-
公开(公告)号：CN118072141A
公开(公告)日：2024-05-24
申请号：CN202410086125.4
申请日：2024-01-22
Applicant: 哈尔滨工业大学
IPC: G06V10/82 , G06V10/94 , G06V20/60 , G06V10/764 , G06V10/44 , G06N3/0464 , G06N3/08 , A01M21/00
Abstract: 本发明提出了一种面向低功耗除草机器人的轻量级杂草检测模型及检测方法，属于农业工程和计算机视觉技术领域，检测模型将视觉传感器采集到的图像作为输入，提供包括杂草类别、边界框(bbox)和置信度(confidence)在内的输出；在特征提取中，PAM模块采用基于卷积神经网络的架构，在少量的卷积计算中穿插三种掩码进行计算，以减少计算量；在检测过程中，FOG模块在特征图上进一步提出区域建议，通过深度模型的输出，应用线性或非线性变换将图片中的坐标映射到现实世界，最后通过除草装置完成除草流程。
-
公开(公告)号：CN111738093B
公开(公告)日：2024-03-29
申请号：CN202010467350.4
申请日：2020-05-28
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于梯度特征的冰壶球自动测速方法。本发明属于冰壶球自动测速技术领域，本发明获取冰壶比赛视频，判定冰壶是否运动；根据前掷线的形状生成模板图像，提取模板图像的梯度信息，根据梯度信息确定模板图像中心在某一帧图像上的坐标；根据模板图像中心在某一帧图像上的坐标，确定冰壶球通过前掷线时的速度。本发明在通过自动检测冰壶球在前掷线处的速度，为冰壶机器人进行精确落点提供技术支持。在综合考虑了实际的计算精度与运算速度后，提出一种基于梯度特征的冰壶球自动测速方法，解决了因摄像头视角不同、场地背景复杂以及冰面反光而导致的绝大多数特征匹配算法失效的问题，为冰壶机器人将冰壶球精确投掷到大本营中心提供支持。
-
公开(公告)号：CN116403048B
公开(公告)日：2024-03-26
申请号：CN202310407119.X
申请日：2023-04-17
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/774 , G06N3/084 , G06V10/82 , G06N3/0464 , G06V10/42 , G06V10/80
Abstract: 一种基于多模态数据融合的农作物生长估计模型构建方法，属于农作物识别技术领域。为解决农作物生长过程中针对多种农作物普遍适用且估计准确的问题。本发明构建农作物图像训练集、农作物图像测试集、传感器数据训练集，传感器数据测试集；利用线性投影方法，将农作物图像训练集中的农作物图像输入卷积神经网络进行图像特征提取，利用传感器感知机方法，将传感器数据训练集中的传感器数据输入多层感知机神经网络进行传感器数据特征提取，利用Transformer编码器融合后进行拼接处理，然后经过池化、线性变换后输出为农作物生长评价指标，进行多模态数据融合的农作物生长估计。本发明适用于多种作物，大大减少了重新训练网络的时间。
-
公开(公告)号：CN114900384B
公开(公告)日：2024-03-22
申请号：CN202210373572.9
申请日：2022-04-11
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种跨平台的物联网与智能设备的通信系统及其通信方法。本发明涉及物联网智能家居技术领域，本发明系统包括：智能音箱、家居设备、云平台、网关和web服务器；用户通过智能音箱控制家居设备，智能音箱通过无线网络将音频数据上传至云平台，云平台通过音频转文字解析用户意图，并将解析得到的参数传输至web服务器；家居设备对网关发起请求连接，网关将家居设备消息解析并发送至web服务器。本发明解决由于商用物联网定义的强封闭协议带来的两个平台之间数据难于进行交互的问题，通过实现一个能用且易用的跨平台智能家居联动服务的方式，降低信息共享的门槛，使消费者无需购买功能重复的不同云平台的系统。
-
公开(公告)号：CN117630818A
公开(公告)日：2024-03-01
申请号：CN202311601140.X
申请日：2023-11-28
Applicant: 哈尔滨工业大学
IPC: G01S5/18 , G10L25/21 , G10L25/18 , G10L25/30 , G01M9/04 , G06F18/213 , G06F18/25 , G06N3/0464 , G06F123/02
Abstract: 本发明是一种面向多通道音频定位的特征预处理和提取方法。本发明涉及音频预处理技术领域，本发明进行DSB特征提取LogMel特征和IV特征，提取后的特征进行全局归一化，归一化的数据在深度学习上进行训练和测试；通过DSB边缘端加速方法进行加速处理，将提取的特征用于训练一个CRNN模型，用于声源方向的估计。本发明对经过DSB处理的音频进行LogMel特征和IV特征的提取。在特征提取过程中，本发明利用边缘端GPU在Nano上加速处理。最后使用提取的特征训练一个CRNN。与使用不进行DSB的特征相比，使用DSB方法训练的CRNN可以有效的降低DoA误差，并且依然可以在边缘端实时的运行。
-
Patent Agency Ranking
公开(公告)号：CN117198549A
公开(公告)日：2023-12-08
