-
公开(公告)号：CN102800051B
公开(公告)日：2015-05-06
申请号：CN201210084914.1
申请日：2012-03-28
Applicant: 中南大学
Abstract: 本发明公开了一种基于分数阶微分的自适应浮选泡沫图像增强方法。首先根据分数阶微分特性与浮选泡沫图像特点构造合适的分数阶微分掩模；其次通过实验分析图像质量与微分阶数的关系，选取对比度作为浮选泡沫图像质量的评价标准，其与微分阶数的存在连续唯一的关系；最后采用变形二分法，以图像对比度作为图像评价准则，指导寻找最佳分数阶微分的阶数并根据得到的最佳阶数的分数阶微分掩模，对浮选泡沫图像进行处理得到增强后的图像。本发明能大量节省人工调试寻找最佳微分阶数的时间，使得增强后的图像边缘明显突出，纹理更加清晰，图像分割与特征提取等更加准确，工艺参数及回收率预测精度更高，实现浮选生产操作优化，减少矿产资源浪费。
-
公开(公告)号：CN104268600A
公开(公告)日：2015-01-07
申请号：CN201410527643.1
申请日：2014-10-09
Applicant: 中南大学
CPC classification number: G06K9/627 , G06T7/41 , G06T2207/30108
Abstract: 本发明公开了一种基于Minkowski距离的矿物浮选泡沫图像纹理分析及工况识别方法，通过获取矿物泡沫浮选不同工况下的泡沫图像样本，将图像样本进行预处理；然后采用分水岭分割算法对预处理后的泡沫图像样本进行分割，利用统计获得各泡沫尺寸以确定Minkowski距离公式中参数，并建立泡沫图像的复杂网络模型，计算其能量和熵，作为泡沫图像纹理描述指标；最后利用得到的泡沫图像纹理指标作为图像样本的特征向量，训练线性判别式分类器，从而对测试图像样本进行分类，识别实时浮选过程工况。本发明方法计算简单、分类准确率高，可用于矿物浮选泡沫图像的纹理特征提取、分类识别及浮选过程工况的实时监控。
-
公开(公告)号：CN116000936B
公开(公告)日：2025-05-13
申请号：CN202310084477.1
申请日：2023-02-09
Applicant: 中南大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于状态转移算法的工业机器人自适应阻抗控制方法、设备及介质，方法包括：基于牛顿‑欧拉法构建工业机器人的动力学模型，采用实验辨识法对模型未知参数进行辨识；基于辨识得到的动力学模型设计工业机器人与外界环境接触的位置型阻抗控制器，并引入自适应控制策略来保证力误差的稳定性；利用状态转移算法对自适应阻抗控制器的参数进行寻优，同时引入变尺度机制对寻优参数进行动态自适应更新以加快寻优速度；基于优化参数的自适应阻抗控制器，对工业机器人进行控制。本发明在充分考虑工业机器人动力学特性的前提下，实现了工业机器人末端的柔顺控制，能够提高机器人在未知环境下的鲁棒性，相应地优化了控制性能。
-
公开(公告)号：CN119169017A
公开(公告)日：2024-12-20
申请号：CN202411241686.3
申请日：2024-09-05
Applicant: 中南大学
IPC: G06T7/10 , G06V10/80 , G06N3/084 , G06N3/0985 , G06N3/0464
Abstract: 本发明提供了一种管状结构图像分割方法及相关设备，通过获取管状结构图像数据输入分割模型进行训练，得到管状结构图像分割模型；将目标管状结构图像输入管状结构图像分割模型进行分割，得到分割结果；分割模型包括特征提取模块、特征增强模块和输出模块；与现有技术相比，本发明改进了特征提取、融合和增强方式，通过特征提取模块提取管状结构包括水平、垂直、全局在内的不同方向特征，通过特征融合模块融合来自不同方向的特征，充分利用不同方向的空间信息，通过特征增强模块进一步强化管状结构特征，从而提高管状结构图像的分割精度。
-
公开(公告)号：CN116858818A
公开(公告)日：2023-10-10
申请号：CN202310046496.5
申请日：2023-01-31
Applicant: 中南大学
Abstract: 本发明公开了一种基于拉曼光谱的硫化锑矿物品位的定量预测分析方法及装置。本发明首先对样本进行预处理(去噪、基线校正)，选择硫化锑定量分析的特征波长，以及建立多变量的校准模型。根据锑浮选主要步骤中硫化锑的含量，提出了基于LWMKPLS定量分析的硫化锑含量多变量标定模型。该模型通过将原矿样品中硫化锑含量数据分为训练集和验证集，分别对模型进行训练和测试，证明该方法可以提高定量分析模型的预测精度。本发明对各种复杂的硫化锑矿物的品位都能实现准确完整的定量分析过程，为硫化锑矿物含量的定量分析提供了一条新途径。
-
