-
公开(公告)号：CN116088492A
公开(公告)日：2023-05-09
申请号：CN202211093243.5
申请日：2022-09-08
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G05D1/02
Abstract: 本发明公开了一种基于SMA‑ACO算法的机器人路径规划方法，该算法将黏菌算法(SMA)用于改进蚁群算法(ACO)进行栅格地图的路径规划，在提高路径检索效率的同时，也避免单独使用蚁群算法快速收敛到局部最优点。首先随机初始化蚁群算法的信息素矩阵，接着通过黏菌算法引入适应度相关优化算法中的位置搜索方式，对位置进行更新；根据预设的最大迭代次数依次更新黏菌位置；利用贪婪原则，确定最佳的初始信息素矩阵。最后将最优初始信息素矩阵代入到蚁群算法中进行最优路径检索，确定最优路径规划结果。本方法克服了单独使用蚁群算法时陷入局部最优点的情况，能够显著提升路径规划的效果。
-
公开(公告)号：CN115945727A
公开(公告)日：2023-04-11
申请号：CN202211540161.0
申请日：2022-12-03
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明涉及板材切割技术领域，具体为一种复合板切割设备，包括传送台、开设在传送台上的传送口、转动安装在传送口内壁上的摩擦辊，所述摩擦辊的一端有马达驱动、转动安装在传送台上端的传送辊，所述传送台的一侧固定安装有工作台，所述工作台的上端固定安装有多个隔板，两个所述隔板的上端固定安装有固定板，两个所述固定板之间转动安装有第一转轴，其中一个所述固定板的一侧固定安装有电机。本发明通过设置凹槽、双向螺纹杆、第一滑块等机构，操作者将复合板通过传送台上的传送口穿过，在摩擦辊和传送辊的输送下将复合板运输至工作台的另一端，启动电机后带动第一转轴高速转动，进而带动切割片对复合板进行切割。
-
公开(公告)号：CN115857003A
公开(公告)日：2023-03-28
申请号：CN202211507120.1
申请日：2022-11-29
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明属于属于地质灾害危险性评估技术领域，公开了一种斜断层FSI超剪切地震危险性估计方法，其模拟不同滑动角下的断层破裂传播，确定产生FSI超剪切破裂的滑动角阈值；根据斜断层上FSI超剪切破裂的非对称性，对FSI超剪切破裂产生的方位进行评估；计算不同场景下的低频峰值速度PGV，判断PGV分布与断层方向的关系，对斜断层上盘的地震动分布范围进行评估；判断上盘滑动方向与破裂传播方向的相对关系对地震动强度的影响，进而指导地震危害评估策略。
-
公开(公告)号：CN115826059A
公开(公告)日：2023-03-21
申请号：CN202211534973.4
申请日：2022-11-30
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01V3/08
Abstract: 本发明属于隧道超前预测技术领域，公开了一种瞬变电磁快速超前预测方法，基于实际勘探需要，设置观测系统；随机生成大量理论的隧道电阻率模型；基于观测系统和数值模拟算法，对隧道电阻率模型进行数值计算，得到每个模型对应的瞬变电磁场数据；构建残差神经网络模型，设计损失函数，利用得到的每个模型对应的瞬变电磁场数据对ResNet进行训练；利用训练好的ResNet模型对新的观测数据进行预测，得到隧道TEM数据反演结果。与现有的瞬变电磁隧道超前预测技术相比，本发明的瞬变电磁快速超前预测方法更加准确，反演的假异常的可能性减少；在1秒内即可完成反演，更加高效，为实时隧道超前预测奠定了基础。
-
公开(公告)号：CN115761366A
公开(公告)日：2023-03-07
申请号：CN202211505669.7
申请日：2022-11-28
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/764 , G06V10/82 , G06V10/40 , G06V10/762 , G06N3/0475 , G06N3/094
Abstract: 本发明属于计算机视觉技术领域，公开了一种补充缺失特征的零样本图片分类方法、系统、设备及介质，收集零样本图片分类数据集，同时获取所有类别的语义特征；对图片进行特征提取；基于特征训练一生成对抗网络；利用所述生成对抗网络提取伪造的未见类图片特征，将伪造的未见类图片特征与图片特征向量组合得到图片训练数据集；基于所述图片训练数据集训练图片特征分类网络模型，并对测试集中的数据进行测试。本发明公开的方法属于生成式零样本图片分类方法，对于现有的方法中的无法生成缺失某些属性的图片特征的情况进行了优化，从而使生成的未见类图片特征更加符合实际的分布，帮助分类模型学习到更加完整的信息，最终提高分类正确率。
-
Patent Agency Ranking
公开(公告)号：CN115761243A
公开(公告)日：2023-03-07
申请号：CN202211438076.3
申请日：2022-11-17