申请号：CN202311244879.X
申请日：2023-09-25
Applicant: 哈尔滨工业大学
Abstract: 本发明提供一种血糖预测和控制方法及系统，涉及药代动力学机理技术领域，血糖预测和控制方法包括：根据强化学习模型，得到目标人员的当前时刻血糖状态以及预计外部干预量；将当前时刻血糖状态和预计外部干预量正向输入可逆神经网络，得到下一时刻血糖状态；将当前时刻血糖状态和期望血糖状态逆向输入可逆神经网络，得到从当前时刻血糖状态到期望血糖状态所需要的参考外部干预量；根据参考外部干预量调整预计外部干预量；当下一时刻血糖状态达到期望血糖状态时，将调整后预计外部干预量作为最终外部干预量。通过可逆神经网络对预计外部干预量进行调整，利用反事实思考，提高机器学习对频繁变化的外部干预量等新鲜数据的泛化能力。
-
公开(公告)号：CN116611520A
公开(公告)日：2023-08-18
申请号：CN202310540168.0
申请日：2023-05-12
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种数字农业信息的分层因果发现方法、装置、介质及设备，属于农业信息化技术领域，所述方法包括：获取数字农业信息的数据集；构建包括高层策略和低层策略两层分层结构的因果发现框架；通过高层策略获取数据集的因果分割集合，根据因果分割集合，将数据集转换为多个因果变量子集合组成的因果变量子集族；通过低层策略对每一个因果变量子集合进行因果发现，获取每一个因果变量子集合的因果发现结果；通过高层策略将所有因果发现结果合并，获取数据集中全部变量的因果关系；获取所述数字农业信息中不同变量的因果关系。本发明能够有效降低独立性测试的复杂性，能够显著提高大规模变量情况下的因果发现效率。
-
公开(公告)号：CN112347951B
公开(公告)日：2023-07-11
申请号：CN202011253584.5
申请日：2020-11-11
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V40/20 , G06V10/764 , G06V10/77 , G06V10/774 , G06F3/01 , G06V10/30 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种手势识别方法、装置、存储介质及数据手套，方法包括：获取数据手套完成当前动作时数据手套的各个传感器采集的传感器数据，所有传感器数据组成一个输入数据；采用主成分分析法对输入数据进行特征提取，获得第二特征数据；将第二特征数据输入训练好的多类SVM分类器，确定当前动作对应的手势；当训练好的多类SVM分类器无法识别当前动作时，对输入数据进行预处理，获得预处理后的数据；将预处理后的数据输入训练好的手势识别模型，输出当前动作对应的手势，其中，手势识别模型是基于卷积神经网络和长短期记忆循环网络建立的。本发明的技术方案能够在提高手势识别速度的同时，保证手势识别的精度。
-
公开(公告)号：CN116403048A
公开(公告)日：2023-07-07
申请号：CN202310407119.X
申请日：2023-04-17
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/774 , G06N3/084 , G06V10/82 , G06N3/0464 , G06V10/42 , G06V10/80
Abstract: 一种基于多模态数据融合的农作物生长估计模型构建方法，属于农作物识别技术领域。为解决农作物生长过程中针对多种农作物普遍适用且估计准确的问题。本发明构建农作物图像训练集、农作物图像测试集、传感器数据训练集，传感器数据测试集；利用线性投影方法，将农作物图像训练集中的农作物图像输入卷积神经网络进行图像特征提取，利用传感器感知机方法，将传感器数据训练集中的传感器数据输入多层感知机神经网络进行传感器数据特征提取，利用Transformer编码器融合后进行拼接处理，然后经过池化、线性变换后输出为农作物生长评价指标，进行多模态数据融合的农作物生长估计。本发明适用于多种作物，大大减少了重新训练网络的时间。
-
公开(公告)号：CN112801283B
公开(公告)日：2023-06-16
申请号：CN202110335501.5
申请日：2021-03-29
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V10/82 , G06V40/20 , G06N3/0464 , G06N3/08 , G06V10/40
Abstract: 本发明提供了一种神经网络模型、动作识别方法、装置及存储介质，神经网络模型包括多个卷积模块、输出模块、多个注意力子模块和分类模块，多个卷积模块和输出模块依次连接，且每个卷积模块的输出端分别连接至一个注意力子模块的输入端，每个注意力子模块的输入端还分别与输出模块的输出端连接，注意力子模块的输出端与分类模块的输入端连接；注意力子模块，用于获取各个卷积模块输出的局部特征向量和输出模块输出的全局特征向量，分别计算各个局部特征向量和全局特征向量之间的兼容性分数，根据各个局部特征向量和对应的兼容性分数生成新特征向量；分类模块，根据新特征向量确定当前人体动作。本发明的技术方案能够提高人体动作的识别精度。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.033 seconds)