Patent Agency Ranking
公开(公告)号：CN116000936A
公开(公告)日：2023-04-25
申请号：CN202310084477.1
申请日：2023-02-09
Applicant: 中南大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于状态转移算法的工业机器人自适应阻抗控制方法、设备及介质，方法包括：基于牛顿‑欧拉法构建工业机器人的动力学模型，采用实验辨识法对模型未知参数进行辨识；基于辨识得到的动力学模型设计工业机器人与外界环境接触的位置型阻抗控制器，并引入自适应控制策略来保证力误差的稳定性；利用状态转移算法对自适应阻抗控制器的参数进行寻优，同时引入变尺度机制对寻优参数进行动态自适应更新以加快寻优速度；基于优化参数的自适应阻抗控制器，对工业机器人进行控制。本发明在充分考虑工业机器人动力学特性的前提下，实现了工业机器人末端的柔顺控制，能够提高机器人在未知环境下的鲁棒性，相应地优化了控制性能。
-
公开(公告)号：CN110421547B
公开(公告)日：2022-10-28
申请号：CN201910630375.9
申请日：2019-07-12
Applicant: 中南大学
Abstract: 本发明公开一种基于估计动力学模型的双臂机器人协同阻抗控制方法。首先根据目标物体在笛卡尔空间中的期望轨迹，计算得到机器人双臂末端笛卡尔空间期望轨迹，然后测量得到两台机械臂的末端与目标物体产生的实际接触力，将实际接触力和期望接触力求偏差，再对期望轨迹进行修正。然后计算得到双臂机器人关节角度轨迹。借助时间延时估计、期望速度反馈、期望位置反馈得到双臂机器人的估计动力学模型，并由此得到双臂机器人各关节的控制力矩，控制双臂机器人完成的运动。本发明可以实现双臂机器人与外界环境交互过程中的运动学和动力学协调，能够通过估计动力学模型快速生成控制力矩，可应用于双臂机器人协同作业的运动控制中。
-
公开(公告)号：CN108846839B
公开(公告)日：2021-08-10
申请号：CN201810569477.X
申请日：2018-06-05
Applicant: 中南大学
Abstract: 本发明公开了一种基于扇形邻域差异直方图的匣钵裂纹检测方法。首先采集待检测匣钵的表面图像；再通过细节提取和阈值分割粗略提取到带有大量噪声的裂纹二值图像；然后根据裂纹像素点在邻域内的空间聚集特征和方向特征的特点，构造扇形滤波器并与图像卷积得到扇形邻域差异直方图；通过扇形邻域差异直方图分析裂纹像素点和非裂纹像素点的裂纹分布概率特征差异，对裂纹像素点和非裂纹像素点进行分离，实现裂纹的提取；最后，通过提取所得裂纹的全局以及局部的长度和面积特征，得到一个反映龟裂程度的评估因子，进行龟裂程度等级评估。本发明对复杂的匣钵底面上各种类型的裂纹都能实现准确完整的检测效果，可以应用于匣钵裂纹的自动化检测。
-
公开(公告)号：CN108616722B
公开(公告)日：2021-02-26
申请号：CN201810346509.X
申请日：2018-04-18
Applicant: 中南大学
IPC: H04N7/18 , H04N21/6437 , H04N21/8547 , H04N21/236 , H04N21/44 , H04N21/81 , H04N19/42
Abstract: 本发明公开了一种嵌入式高清视频采集与数据流传输系统，基于Samsung S5P6818核心板，采用OV5640摄像头集成板卡采集高清图像数据，采用核心板内部集成的多媒体硬件编解码器对图像进行压缩编码，并使用算法处理算法对图像特征进行提取，通过板上搭建的流媒体服务器向局域网中发布实时视频和特征参数数据流。设计和实现远程PC客户端接收视频流数据和图像特征参数数据，通过解码、显示和本地存储，支持历史查询等功能。
-
公开(公告)号：CN112365539A
公开(公告)日：2021-02-12
申请号：CN202011256959.3
申请日：2020-11-11
Applicant: 中南大学
Abstract: 本发明涉及一种融合模板匹配与对称直线分割的铸锭模具金属溶液边界定位方法。首先利用模板匹配法检测出一块铸锭模具的位置，依据相邻铸锭间距相等的特点，计算得到多块铸锭模具的位置。然后利用铸锭模具与金属溶液颜色的偏差，采用sobel算子对铸锭区域进行边缘检测，得到铸锭内部边缘信息。由于金属溶液存在镜面反射，导致液体表面有干扰的阴影，采用一种对称直线分割的方法，筛选出四条边缘直线，最后计算四条直线的交点，得到金属溶液的矩形位置。本发明能够克服铸锭的阴影、光照变化等因素的干扰，能同时检测多个铸锭的位置，具有较强的自适应调节能力。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.022 seconds)
