-
公开(公告)号：CN116385973A
公开(公告)日：2023-07-04
申请号：CN202310386176.4
申请日：2023-04-12
Applicant: 南京工业大学
Abstract: 本发明提出一种多特征语义原语6D姿态估计与抓取异常监测方法，首先，本发明设计了一个全新的图像‑点云协同的多特征语义分割网络，该网络分别提取物体纹理等信息和每个像素的类别概率以及点云特征，然后通过像素‑点协同融合从而有效地提升分割的精度和速度。然后，本发明提出了一种全新的原语特征提取模块，提取的特征保证了旋转、平移和尺度不变特性，相比传统描述符具有更高的鲁棒性和更强的特征表达能力，并且相比其他深度学习网络更加高效且轻量。最后，本发明还将基于多特征语义原语6D姿态估计与机器人抓取异常监测结合，有效地提高机器人抓取异常检测的精度和灵敏度。
-
公开(公告)号：CN116012291A
公开(公告)日：2023-04-25
申请号：CN202211456980.7
申请日：2022-11-21
Applicant: 南京工业大学
IPC: G06T7/00 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/08 , G06V10/774 , G06N3/0464
Abstract: 本发明提供一种工业零件图像缺陷检测方法及系统、电子设备和存储介质，其中，方法包括：基于若干零件表面缺陷图像，根据SSD数据增强法和半监督数据增强法，确定零件缺陷样本数据集；其中，零件缺陷样本数据集中每种缺陷类别的数量均衡；根据零件缺陷样本数据集训练缺陷检测模型，确定目标缺陷检测模型；将目标待测零件图像输入目标缺陷检测模型中，确定目标待测零件的缺陷类别和位置信息。能够有效提高工业零件表面缺陷检测的准确性，降低漏检率和误检率。
-
公开(公告)号：CN115457081A
公开(公告)日：2022-12-09
申请号：CN202211061521.9
申请日：2022-08-31
Applicant: 南京工业大学
IPC: G06T7/246 , G06T7/73 , G06V20/40 , G06V10/74 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的分层融合式预测模型，包括：上层图神经网络：用于学习多个行人之间的空间交互；中层图神经网络：用于学习行人自身的终点意图；下层图神经网络：将上层图神经网络获得的行人之间的空间交互、中层图神经网络获得的行人自身的终点意图和行人的历史轨迹相结合，通过时间卷积网络TCN预测未来轨迹。本发明还公开了一种基于图神经网络的分层融合式预测方法。本发明充分考虑了内在因素和外在因素对行人未来轨迹的影响，用于在每个时间步模拟整个行人场景之间的空间和时间交互，并预测多个未来轨迹，通过这种方法使得轨迹预测精度得到提高。
-
公开(公告)号：CN111598142A
公开(公告)日：2020-08-28
申请号：CN202010339296.5
申请日：2020-04-26
Applicant: 南京工业大学
IPC: G06K9/62
Abstract: 本发明公开一种用于轮式移动机器人的室外地形分类方法，包括如下步骤：采集移动机器人在不同地形上运动时的动态车轮力信号；采用自回归滑动平均模型将车轮力信号进行时间序列建模；对该时间序列模型进行特征参数的提取，整理得到特征矩阵；将特征矩阵作为输入，地面类型作为标签，对该数据集进行归一化处理，并送入人工神经网络模型进行训练，得到地形分类器；将该分类器写入机器人主控制程序，当机器人在未知地面上行驶时，能够实现移动机器人当前或近邻地形的识别。本发明通过移动机器人的“力觉”感知到当前或邻近区域行驶时的地面信息，并对其分类，使其能够采取与地形相适应的的行驶风格，识别准确率得以提高。
-
公开(公告)号：CN119820386A
公开(公告)日：2025-04-15
申请号：CN202510230480.9
申请日：2025-02-28
Applicant: 南京工业大学
IPC: B23Q17/09 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/08 , G06F18/2337
Abstract: 本发明公开了一种基于Diffusion‑EMCAformer的刀具磨损量建模和预测方法，包括：通过传感器采集加工过程中三轴力信号和加速度信号，通过显微镜刀具磨损量；基于双重熵优化方法的小波去噪技术对传感器采集的信号进行预处理；搭建Diffusion‑EMCAformer模型，将包括传感器信号、时间步信号、扩散步信号的输入划分为训练集和测试集，利用训练集训练出最优模型；通过扩散模型对缺失数据的测试集进行补充，在最优模型上进行测试预测的磨损量和磨损速度，再采用改进的算术优化算法结合模糊C均值聚进行分类对刀具磨损状态进行分类。本方法实现了对刀具磨损量的高效、准确预测，尤其在复杂工况下具有良好的适应性和鲁棒性，为机床维护提供准确的磨损量预测及维修建议。
-
Patent Agency Ranking
