-
公开(公告)号：CN111531582A
公开(公告)日：2020-08-14
申请号：CN202010343392.7
申请日：2020-04-27
Applicant: 武汉工程大学
Abstract: 本发明提供一种基于视觉的工业机器人故障检测方法及系统，其中，方法包括以下步骤：S1:获取工业机器人正常工作下的作业视频，并根据所述作业视频计算最长公共哈希子序列，所述最长公共哈希子序列包含多个哈希值，所述最长公共哈希子序列用于表示工业机器人的周期性动作模式，执行S2；S2:实时采集工业机器人的工作图像，分离出工业机器人，形成第二作业图像，计算所述第二作业图像的哈希值，记为h1,执行S3；S3:将所述哈希值h1与所述最长公共哈希子序列进行顺序极近似值匹配，若匹配成功，则执行S2,若匹配失败，则检测到异常动作，控制工业机器人急停，通过采集作业图像的方式对工业机器人进行故障检测，不仅成本低、采集难度小，抗干扰能力强。
-
公开(公告)号：CN110688368A
公开(公告)日：2020-01-14
申请号：CN201910929085.4
申请日：2019-09-28
Applicant: 武汉工程大学
Inventor： 陈灯 , 张哲泓 , 魏巍 , 张彦铎 , 李晓林 , 鞠剑平 , 唐剑影 , 刘玮 , 段功豪 , 卢涛 , 周华兵 , 李迅 , 于宝成 , 徐文霞 , 鲁统伟 , 闵峰 , 朱锐 , 彭丽 , 王逸文
IPC: G06F16/21 , G06F16/2458 , G06F16/28
Abstract: 本发明公开了一种构件行为模型挖掘方法与装置，该方法包括：S1)运行包含构件的软件，动态采集构件的带参行为交互序列，构成序列集合；S2)合并具有不同参数值的相同构件行为交互序列；S3)基于合并后的构件行为交互序列构建一棵树；S4)合并树中的等价节点获得有限状态机R’；S5)根据参数观察值集合归纳参数的不变式作为有限状态机R’中对应边的守护条件；S6)计算有限状态机R’中构件行为满足参数不变式的概率；S7)基于步骤S6)中迁移发生的概率得到最终的带参概率自动机表示的构件行为模型。本发明考虑了构件行为模型中参数-构件行为之间的依赖关系并采用概率模型对模型挖掘过程中的噪声进行有效处理，可获得更精确的构件行为模型。
-
公开(公告)号：CN106650748A
公开(公告)日：2017-05-10
申请号：CN201611009032.3
申请日：2016-11-16
Applicant: 武汉工程大学
CPC classification number: G06K9/4609 , G06K9/6256 , G06N3/0454
Abstract: 本发明公开了一种基于卷积神经网络的汉字识别方法，该方法包括以下步骤：1）采集训练用的文本图像；2）图像预处理：首先对图像进行非均匀光照调整，然后将图像转换为灰度图像；3）对预处理的图像进行特征提取；4）通过训练获得最终识别模型，选取测试识别正确率最高的卷积神经网络模型，作为最终识别模型；5）文字识别：对待识别的文本图像进行如步骤2）的图像预处理，采用训练所得的卷积神经网络模型进行识别，输出类别，匹配标签中汉字类别，输出汉字识别结果。本发明将提取方向特征图作为先验知识，和原始图像一起作为输入层的数据输入，以增强神经网络的识别性能，提高了汉字的识别率；且最终模型较小，计算速度快。
-
公开(公告)号：CN105468530A
公开(公告)日：2016-04-06
申请号：CN201510976002.9
申请日：2015-12-22
Applicant: 武汉工程大学
IPC: G06F11/36
CPC classification number: G06F11/3624
Abstract: 本发明公开了一种基于有限状态机的程序错误检测方法及系统，该方法包括以下步骤：S1、获取有限状态机和待检测程序，从待检测程序中提取待检测的函数调用序列集合；S2、从待检测集合中获取单个待检测的函数调用序列，求解有限状态机中与该待检测序列距离最短的函数调用序列；S3、比较待检测序列和距离最短序列进行错误检测与定位；S4、完成该待检测序列的检测和修复后，记录检测到的各个错误信息及修复方案；S5、对待检测集合中的所有待检测序列检测完毕后，输出程序错误报告。本发明没有协议转换造成的开销和精度损失，能够准确的定位到程序错误的产生点，具有较高的定位精度，并且能够自动生成错误修复方案。
-
公开(公告)号：CN104932865A
公开(公告)日：2015-09-23
申请号：CN201510405107.9
申请日：2015-07-10
Applicant: 武汉工程大学
Abstract: 本发明公开了一种组件协议挖掘方法、装置及系统，该方法包括：发送开始插桩指令至所述N个客户端，所述开始插桩指令中携带有需要挖掘的类的M个函数的函数标识，M为大于1的整数；接收所述N个客户端发送的所述M个函数的函数调用信息；所述函数调用信息是所述N个客户端基于所述开始插桩指令收集的信息；根据所述函数调用信息更新所述服务器中存储的所述类的组件协议。本发明提供的方法、装置及系统用以解决现有技术中的组件协议挖掘方法存在的人力耗费大和挖掘效率低的技术问题。实现了降低数据获取人力成本，提高组件协议挖掘效率的技术效果。
