-
公开(公告)号：CN103870658B
公开(公告)日：2017-06-30
申请号：CN201410120736.2
申请日：2014-03-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于动态规划与遗传算法的装配序列规划方法及装置。所述方法包括：对于待装配体，根据各子零件间的装配关系将待装配体分解成多个子模块；根据各子模块之间的模块级干涉关系建立第一空间干涉矩阵和第一装配效率关系干涉矩阵；根据所述第一空间干涉矩阵和第一装配效率干涉矩阵，使用动态规划算法求取各个子模块之间的相对装配顺序；根据各个子模块内部各零件间的干涉关系建立第二空间干涉矩阵和第二装配效率关系干涉矩阵；根据所述第二空间干涉矩阵和第二装配效率关系干涉矩阵，使用遗传算法求取各个子模块中各个零件间的相对装配顺序；综合各个子模块间的相对装配序列与各个模块内的相对装配序列，得到待装配体的总体装配序列。
-
公开(公告)号：CN104834747A
公开(公告)日：2015-08-12
申请号：CN201510271672.0
申请日：2015-05-25
Applicant: 中国科学院自动化研究所
CPC classification number: G06F17/30705 , G06N3/02
Abstract: 本发明是一种基于卷积神经网络的短文本分类方法，该卷积神经网络共分五层：第一层，获取短文本中的多尺度候选语义单元；第二层，计算每一个候选语义单元与向量空间中所有词表示向量的欧式距离并找出最近邻的词表示，选择所有满足欧式距离预设阈值的最近邻词表示构建语义扩展矩阵；第三层，用多个不同宽度、不同权值的核矩阵分别对短文本的映射矩阵和语义扩展矩阵进行二维卷积运算提取局部卷积特征并生成多层局部卷积特征矩阵；第四层，对多层局部卷积特征矩阵进行下采样并得到多层全局特征矩阵，将所述全局特征矩阵进行非线性正切变换并转换为定长的语义特征向量；第五层，将语义特征向量赋予分类器，对短文本的类别进行预测。
-
公开(公告)号：CN102852511A
公开(公告)日：2013-01-02
申请号：CN201210372330.4
申请日：2012-09-28
Applicant: 中国科学院自动化研究所
IPC: E21B44/00
Abstract: 本发明公开了一种用于石油钻机钻进控制的智能钻进控制系统和控制方法。智能钻进控制系统包括钻进驱动模块、钻进检测模块、钻进控制模块。智能控制方法为具有参数自调节能力的模糊控制算法，算法由两个控制环路构成，内环为钻速控制，外环为钻压控制。每个控制回路都包括模糊控制器单元、性能评价单元、参数校正单元、决策单元等四个部分，能够通过自适应调整模糊控制器的参数，提高控制器性能，实现对石油钻机的钻压和钻速的智能控制。本发明能够降低钻机钻进过程中工人劳动强度，并能够提高钻井的井眼轨迹精度、降低钻头磨损和提高钻速。
-
公开(公告)号：CN102129695A
公开(公告)日：2011-07-20
申请号：CN201010034354.X
申请日：2010-01-19
Applicant: 中国科学院自动化研究所
IPC: G06T7/60
Abstract: 本发明为一种基于遮挡物建模的有遮挡情况下的目标跟踪方法，步骤包括：对于每一帧输入图像，根据在初始帧建立的目标模型，利用均值漂移算法求目标的状态；检测遮挡是否发生，当检测到目标被其他物体遮挡时，对遮挡物建模，以确定目标可能重现的区域，当没有检测到目标被遮挡，则输出目标的状态；通过寻找遮挡物的轮廓对遮挡物进行建模，遮挡物的轮廓通过改进的主动轮廓方法来实现；在目标可能重现的区域搜索目标，并对目标进行确认，若是目标，则输出目标的状态，若不是目标，则在目标可能重现的区域继续搜索目标，在对目标的搜索过程中遮挡物的轮廓也在进行动态的更新，以保证搜索区域的准确性。
-
公开(公告)号：CN112990269B
公开(公告)日：2022-10-14
申请号：CN202110181248.2
申请日：2021-02-08
Applicant: 中国科学院自动化研究所
IPC: G06V10/774 , G06V10/762 , G06N3/04 , G06T7/00 , G06T7/66
Abstract: 本发明属于工业智能质检检测技术领域，具体涉及一种带角度估计的管线焊点视觉检测方法、系统、设备，旨在现有的管线焊点视觉检测方法难以适应检测场景多变、目标尺寸、遮挡、光照多变的复杂场景，导致管线焊点检测精度差以及不能检测焊点所在局部管线的旋转角度的问题。本方法包括获取待检测焊点的连接管线场景图像，作为输入图像；通过预训练的管线焊点检测模型检测输入图像中的连接管线上是否包含焊点，若包含，则输出焊点的类别、位置、尺寸及旋转角度；所述管线焊点检测模型基于深度神经网络构建。本发明提高了管线焊点的检测精度，并解决了不能检测焊点所在局部管线的角度的问题。
