-
公开(公告)号：CN116602121A
公开(公告)日：2023-08-18
申请号：CN202310894418.0
申请日：2023-07-20
Applicant: 无锡学院
IPC: A01D45/00
Abstract: 本发明涉及农作物采摘机技术领域，具体为一种具有分选功能的采摘机，包括采摘机本体，还包括有固定座，固定座设置在采摘机本体上；分选件，分选件设置在固定座上，夹持板，夹持板设置有两个，两个夹持板分别设置在固定座两侧；同步转动部件，同步转动部件设置在固定座上，并与两个夹持板相连接，此具有分选功能的采摘机，利用所述分选件能够对长条形农作物进行检测分选；利用所述同步转动部件驱使两个所述夹持板；在所述同步转动部件驱使两个夹持板相互靠近后，所述气动防护部件对两个所述气囊同时进气，在所述同步转动部件驱使两个夹持板相互远离至靠近固定座时，所述气动防护部件同时释放两个气囊内的气体，吹动周围的农作物叶片。
-
公开(公告)号：CN115055715A
公开(公告)日：2022-09-16
申请号：CN202210990128.1
申请日：2022-08-18
Applicant: 无锡学院
IPC: B23B39/00
Abstract: 本发明公开了一种机械加工多功能打孔设备，属于机械加工技术领域，包括底座，所述底座上设置有立柱与装配平台，所述立柱通过螺丝安装固定于底座顶部右侧中间，立柱上设置有电机座、第一螺杆与双向开关，所述电机座通过螺丝安装固定于立柱顶部，电机座顶部通过螺丝安装固定有电机，所述第一螺杆通过轴承过盈连接于立柱内部中间，且第一螺杆顶端贯穿并延伸至立柱顶部外侧通过联轴器与电机主轴相连接，所述双向开关通过螺丝安装固定于立柱前端下方，双向开关与电机电连接，所述装配平台通过螺丝安装固定于底座顶部中间。本发明可对不同角度的孔洞进行钻削加工，有效提高了生产效率。
-
公开(公告)号：CN119917958A
公开(公告)日：2025-05-02
申请号：CN202510412846.4
申请日：2025-04-03
Applicant: 无锡学院
IPC: G06F18/2431 , G06F18/25 , G01M99/00
Abstract: 本发明提供一种多传感器数据融合的设备故障诊断方法及系统，涉及设备故障诊断技术领域，本发明通过多传感器数据融合的方法，显著提高了设备故障诊断的准确性和可靠性。具体而言，本发明从图像、温度多个传感器数据中提取特征，并通过特征融合生成设备故障特征指数，从而实现对设备故障的预测诊断，通过采集关键部位的温度数据以及工作图像，对工作图像进行相关性分析，生成反映设备工作图像的图像纹理特征评估指数，对温度数据进行相关性处理，生成反映设备温度特征值的温度特征评估指数，并对温度特征评估指数和图像纹理特征评估指数进行相关性分析，生成设备故障特征指数，从而输出可能性最高的故障类型。
-
公开(公告)号：CN119886211A
公开(公告)日：2025-04-25
申请号：CN202510378245.6
申请日：2025-03-28
Applicant: 无锡学院
Abstract: 一种基于智慧交通系统采集数据的城市交通流量预测方法。属于智慧交通技术领域，具体涉及一种基于物联网采集设备的城市交通流量预测技术领域。其解决了传统的交通流量预测方法的长期预测能力差，模型复杂度高，无法适应大规模交通预测的问题。所述方法包括如下步骤：统计监测数据，获取流量序列，并进行预处理；构建DSTTN模型，所述DSTTN模型从输入层到输出层依次经过线性层、连接与线性层、时空块以及输出层，在输入层和连接与线性层之间添加一个动态时空嵌入模块；根据训练好的DSTTN模型；得到模型的预测结果；将待预测流量序列输入训练完的DSTTN模型，生成预测结果。
-
公开(公告)号：CN119810563A
公开(公告)日：2025-04-11
申请号：CN202510043757.7
申请日：2025-01-10
Applicant: 无锡学院
IPC: G06V10/764 , G06V40/16 , G06V10/774 , G06F18/2431
Abstract: 本发明提供一种基于竞争和非负表示的分类方法及分类器，方法包括：获取训练样本集和测试样本；对训练样本集中的训练样本进行归一化处理；利用预设的Co‑NRC目标函数求解测试样本在归一化后的训练样本集上的表示系数；计算测试样本在归一化后的训练样本集中每个类别上的残差；根据残差进行分类，将测试样本识别为最小残差对应的类别；本发明在NRC的基础上引入了一个类竞争约束正则项，竞争约束可以创造一个激烈的竞争环境，让所有类都竞争的表示测试样本，在非负约束的基础上进一步地惩罚异质样本，使同质样本的表示贡献更大，有效地提升了分类准确率；本发明可以广泛运用于人脸识别、对象分类、视觉跟踪等任务，具有良好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN118711147B
公开(公告)日：2025-04-04
申请号：CN202411090235.4
申请日：2024-08-09
Applicant: 无锡学院
IPC: G06V20/54 , G06V20/40 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/94 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/082 , G08G1/01