-
Patent Agency Ranking
公开(公告)号：CN117218641A
公开(公告)日：2023-12-12
申请号：CN202311235672.6
申请日：2023-09-25
Applicant: 武汉逸锦科技有限公司 , 武汉工程大学
IPC: G06V20/62 , G06V10/26 , G06V10/25 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/09
Abstract: 本发明公开了一种密集场景文本检测与识别方法，包括：获取公共数据集以及密集文本图像数据集；建立基于词长感知Transformer的深度学习网络模型，采用所述公共数据集对所述深度学习网络模型进行预训练，以生成初始识别模型；采用所述密集文本图像数据集对所述初始识别模型进行训练，以优化所述初始识别模型后，生成密集场景文本检测和识别协同模型；获取待识别密集场景文本图像，将所述待识别密集场景文本图像输入至所述密集场景文本检测和识别协同模型中，以得到识别结果。本发明解决了现有技术中密集场景文本检测与识别方法准确度低、容易出现漏检误检的技术问题。
-
公开(公告)号：CN114494098A
公开(公告)日：2022-05-13
申请号：CN202210338505.3
申请日：2022-04-01
Applicant: 武汉工程大学 , 武汉引行科技有限公司
Abstract: 本发明提供一种锂电池X射线图像增强方法、装置以及存储介质，属于图像处理技术领域，方法包括：通过X光机对待测锂电池进行图像采集得到锂电池X射线图像；对锂电池X射线图像的图像反射分量分析得到X射线反射图像；根据梯度因子对X射线反射图像的加权融合计算得到X射线融合图像；对X射线融合图像的对比度调整得到X射线调整图像。本发明有利于减弱光照伪影现象，避免了X射线图像这类低照度图像的亮度过度增强以及增强不足的问题，能够较好的提高锂电池X射线图像的对比度和清晰度，具有良好的图像增强效果，增强后的锂电池图像，电极得到增强，而噪声得到抑制，可显著提高锂电池电极缺陷检测的精度。
-
公开(公告)号：CN112949438A
公开(公告)日：2021-06-11
申请号：CN202110195714.2
申请日：2021-02-19
Applicant: 武汉工程大学 , 武汉引行科技有限公司
Abstract: 本发明是涉及农业与人工智能领域，尤其是一种基于贝叶斯网络的水果视觉分类方法及系统。本发明通过获取待分类水果的待分类水果数据，并进行预处理得到多个待分类水果视觉特征值；分别对每个所述待分类水果视觉特征值进行离散化处理后，输入至预先训练好的水果分类贝叶斯网络模型进行处理，得到所述待分类水果在多个等级分类下的等级分类概率；根据多个所述等级分类概率对所述待分类水果进行等级分类。本发明实现了水果的精确分类，有效地降低在水果分拣中所花费的人力物力。通过构建复杂的水果分类的贝叶斯网络模型可实现水果的精确分类，实现降低人力物力，达到水果的快速分类。
-
公开(公告)号：CN111552269B
公开(公告)日：2021-05-28
申请号：CN202010343394.6
申请日：2020-04-27
Applicant: 武汉工程大学
Abstract: 本发明提供一种基于姿态估计的多工业机器人安全性检测方法及系统，其中方法包括：S1:采集多工业机器人标准作业视频，并建立多个单工业机器人动作模式姿态向量序列A14，单工业机器人动作模式姿态向量序列A14中包含多个单工业机器人姿态向量A13，执行S2；S2:实时采集多工业机器人的作业视频，获取多个单工业机器人姿态向量A23，执行S3；S3:将任一单工业机器人姿态向量A23，记为h1,与对应的单工业机器人动作模式姿态向量序列A14进行匹配，若匹配成功，则执行S2,若匹配失败，则检测到异常动作，控制工业机器人急停，本方法检测过程简单准确且成本较低，而且可以同时检测多个工业机器人的工作状态。
-
公开(公告)号：CN112732967A
公开(公告)日：2021-04-30
申请号：CN202110023565.1
申请日：2021-01-08
Applicant: 武汉工程大学 , 武汉引行科技有限公司
Abstract: 本发明涉及一种图像自动标注方法、系统及电子设备，接收待标记图像，将待标记图像输入到自动图像标注模型中，以使所述自动图像标注模型中的第二主干卷积神经网络、第二卷积注意力网络、第二多尺度特征融合分支网络依次对所述待标记图像进行处理，得到第K级第三图像特征图，并使所述自动图像标注模型中的第二标签预测网络对所述第K级第三图像特征图进行处理，得到所述待标记图像的语义标签，其中K为正整数。利用自动图像标注模型对待标记图像进行处理，可以方便快捷地对待标记图像进行标注，还可以在进行图像标注时能够提供不同比例的图像特征来对图像进行标注，从而使得对图像的注释更为全面。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.021 seconds)
