-
公开(公告)号：CN112828728A
公开(公告)日：2021-05-25
申请号：CN202110220356.6
申请日：2021-02-26
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于高精度自动化复杂曲面精整技术领域，具体涉及一种叶片精整作业机器人系统，旨在解决现有技术中航空发动机叶片精整作业自动化程度低、效率低、加工件加工精度和表面质量精度低与不稳定的问题。本申请系统中的上位机模块能够在线测量待加工叶片当前三维尺寸数据，并与待加工叶片目标尺寸数据的比对计算，将外形尺寸加工余量转化为机器人工艺参数，根据航空发动机叶片曲面外形与机器人工艺参数对机器人的精整运动路径进行规划，并向机器人控制器发出精整运动控制指令程序，同时借助力控柔顺系统，实现对复杂曲面叶片对象的高精度自动化精整。
-
公开(公告)号：CN111859979A
公开(公告)日：2020-10-30
申请号：CN202010549940.1
申请日：2020-06-16
Applicant: 中国科学院自动化研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F40/30 , G06F40/289 , G06F16/953 , G06N3/04
Abstract: 本申请涉及一种讽刺文本协同识别方法、装置、设备及计算机可读介质。该方法包括：获取待处理文本，待处理文本来自于社交媒体网络平台；提取待处理文本的语义特征信息和主题特征信息，语义特征信息用于表征待处理文本与讽刺类型的关联关系，主题特征信息用于表征待处理文本体现的讽刺主题；根据第一神经网络模型对语义特征信息和主题特征信息的识别结果确定待处理文本的文本类型，并确定待处理文本的主题标签。本申请利用表征语义情感的特征和表征讽刺主题的特征对待处理文本进行协同识别，既确定是否带有讽刺含义，在具备讽刺含义的情况下还同时识别出体现讽刺的主题，实现有主题区分度的文本语义表示，有效提高了讽刺识别的准确率和解释性。
-
公开(公告)号：CN110942095A
公开(公告)日：2020-03-31
申请号：CN201911178510.7
申请日：2019-11-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种显著物体区域检测方法及系统，所述检测方法包括：通过采用多层卷积网络从待检测图像中进行特征抽取，获得多层级特征图；对多层级特征图进行显著值非线性回归处理，得到初级显著图；对所述初级显著图进行三次双线性插值处理，获得与所述待检测图像匹配的终极显著图。本发明通过采用多层卷积网络进行特征图抽取获得多层级特征图，进而进行显著值非线性回归处理得到初级显著图，通过三次双线性插值处理得到所述待检测图像匹配的终极显著图，从而实现端到端的特征抽取，可提高抽取图像显著物体区域的效率。
-
公开(公告)号：CN110322512A
公开(公告)日：2019-10-11
申请号：CN201910576543.0
申请日：2019-06-28
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉和机器人技术领域，特别涉及一种结合小样本实例分割和三维匹配的物体位姿估计方法，旨在为了解决现有六自由度物体位姿估计方法对背景杂乱、前景物体遮挡鲁棒性弱，需要训练样本数量大的问题，本发明基于有限样本扩容变换得到的大量训练样本，训练得到实例分割模型，使用训练好的实例分割模型对包含待测目标物体场景的彩色图像进行实例分割，依据实例分割结果获取目标物体的深度图像点云和目标物体三维模型，通过预设的三维匹配方法将目标物体图像点云和目标物体三维模型进行匹配，并确定出目标物体的六自由度位姿。本发明能够在训练样本有限、背景杂乱、前景物体遮挡条件下，有效进行六自由度物体位姿估计，鲁棒性好。
-
公开(公告)号：CN106570498B
公开(公告)日：2019-06-14
申请号：CN201610889100.3
申请日：2016-10-12
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种显著区域检测方法和检测系统。其中，该方法包括对输入图像进行超像素分割，获得图像超像素处理单元；接着，基于图像超像素处理单元，度量输入图像的拓扑背景置信度；然后，基于输入图像的拓扑背景置信度，计算图像颜色和空间位置特征上的对比度，获得图像初级显著值；再利用紧凑性扩散方法修正图像初级显著值，得到紧凑性显著图；接着又利用输入图像的拓扑背景置信度与紧凑性显著图，进行显著值赋值，得到图像单尺度显著图；最后，利用多尺度融合的方法对图像单尺度显著图进行处理，得到尺度显著图，从而获得图像显著物体区域。通过采用上述技术方案，解决了如何快速有效地抽取图像显著区域的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN109584206A
公开(公告)日：2019-04-05
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：CN106239089A
公开(公告)日：2016-12-21
申请号：CN201610728680.8
申请日：2016-08-25
Applicant: 中国科学院自动化研究所
IPC: B23P19/00
CPC classification number: B23P19/002
Abstract: 本发明涉及一种姿态调整装置。该姿态调整装置包括：夹装部，其包括面板和置于所述面板上的装夹组件；其中，所述面板和所述装夹组件形成有安装空间，光学元件能够容纳于所述安装空间内；动力部，其动力输出端连接至所述面板，用于带动所述面板呈现出与所述动力输出端一致的运动状态；以及支撑部；其中，所述面板和所述动力部分别固定于所述支撑部。本发明的姿态调整装置为待装配的光学元件提供了一个暂存平台并能够调整其在暂存平台内的姿态，尤其适用于大口径光学元件的自动化装配。
-
公开(公告)号：CN105091744A
公开(公告)日：2015-11-25
申请号：CN201510229371.1
申请日：2015-05-07
Applicant: 中国科学院自动化研究所 , 中国工程物理研究院激光聚变研究中心
Abstract: 本发明公开了一种基于视觉传感器和激光测距仪的位姿检测装置与方法，该装置使用一个视觉传感器和三个激光测距仪共同采集目标信息；该方法包括：从目标图像中选择特征点和特征直线，得到特征点的图像坐标和特征直线的角度，进而得到特征点的图像偏差和特征直线的角度偏差；求取当前像素当量，根据当前图像偏差、角度偏差和像素当量，得到当前位姿在三个自由度上的偏差；根据三个激光测距仪的读数及相对位置关系，得到当前姿态在对应两个旋转自由度上的角度偏差和当前位姿在深度方向上的偏差，由此实现目标的六自由度位姿检测。
-
公开(公告)号：CN104484751A
公开(公告)日：2015-04-01
申请号：CN201410771966.5
申请日：2014-12-12
Applicant: 中国科学院自动化研究所
IPC: G06Q10/06
CPC classification number: G06Q10/0631 , G06Q10/06316
Abstract: 本发明公开了一种生产计划与资源配置动态优化方法及装置。所述方法包括：对生产工艺流程、生产资源、优化目标和约束规则进行抽象化描述，建立生产计划模型；依据生产计划模型，利用优化算法对生产计划进行优化，得到最优的资源配置和时间进度计划；对优化后的生产计划进行审核和调整，得到更优的生产计划；对生产计划进行拆分，以生产任务单的形式下达到具体的项目组；依据任务单展开生产作业，并采集现场数据、问题反馈；根据采集到的现场数据与由优化算法得到的结果进行对比和分析，并将结果进行反馈，用来对生产计划模型进行学习、调整。
-
公开(公告)号：CN102129695B
公开(公告)日：2014-03-19
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。
-
-
-
-
-
-
-
-
-
Search Results
107
records
(took 0.053 seconds)
