-
公开(公告)号：CN119200387B
公开(公告)日：2025-05-06
申请号：CN202411720857.0
申请日：2024-11-28
Applicant: 南京信息工程大学
IPC: G05B11/42
Abstract: 本发明公开了多移动智能体防抖动自动瞄准方法、系统、设备及介质，涉及目标检测与跟踪技术领域。本发明接收摄像机场景图像画面帧，并将其输入检测器中，对检测器输出的目标点集进行多项后处理以及优化操作，挑选出最佳的目标点作为跟踪点，最终通过外部控制设备进行跟踪。本发明以关键点检测器为基础，融合基于MOT的多目标筛选策略，并首次将机械控制中的PID控制方法应用于跟踪的后处理阶段，通过自适应微调抵消跟踪延时，实现抗多余目标干扰的高平滑度目标跟踪，最大程度上弥补了推理延时带来的跟踪滞后现象及准星抖动，同时能够预知跟踪方向大幅度变化、跟踪点丢失等突发状况并提前做出决策。
-
公开(公告)号：CN119206515B
公开(公告)日：2025-05-02
申请号：CN202411710169.6
申请日：2024-11-27
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06V10/54 , G06V10/143 , G06V10/764 , G06V10/80
Abstract: 本发明公开一种植物冷害检测技术领域的基于表型融合的草莓冷害风险预警与胁迫检测方法及装置，方法包括基于内部电子处于基态的待测叶片的荧光参数表型图像和高光谱表型图像，提取表型空间分布特征；计算表型空间分布特征的叶片像元与待测叶片生理指标之间的相关性，获得空间分布特征参数输入XGBoost集成学习模型，预测待测叶片的光合生理潜力指数和相对负积温，计算待测叶片的冷害损伤风险指数结果；根据冷害损伤风险指数和光合生理潜力指数判定草莓低温冷害预警与胁迫程度。本发明将特定方向的空间变异特征信息与表型数据进行充分融合，实现了从叶尺度上快速、无损且定量地判定草莓植株的冷害风险预警等级与胁迫程度。
-
公开(公告)号：CN118262140B
公开(公告)日：2025-05-02
申请号：CN202410085558.8
申请日：2024-01-22
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种部署在FPGA上的地基云图识别模型的识别方法，包括：基于残差网络构建地基云图识别模型；对所述地基云图识别模型进行训练和验证，获取最优的模型权重参数；对最优的所述模型权重参数进行量化处理；通过FPGA的PS端读取待识别的地基云图和量化处理的所述模型权重参数，并加载到存储DDR中；通过FPGA的PL端部署所述地基云图识别模型，所述PL端从所述PS端读取待识别的地基云图和量化处理的所述模型权重参数，生成识别结果并将所述识别结果返回所述PS端；本发明提供的地基云图识别模型不仅识别精度高，同时可以部署在FPGA上，从而不同于电脑或服务器识别地基云图的装置，具有便携、方便布网的优点。
-
公开(公告)号：CN114629506B
公开(公告)日：2025-05-02
申请号：CN202210183281.3
申请日：2022-02-25
Applicant: 南京信息工程大学
IPC: H03M13/11
Abstract: 本发明公开了一种GLDPC码的构造方法在，当集合S中选取的元素数量达到目标数量MG时，将集合S中所有的SPC校验节点都替换成广义约束校验节点后，大小为M*N的基矩阵HLDPC也就被扩展成了大小为（m*MG+M‑MG）*N的矩阵HGLDPC,则矩阵HGLDPC即为构造出的GLDPC码的校验矩阵。本发明提供的一种GLDPC码的构造方法，保证广义约束校验节点输出的高置信度LLR信息输入到更多的校验关系中，在不改变GLDPC的基矩阵、分量码和校验节点替换数量等参数，不提高系统复杂度的情况下，提升GLDPC码的误码率性能。
-
公开(公告)号：CN111403921B
公开(公告)日：2025-05-02
申请号：CN201911125268.7
申请日：2019-11-18
Applicant: 南京信息工程大学
IPC: H01Q15/24
Abstract: 本发明公开一种平面人工电磁结构线极化波任意极化角度转换器，用于将任意方位极化的线极化电磁波实现角度偏转。谐振单元由三部分复合构成：四片矩形铜质贴片，两块绝缘F4B介质基板，以及压合在两块介质基板中间的铜制金属地基板。介质基板上开凿两个孔，并在孔的边缘镀铜。极化转换机制为：当5.8GHz、任意方位极化的线极化波正入射到该结构正面时，通过平面单级子天线耦合产生谐振，正面单极子天线接收的能量经由镀铜孔耦合到背面单极子天线，通过入射电场的正交分解与透射正交电场的合成，从而实现入射线极化波的#imgabs0#角度旋转。与传统的极化转换装置相比，优势为结构简单，适应线极化波的任意角度转换，插入损耗低、极化转换效率高、制备成本低。
-
Patent Agency Ranking
公开(公告)号：CN119904705A
公开(公告)日：2025-04-29
申请号：CN202510399435.6
