一种可快速调换刀具的钻孔装置

    公开(公告)号:CN115138891A

    公开(公告)日:2022-10-04

    申请号:CN202211082454.9

    申请日:2022-09-06

    Applicant: 无锡学院

    Abstract: 本发明涉及机械钻孔领域,公开了一种可快速调换刀具的钻孔装置,包括支撑架、一号支撑管、二号支撑管、一号副锥齿轮、下传动部分、上传动部分、升降部分,支撑架前部转动连接有水平的一号支撑管,且右部转动连接有水平的二号支撑管,一号支撑管前部同轴固定有一号副锥齿轮,一号支撑管同轴螺纹连接有水平的一号螺纹杆,一号螺纹杆前后两端各固定有一号支撑块。本发明通过右手拇指控制操纵杆进行前后摆动和左右摆动,即可使得对应的二号副锥齿轮与二号主锥齿轮相啮合或者四号副锥齿轮与四号主锥齿轮相啮合,能够使得对应的刀具实现竖直状态,从而达到快速调换四把不同的刀具进行孔加工的目的,然后利用转动的下电机即可间接带动不同的的刀具进行转动。

    一种基于情感反馈的文本驱动广告视频生成方法

    公开(公告)号:CN119697442A

    公开(公告)日:2025-03-25

    申请号:CN202411816812.3

    申请日:2024-12-11

    Applicant: 无锡学院

    Abstract: 本发明公开了一种基于情感反馈的文本驱动广告视频生成方法,涉及数字广告和人机交互技术领域,通过实时采集用户面部表情、语音特征和眼动轨迹等情感数据,动态调整广告内容,提升个性化、互动性和转化率;结合文本生成视频模型与多模态情感识别技术,利用特征融合和反馈处理,使广告视频更契合用户情感;多轮反馈与自适应优化确保广告传递核心信息的同时灵活响应用户情感状态,大幅提升吸引力与参与度,创新的特征融合算法进一步提高了生成视频的个性化和实时响应能力,为数字广告领域提供了全新解决方案,推动了个性化与情感互动的发展。

    基于深度学习的并行双路轴承故障诊断方法及系统

    公开(公告)号:CN119574117A

    公开(公告)日:2025-03-07

    申请号:CN202411757188.4

    申请日:2024-12-03

    Applicant: 无锡学院

    Abstract: 本发明公开一种基于深度学习的并行双路轴承故障诊断方法机系统,包括:采集滚动轴承的故障振动信号,并对其进行特征工程处理。特征工程处理包括变分模态分解和连续小波变换,生成不同故障类型的本征模态函数及相应的小波时频图。处理得到的特征数据作为双路模型中CNN支路的输入,另一支路则采用原始信号输入到MLP支路。最后,通过全连接层结合两个支路的输出,形成故障诊断结果。该发明具有样本需求少、诊断准确率高、鲁棒性强的特点,适用于数据样本有限情况下的轴承故障检测,显著提高了故障诊断的效率和准确性。

    一种基于残差特征融合反演的积雪覆盖度估计方法

    公开(公告)号:CN119399648A

    公开(公告)日:2025-02-07

    申请号:CN202510003634.0

    申请日:2025-01-02

    Applicant: 无锡学院

    Abstract: 本发明涉及遥感图像处理的技术领域,具体为一种基于残差特征融合反演的积雪覆盖度估计方法,包括:获取陆地卫星数据并根据筛选条件进行影像数据筛选;获取气象卫星数据并进行预处理和地理高程数据的拼接;生成二元积雪图,并根据定义法和气象卫星分辨率计算积雪覆盖度,获得积雪覆盖度标签;根据积雪覆盖度标签将气象卫星影像裁剪为矩形;建立基于深度学习的积雪覆盖度估计模型;经过反复实验调试对比找到最佳实验参数;预测完成后得到各自积雪覆盖度估计结果再拼接成一张完整的积雪覆盖度估计结果;将生成的积雪覆盖度估计结果,结合前后时相卫星数据有效滤除云遮蔽干扰,并且可以因此具有更高的时间分辨率和可靠性。

    一种基于改进RT-DETR的自动驾驶目标检测方法

    公开(公告)号:CN119314144A

    公开(公告)日:2025-01-14

    申请号:CN202411359381.2

    申请日:2024-09-27

    Applicant: 无锡学院

    Abstract: 本发明公开了一种基于改进RT‑DETR的自动驾驶目标检测方法,涉及目标检测和自动驾驶领域技术领域,获取公开的自动驾驶目标检测数据集SODA10M;构建FSSD‑DETR算法的主干网络,使用FDC模块替换P5层中的BasicBlock优化特征提取过程;在RT‑DETR算法的颈部网络中引入小目标检测层提升对于远处小目标的检测性能;构建FSSD‑DETR算法的颈部网络,使用Zoom_cat模块和ScalSeq模块优化特征融合过程;构建FSSD‑DETR算法的上采样算子,使用DySample上采样算子替换最近邻插值法以提升图像质量;从而在处理小目标、密集车辆和遮挡等复杂交通场景时保持良好的性能。

    WPIoU损失函数构建方法及YOLOv8检测方法

    公开(公告)号:CN118762339B

    公开(公告)日:2025-01-03

    申请号:CN202411215008.X

    申请日:2024-09-02

    Applicant: 无锡学院

    Abstract: WPIoU损失函数构建方法及YOLOv8检测方法,属于图像信息检测技术领域,解决了现有的YOLOv8n在复杂环境下无法实现对车流图像的精准检测的问题。包括以下步骤:步骤S1,对WIoUv1损失函数做梯度增益的处理后,获取WIoUv3损失函数;步骤S2,PIoU损失函数自定义了自适应的惩罚因子;步骤S3,基于步骤S2所述的惩罚因子对步骤S1所述的WIoUv3损失函数进行改进后,获取WPIoU损失函数;步骤S4,基于PIOUv2损失函数的非单调注意力函数对步骤S3所述的WPIoU损失函数做进一步改进后,获取最终的WPIoU损失函数。

Patent Agency Ranking