公开(公告)号：CN119335974A
公开(公告)日：2025-01-21
申请号：CN202411446266.9
申请日：2024-10-16
Applicant: 南京工业大学
IPC: G05B19/418
Abstract: 本发明公开一种簇式精馏塔的多智能体自动控制及模拟计算方法,包括簇式精馏塔内柱状精馏单元由塔内空间区域分隔形成，精馏单元呈均匀分布状，且精馏单元之间相互独立，任意精馏单元之间没有质量传递，对单个精馏单元进行分离性能的模拟计算；将多个精馏单元耦联组合成簇式精馏塔并对装置进行多回路过程控制系统设计；针对簇式精馏塔多耦合特征设计智能体单元控制器，实现簇式精馏塔内各单元流体均匀分布以及状态一致性；进行多回路过程控制系统的动态模拟计算，对控制器参数调优并测试抗干扰性能。通过模拟计算技术对簇式精馏塔装置关键运行参数进行模拟分析，确定最优精馏条件并设计多智能体自动控制系统，为工业化簇式精馏塔提供技术基础。
-
公开(公告)号：CN113283381B
公开(公告)日：2024-04-05
申请号：CN202110659014.4
申请日：2021-06-15
Applicant: 南京工业大学
IPC: G06V40/20 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种适用于移动机器人平台的人体动作检测方法，包括如下步骤：步骤一，获取特征量：对输入的视频进行剪辑，采用人物检测器和主干网络分别从关键帧中提取出N个目标人物特征A1,A2,…,AN∈RC和一组背景环境特征映射X∈RC×H×W，其中，C代表通道，H代表高度，W代表宽度；R代表数域。本发明以目标人物‑背景环境‑目标人物关系(OCOR)的形式对高阶交互关系进行建模，推导出多个目标人物和背景环境之间的间接关系，进而更为准确高效的实现动作定位，整个设计简单灵活，充分利用了背景环境和其他对象的信息，能够有效提高目标动作检测的准确率。
-
公开(公告)号：CN117611576A
公开(公告)日：2024-02-27
申请号：CN202311769202.8
申请日：2023-12-21
Applicant: 南京工业大学
IPC: G06T7/00 , G06V10/44 , G06V10/764 , G06N3/096 , G06N3/0464
Abstract: 本发明涉及图像处理技术领域，公开了一种基于图文融合对比学习预测方法，包括以下步骤：为工业零件图像数据配对相关类别标签的文本嵌入，并进行预处理；构建图文融合对比学习模型，并通过引入基于图像实例的属性权重机制来区分缺陷种类，采用按通道条件提示模块进行特征拆分和信息提取，同时利用训练集对模型进行训练；调整模型参数进行多次训练，并进行测试及性能评估；利用图文融合对比学习模型进行预测得到工业零件的缺陷信息。本发明具有较好的预测性能，能够以较小的误差来预测出工业零件是否有缺陷，能够生成更加解释性强的注意力图，可以更准确地对零件进行分类和缺陷预测。
-
公开(公告)号：CN117609807A
公开(公告)日：2024-02-27
申请号：CN202311495438.7
申请日：2023-11-10
Applicant: 南京工业大学
IPC: G06F18/23 , G06F18/20 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本申请涉及一种基于无监督学习算法的协作机器人运行故障识别方法，涉及故障识别技术领域，该方法包括以下步骤：获取目标协作机器人的运行轨迹数据；对运行轨迹数据进行小波包变换，获取与包含多个子频率段的小波包能量谱对应的二维矩阵；将二维矩阵输入运行故障识别模型，获取目标协作机器人的运行状态；若判定目标协作机器人存在运行故障，则对运行轨迹数据进行聚类，获取目标协作机器人的运行故障类型。服务器先利用运行故障识别模型判断正在行驶的目标协作机器人是否存在运行故障，若判定目标协作机器人存在运行故障，则对运行轨迹数据进行聚类，获取目标协作机器人的运行故障类型，能够精准高效识别出故障，提高工业协作机器人寿命，减少其停机时间。
-
公开(公告)号：CN115513366A
公开(公告)日：2022-12-23
申请号：CN202211274715.7
申请日：2022-10-18
Applicant: 南京工业大学
Abstract: 本发明公开了表面图形磁性薄膜平面叠层巨磁阻抗传感器，包括非磁性导电层；非磁性导电层的上方和下方对称的设置有表面图形磁性薄膜；表面图形磁性薄膜和非磁性导电层之间设有绝缘层；下层表面图形磁性薄膜连接绝缘基底；非磁性导电层的两端均设有电极；所述表面图形磁性薄膜由表面光滑磁性薄膜和多个条栅图案磁性薄膜组成；多个条栅图案磁性薄膜等间距地排列在表面光滑磁性薄膜上。本发明削弱了磁性薄膜宽度方向的退磁效应，可以显著增强表面图形磁性薄膜的巨磁阻抗效应，实现高灵敏度的磁场检测。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.024 seconds)
