动分级。该方法将图像增强，背景分割，二值化处理和轮廓提取等图像处理技术成功运用于实际的焊接场景中，有效地提取出了焊接后工件中的焊接缺陷特征并计算出缺陷面积。该方法能够实时自动分析焊接质量，有利于工厂生产效率的提高。
-
公开(公告)号：CN104238376A
公开(公告)日：2014-12-24
申请号：CN201410520562.9
申请日：2014-09-30
Applicant: 东南大学
IPC: G05B17/02
Abstract: 本发明给出了一种基于数据的低温低气压环境发电机组运行仿真系统，采用可编程逻辑控制器等建立半实物仿真系统，通过输入输出模块模拟执行元件和传感器的工作，给出了可编程逻辑控制器中发电机组启动过程、稳定运行、扰动运行以及环境温度等状态仿真方法，仿真基于历史运行数据建立模型，避免了由于缺乏机理研究造成的建模困难。本发明提供的仿真系统能够在设计阶段为低温低压环境下的发电机组运行平台的研制提供验证和测试手段，同时基于数据的仿真方法对其他复杂装备的运行仿真也有借鉴意义。
-
Patent Agency Ranking
公开(公告)号：CN102519431A
公开(公告)日：2012-06-27
申请号：CN201110406675.2
申请日：2011-12-09
Applicant: 东南大学
IPC: G01C9/00
Abstract: 本发明提供了一种升降平台倾斜度测量装置及测量方法，装置包括移动板（1），水平安装于待测倾斜度的升降平台的上表面，其带有至少3个触头，所述至少3个触头分布在同一平面内，且所述触头间的间隔角度为360度/触头个数；行程开关组（2），设置于移动板（1）上方。该方法包括如下步骤:步骤1，操作者启动升降系统，在缆绳拉动下，移动板（1）随待测升降平台升降；步骤2，移动板（1）随待测升降平台升降，当升降到行程开关组（2）中用于测速的行程开关组位置时，移动板上（1）的1个触头触碰该行程开关。该实现方法简单，可测量出升降平台在指定位置处的倾斜度。
-
公开(公告)号：CN119847202A
公开(公告)日：2025-04-18
申请号：CN202411979501.9
申请日：2024-12-31
Applicant: 东南大学
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本发明公开了一种基于无人机的架空线绝缘子巡检路径规划方法，包括以下步骤：提出一种基于预处理后的架空线路场景点云以及无人机搭载硬件参数的巡检数学模型。该模型利用识别出的绝缘子点云信息，生成能够覆盖每个绝缘子拍摄需求的最佳航点坐标；然后，使用LKH算法和改进的A*算法计算连接各航点的最优路径，并根据拍摄效果进一步优化各个航点的相机拍摄参数。最终，对7条架空线路的实地点云数据进行了实验测算，并对结果进行了对比分析。本发明的模型不仅提高了航点覆盖率和路径优化效率，而且对拍摄参数的调整提升了照片质量，适用于实际工程中无人机巡检任务，具有广泛的应用前景。
-
公开(公告)号：CN114299298B
公开(公告)日：2025-04-04
申请号：CN202111645024.9
申请日：2021-12-29
Applicant: 东南大学
IPC: G06V10/40 , G06V10/74 , G06V10/776 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于全局相似度的深度网络特征改进方法，包括：将输入图像划分成网格状图像块，基于输入特征张量获取图像块的特征张量；对两特征通道数进行精简；对两特征张量进行变维，得到特征矩阵；基于特征矩阵，在每个像素点特征和每个图像块特征之间计算相似度；对相似度进行归一化得到相似度权重；为每个像素点计算加权特征，进行矩阵变维，得到加权特征张量；将加权特征张量中精简的特征通道数变成初始的特征通道数；计算改进后的特征张量。本发明基于像素点和图像块之间的两两相似度对深度网络的输入特征进行改进，充分考虑到整个图像上不同区域间特征的依赖关系，有助于提高深度网络特征的表达能力，改进深度网络在图像识别上的性能。
-
公开(公告)号：CN114781744B
公开(公告)日：2025-03-07
申请号：CN202210492332.0
申请日：2022-05-07
Applicant: 东南大学
IPC: G06F18/213 , G06N3/0464 , G06N3/0442 , G06N3/09
Abstract: 本发明涉及一种基于编码解码器的深度学习多步长辐照度预测方法，属于光伏发电技术领域。预测方法包括：S1，训练数据获取，获取目标地区历史辐照度数据及其对应的气象数据并制作监督数据集；S2，数据预处理，包括气象信息特征编码以及数据归一化；S3，训练编码解码器模型，其中编码器模型由TCN和LSTM级联结构构成，解码器由LSTM和MLP级联结构构成；利用读取当前时段t0～tN的辐照度作为监督信息，以及t0时刻之前的历史辐照度和气象信息作为输入数据，训练编码解码器模型；S4，预测，将历史数据输入步骤S3训练得到的编码解码器模型，预测未来多步的太阳辐照度。本发明能够充分利用辐照度序列的历史信息，实验表明该发明能够有效提升多步长辐照度预测的精度。
-
公开(公告)号：CN119399656A
公开(公告)日：2025-02-07
申请号：CN202411511275.1
申请日：2024-10-28
Applicant: 东南大学
IPC: G06V20/17 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06V10/764 , G06V10/32 , G06V10/25 , G06N3/084
Abstract: 本发明公开了一种用于无人机的光伏组件缺陷轻量化检测方法，基于YOLOv5s模型进行轻量化改进，使其能部署在计算资源有限的嵌入式GPU无人机上对光伏组件缺陷进行实时检测。包括以下步骤：建立光伏组件表面缺陷数据集，并对图像进行预处理；对YOLOv5s模型进行改进，采用ShuffleNetV2网络替代原有主干网CSP结构，大幅降低模型的参数量和计算量实现轻量化，引入有效通道注意力模块ECA，增强模型对光伏组件缺陷特征的识别能力；设置训练参数，对改进后的模型进行训练；将待检测的光伏组件缺陷图像输入训练好的模型中，输出待检测光伏组件表面缺陷的位置和类别信息。该方法有效降低了模型的大小与复杂度，特别适合在资源有限的无人机系统上进行高效的光伏组件缺陷检测。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.024 seconds)