-
Patent Agency Ranking
公开(公告)号：CN114536380B
公开(公告)日：2022-09-06
申请号：CN202210442625.8
申请日：2022-04-26
Applicant: 中国科学院自动化研究所
IPC: B25J15/00
Abstract: 本发明涉及仿人灵巧手技术领域，提供一种五自由度全驱动仿人大拇指和仿人灵巧手，该五自由度全驱动仿人大拇指包括拇指基座、第一指节、第二指节、第三指节、第四指节和第五指节；第一指节与拇指基座可转动连接形成第一关节，第二指节与第一指节可转动连接形成第二关节，第三指节与第二指节可转动连接形成第三关节，第四指节与第三指节可转动连接形成第四关节，第五指节与第四指节可转动连接形成第五关节；第二关节、第四关节和第五关节具有屈伸自由度，第一关节和第三关节具有回转自由度。该五自由度大拇指的灵巧性超越了现有灵巧手大拇指，活动范围比人手大拇指更大，有助于实现部分人手不能实现的动作。
-
公开(公告)号：CN114943857A
公开(公告)日：2022-08-26
申请号：CN202111501858.2
申请日：2021-12-09
Applicant: 中国科学院自动化研究所 , 中国长峰机电技术研究设计院
IPC: G06V10/764 , G06V10/82 , G06V10/766 , G06V10/46 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种样本目标检测方法和装置，其中，方法包括：获取待检测样本；将所述待检测样本输入校准的分类网络，得到对应的目标类别。本发明通过聚合全局和局部上下文知识以增强少样本目标检测任务中的RoI特征的工作，避免过拟合问题，这有助于为前景和背景类别学习更稳健的边界。
-
公开(公告)号：CN114536380A
公开(公告)日：2022-05-27
申请号：CN202210442625.8
申请日：2022-04-26
Applicant: 中国科学院自动化研究所
IPC: B25J15/00
Abstract: 本发明涉及仿人灵巧手技术领域，提供一种五自由度全驱动仿人大拇指和仿人灵巧手，该五自由度全驱动仿人大拇指包括拇指基座、第一指节、第二指节、第三指节、第四指节和第五指节；第一指节与拇指基座可转动连接形成第一关节，第二指节与第一指节可转动连接形成第二关节，第三指节与第二指节可转动连接形成第三关节，第四指节与第三指节可转动连接形成第四关节，第五指节与第四指节可转动连接形成第五关节；第二关节、第四关节和第五关节具有屈伸自由度，第一关节和第三关节具有回转自由度。该五自由度大拇指的灵巧性超越了现有灵巧手大拇指，活动范围比人手大拇指更大，有助于实现部分人手不能实现的动作。
-
公开(公告)号：CN109584206B
公开(公告)日：2021-07-06
申请号：CN201811221719.2
申请日：2018-10-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于表面瑕疵检测技术领域，具体提供了一种零件表面瑕疵检测中神经网络的训练样本的合成方法。训练样本的合成方法包括：步骤S1：获取带瑕疵零件样本的图像；步骤S2：从带瑕疵零件样本的图像中获取瑕疵图像；步骤S3：提取瑕疵图像的图像特征并将扰动加入图像特征来生成训练样本。通过这样的方法获取训练样本，只需获取少量的带有瑕疵的零件，通过获取少量的瑕疵零件表面的图像，对图像中存在的瑕疵进行提取获取各种瑕疵的图像，从各种瑕疵的图像中提取瑕疵的图像特征，再对各图像特征加入相应的扰动以生成数量巨大的训练样本，满足了神经网络的训练需求，解决了用于神经网络训练的训练样本获取困难，无法获取大量训练样本的问题。
-
公开(公告)号：CN109598287B
公开(公告)日：2021-06-08
申请号：CN201811278762.2
申请日：2018-10-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种基于深度卷积生成对抗网络样本生成的外观瑕疵检测方法，包括：将原始采集的小样本精密零件瑕疵图像提取瑕疵区域，构成原始小样本瑕疵块数据集，并利用该数据集训练DCGAN模型并生成全新的瑕疵块；将原始小样本精密零件瑕疵数据集中的每一张完整图像拆分成若干图像块数据，构成图像拆分训练数据集，并将数据集与生成瑕疵块数据集一起作为训练集训练Faster R‑CNN模型；对待检测的零件瑕疵图像进行图形块拆分，并通训练好的Faster R‑CNN模型行瑕疵检测及分类。本发明解决了小样本瑕疵检测问题、提高了小目标对象的检测及分类精度。
-
-
-
-
-
-
-
-
-
Search Results
107
records
(took 0.035 seconds)