Abstract: 本发明公开了一种基于深度学习的车辆闯红灯监测方法和系统，所述方法包括以下步骤：通过高清摄像头采集交通路口实时监控视频；对实时监控视频进行检测区域划分；通过深度神经网络对划分后的检测区域进行检测；基于划分区域的检测结果对车辆是否闯红灯进行判断。所述系统包括：车辆实时视频采集模块，目标路口区域划分模块，基于深度神经网络的车辆检测模块，红灯显示期间关键帧获取模块，闯红灯行为判断模块，报警模块，信息存储模块和电子设备部署装置。本发明能够对闯红灯的车辆进行识别，并根据车牌照片自动提取车牌信息完成数据存储与报警。
-
公开(公告)号：CN119338912B
公开(公告)日：2025-03-18
申请号：CN202411864989.0
申请日：2024-12-18
Applicant: 无锡学院
Abstract: 本发明提供基于视觉检测的起重机小车定位校验系统及校验方法，涉及起重机小车定位技术领域，该方法通过将深度学习算法应用于图像识别，能够有效提高小车在复杂环境下的定位精度，同时利用激光测距提供实时的距离信息，从而实现更为精准的定位校验。核心步骤包括图像数据的实时采集与去噪处理、深度学习模型的训练以及基于卡尔曼滤波的多传感器数据融合，这些步骤共同构成了一个高效的定位系统。再依据与目标位置的偏差进行速度和角度的修正。本发明不仅减少了在起重机操作中可能出现的安全隐患和经济损失，还提高了小车作业的整体效率。
-
公开(公告)号：CN119515698A
公开(公告)日：2025-02-25
申请号：CN202411626113.2
申请日：2024-11-14
Applicant: 无锡学院
IPC: G06T5/50 , H04N23/11 , G06V10/54 , G06T3/4038 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明公开了一种红外与可见光图像融合方法、电子设备和存储介质，属于图像处理的技术领域；该方法包括：获取弱可见光图像以及与所述弱可见光图像对应的红外图像；构建图像融合网络，所述图像融合网络使用预训练的亮度调节网络生成的有监督标签进行监督，同时采用预训练的提示词生成网络对融合图像质量进行约束；将所述弱可见光图像以及与所述弱可见光图像对应的所述红外图像输入所述图像融合网络中进行融合，得到融合图像。本发明的技术方案不仅有效抑制了传统夜间图像融合算法存在的白天过曝问题，同时还有效抑制了夜间点光源过曝问题。
-
公开(公告)号：CN119445070A
公开(公告)日：2025-02-14
申请号：CN202411435307.4
申请日：2024-10-15
Applicant: 无锡学院
IPC: G06V10/25 , G06V10/82 , G06V10/764 , G06V10/766 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/143 , G06V20/58 , G06V20/70 , G06N3/0464 , G06N3/045 , G06N3/0985 , G06N3/048
Abstract: 本发明提出一种基于改进轻量化YOLOv8模型的夜间红外检测方法及系统，涉及深度学习、目标检测的技术领域。首先，获取红外图像数据集，对红外图像数据集进行预处理，并将预处理后的红外图像数据集划分为训练集、验证集和测试集；构建改进轻量化YOLOv8模型；所述改进轻量化YOLOv8模型在YOLOv8模型的基础上加入用于提高红外图像多尺度及特征提取能力的DWR模块、用于提高图像特征融合能力的CGAFusion模块和LSDECD_Detect模块；利用训练集对改进轻量化YOLOv8模型进行训练，并在训练过程中，利用验证集验证改进轻量化YOLOv8模型的有效性，得到训练好的改进轻量化YOLOv8模型；将测试集输入至训练好的改进轻量化YOLOv8模型，得到红外检测结果，实现在夜间能见度较差的情况下，提高车辆检测准确率。
-
公开(公告)号：CN118886801B
公开(公告)日：2025-01-28
申请号：CN202411382722.8
申请日：2024-09-30
Applicant: 无锡学院
IPC: G06Q10/067 , G06N3/0464 , G06N3/08 , G06Q10/04 , G06Q10/0637 , G06Q50/26 , G08G1/01
Abstract: 本发明公开一种交通流预测模型的构建方法及交通流预测方法，包括如下步骤：S100、以图结构来描述网络中实体之间的关系，同时构建节点之间的特征矩阵；S200、根据图结构和特征矩阵，采用结合时空注意力机制的卷积神经网络框架，构建交通流预测模型。本发明建立一个由图网络生成层、图卷积模块和多尺度时间卷积模块三个核心组件构成的框架，由自适应动态图生成器和异构邻接关系注意力机制来生成动态邻接矩阵，并对多类邻接矩阵聚合，进而更好地利用交通节点中的交通特性，以及捕捉提取交通特征里隐含的空间特征，克服了传统方法的局限性，有效地解决了传统交通流量预测方法在智能交通系统中预测准确度度、无法反映交通网络影响等问题。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.034 seconds)