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/30 , G06V10/764 , G06V10/774
Abstract: 本发明属于计算机视觉技术领域，公开了一种基于去噪学习的鸟类细粒度识别方法，步骤包括：步骤一，合并开源的数据集和网络上收集得到的图片获得一个大型鸟类细粒度图片分类数据集；步骤二，对网络上收集的图片进行标签的检查和重标注；步骤三，利用多种数据增广技术对数据集进行增广；步骤四，利用增广数据集训练一个分类器；步骤五，利用分类器对数据进行打分，根据打分结果利用去噪算法对增广数据进行筛选；步骤六，循环步骤四和步骤五直到分类器稳定；步骤七，将分类器部署到树莓派中；步骤八，通过分类器对树莓派获得的视频中的图像帧进行分类，输出识别结果。本发明有效降低了数据增广对细粒度图片分类的影响，提高了鸟类识别的准确率。
-
公开(公告)号：CN115629413A
公开(公告)日：2023-01-20
申请号：CN202210976623.7
申请日：2022-08-15
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01V1/28
Abstract: 本发明提供了一种基于物理和数据驱动的接收函数反演方法，通过确定需要优化的模型参数，构建反演问题的目标函数；所述反演问题的目标函数包含数据拟合项、模型正则化项、以及联合数据驱动和物理驱动的耦合项；反演时，通过引入目标函数以及联合数据驱动和物理驱动的耦合项，执行迭代优化，确定反演模型。通过结合了最优化算法BFGS和深度学习算法UNet的优势，实现了更加鲁棒的接收函数反演，反演效果优于单一的物理驱动或者数据驱动反演，相比于接收函数线性化反演方法，不再依赖于初始模型，降低了反演解陷入局部极小的可能性；相比于深度学习反演方法，可以更好地拟合观测资料，更接近于真实反演解。
-
公开(公告)号：CN117834688A
公开(公告)日：2024-04-05
申请号：CN202311454319.7
申请日：2023-11-03
Applicant: 电子科技大学长三角研究院(湖州)
IPC: H04L67/125 , G01N23/223 , H04L67/1095 , H04L67/08
Abstract: 本发明涉及控制技术领域，且公开了一种手持式XRF光谱仪网络远程协助方法，包括以下工作步骤：第一步：将分享界面同步至远程目标终端，分享界面用于分享分析数据用，分享界面对分析数据进行界面上的共享，远程目标终端上可进行分享界面上信息的传输，分享界面显示有对象分析数据，对象分析数据是根据对检测对象的成分进行分析得到的。该一种手持式XRF光谱仪网络远程协助方法，本方案将分享界面同步至远程目标终端，接收远程控制指令，确定远程控制指令对应的目标操作，根据目标操作进行操作，目标操作与界面控制操作在分享界面的操作位置匹配，从而实现XRF光谱仪网络远程协助，通过分享界面的分享，实现远程协助操作。
-
公开(公告)号：CN117762092A
公开(公告)日：2024-03-26
申请号：CN202311453885.6
申请日：2023-11-03
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G05B19/418
Abstract: 本发明涉及智能工厂生产调度领域，且公开了基于深度强化学习的智能工厂生产作业调度方法，在深度强化学习算法的训练调度过程中，由工件观察状态、工件预测状态和奖励函数构成元组，所述元组每隔规定时间更新一次；根据当前工件观察状态，输出预测状态和奖励函数进行作业调度，当元组更新一次后，根据更新后的工件观察状态，输出工件预测状态和奖励函数进行再一次的作业调度，直至工件达到完成加工的状态；由此可以得到奖励函数值最高的作业调度方法。当奖励函数表示工件观察状态与工件预测状态的图像对比越像，获得的奖励值r越高，因此将可以得到奖励函数值最高的作业调度方法，从而实现深度强化学习作业调度的目的。
-
公开(公告)号：CN117593545A
公开(公告)日：2024-02-23
申请号：CN202311641960.1
申请日：2023-12-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/62 , G06V10/22 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/049 , G06N3/08
Abstract: 本发明公开基于时空区域建议和动态度量记忆网络的长期目标跟踪方法，以解决现有跟踪方法无法有效应对目标丢失后恢复跟踪的问题。其步骤为：首先跟踪器在搜索区域内，通过交互利用目标在时间和空间两个维度的信息进行区域建议，生成一些面向目标对象的高质量的候选区域，然后利用记忆网络判断推理出最优候选作为预测结果。根据该结果判断目标是否丢失，进行全局局部搜索策略的转换，同时对跟踪结果进行度量判断动态的更新记忆内容以模拟目标的长期外观。本发明将区域建议和记忆网络相结合能够适应目标不确定性运动等跟踪问题，实现长期跟踪。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.047 seconds)