申请日：2025-04-01
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于多频激励的覆盖物识别方法及检测装置，属于电子技术和传感器技术领域，覆盖物识别方法包括：构建敏感电容器的等效电路，所述等效电路包括串联的等效电阻、等效电感以及等效电容；在不同温度下，通过不同频率的激励信号激励所述敏感电容器，并获取等效电阻的电阻值、等效电容的电容值以及敏感电容器上覆盖物类别；将同一组的温度值、频率值、电阻值以及电容值作为样本数据，将相应的覆盖物类别作为真实标签，构建样本集；构建基于神经网络的覆盖物识别模型，通过所述样本集对所述覆盖物识别模型进行训练；通过训练好的覆盖物识别模型实现覆盖物识别；本发明能够准确可靠地对覆盖物进行识别。
-
公开(公告)号：CN119904508A
公开(公告)日：2025-04-29
申请号：CN202510389444.7
申请日：2025-03-31
Applicant: 南京信息工程大学
IPC: G06T7/62 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于小波变换与卷积神经网络的建筑物高度预测方法，属于建筑物测量技术领域。本发明首先利用卫星光学图像和合成孔径雷达图像构建数据集；然后结合小波变换和卷积神经网络构建初始建筑物高度预测模型；再利用训练集和标签对初始建筑物高度预测模型进行训练；最后利用目标建筑物高度预测模型预测建筑物的高度。本发明将小波变换融入卷积神经网络，捕获图像的四个不同频率信息，充分利用图像的高频和低频信息，增强建筑物特征的表达，并且利用卷积神经网络对建筑物高度识别能力，进一步提高了建筑物高度预测的准确度。
-
公开(公告)号：CN119250112B
公开(公告)日：2025-04-29
申请号：CN202411756034.3
申请日：2024-12-03
Applicant: 南京信息工程大学
IPC: G06N3/042 , G06N3/0464 , G06N3/049 , G06N3/0442 , G06N3/0985 , G06F18/214
Abstract: 本发明公开了一种基于时空图卷积神经网络的闪电推演方法和系统，该方法包括根据闪电定位数据获取闪电区域信息，构建闪电区域拓扑图；对闪电定位数据进行预处理，将预处理后的数据映射到对应区域，计算各区域内的地闪密度，并按照设定阈值对地闪密度进行等级划分；将各区域地闪密度等级映射到图的对应节点中，得到设定时间内的地闪密度数据，按照时间间隔进行划分，结合闪电区域拓扑图，构建具有图结构的闪电密度时间序列数据集，将该数据集输入到时空图卷积神经网络模型中进行训练和参数调优，得到最终的时空图卷积神经网络模型，利用该模型完成闪电推演。本发明能更有效学习闪电的空间规律和时间规律，提高闪电推演的准确性。
-
公开(公告)号：CN119226721B
公开(公告)日：2025-04-29
申请号：CN202411719702.5
申请日：2024-11-28
Applicant: 南京信息工程大学
IPC: G06F18/15 , G01P5/00 , G06F18/211
Abstract: 本发明公开了一种海浪波谱仪天底点风速反演方法，具体为：步骤1：读取SWIM L2级产品数据中用于天底点海面风速反演的参数；步骤2：对读取的数据进行筛选，保留有效数据；步骤3：基于天底点box索引将天底点标准化后向散射系数与其所在的box对应；步骤4：根据NRCS廓线的线性拟合系数计算平均海面均方斜率；步骤5：根据一维海浪谱，计算谱能级；步骤6：对天底点标准化后向散射系数，该天底点标准化后向散射系数所在box的平均海面均方斜率以及该天底点标准化后向散射系数所在box的谱能级进行归一化处理；基于归一化处理后的数据计算天底点海面风速。本发明能进一步提高计算精度。
-
公开(公告)号：CN119128611B
公开(公告)日：2025-04-29
申请号：CN202411612985.3
申请日：2024-11-13
Applicant: 南京信息工程大学
IPC: G06F18/24 , G06F18/213 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本发明公开了一种基于不平衡无标签监测数据自监督的智能故障诊断方法，第一步，准备大量无标签数据作为自监督训练数据，准备有标签数据，并分割为有监督训练数据和测试数据；第二步，基于三种增强方法的无标签数据增强；第三步，构建包含特征提取和特征映射的自监督网络；第四步，通过逆注意力挑选稀少类别数据对应特征；第五步，基于挑选特征进行噪声对比估计损失函数设计，并优化自监督网络；第六步，基于自监督预训练后的特征提取网络，通过少量有标签故障数据进行诊断网络的调整；第七步，将监测信号输入上述训练好的网络。本发明更契合实际监测数据无健康状态标签与类型不平衡问题，提高了现有故障诊断网络的诊断能力。
-
-
-
-
-
-
-
-
-
Search Results
18500
records
(took 0.093 seconds)
