-
公开(公告)号：CN119835307A
公开(公告)日：2025-04-15
申请号：CN202411873790.4
申请日：2024-12-18
Applicant: 中国电子科技南湖研究院
Inventor： 姚志勇
IPC: H04L67/125 , H04L67/12 , H04L67/06 , H04L69/22 , H04L9/40 , H04L41/082 , H04L41/0853 , H04M1/72403 , H04M1/72409 , G06F16/29
Abstract: 本发明公开了一种基于鸿蒙系统的无人设备接入平台，由无人设备纳管软件、无人设备控制软件和多种无人设备组成，所述纳管软件包括无人设备列表、无人设备控制、无人设备视频显示、无人设备状态回传、GIS和鉴权；所述无人设备控制软件，用于纳管软件和无人设备之间的信息传递。用户只需要使用一个部署了纳管软件的终端即可对多款无人设备进行控制与管理。其中控制软件安装了无人设备的SDK，纳管软件通过控制软件间接的控制无人设备。纳管软件可以根据无人设备的类型灵活加载无人设备的控制组件、可以在GIS上看到所有无人设备的位置、可以部署在鸿蒙系统。平台也包含鉴权和多用户下的权限交接。
-
公开(公告)号：CN119831936A
公开(公告)日：2025-04-15
申请号：CN202411824367.5
申请日：2024-12-11
Applicant: 中国电子科技南湖研究院
Abstract: 本发明提供一种基于改进YOLOv8的芯片表面缺陷检测方法及系统。其方法包括以下步骤：(1)构建芯片表面缺陷图片数据集；(2)将得到的数据集划分成训练集、验证集和测试集；(3)构建改进的YOLOv8网络模型；(4)将数据集输入到改进后的YOLOv8网络模型进行训练和预测，得到包含表面缺陷的芯片图像。本发明改进后的YOLOv8模型通过DCNv4可变卷积能够识别不同形状和尺寸的缺陷，增强了网络的特征提取能力；使用Dysample上采样算子减少了缺陷边缘和细节信息的丢失，保留了更多的特征信息；使用MPDIOU边界损失函数替换原损失函数，加快网络训练的收敛速度，提高模型对缺陷的定位能力。相较于原模型，本发明的检测效果得到了改善，能够更好地应用于芯片表面缺陷检测任务中。
-
公开(公告)号：CN119783774A
公开(公告)日：2025-04-08
申请号：CN202411732453.3
申请日：2024-11-29
Applicant: 中国电子科技南湖研究院
IPC: G06N3/10
Abstract: 本发明提出一种针对脑仿真的等价网络构建方法，针对脑仿真网络神经元突触连接方式，首先明确融合或拆分比例，并获取融合或拆分后每个神经元簇包含的神经元数量；其次，依据融合或拆分后突触连接方式的规律和分布，得到融合或拆分的突触连接矩阵；最后，按照比例对神经元簇进行融合或拆分，并且依据突触连接方式和连接矩阵来进行突触连接，保证拆分或融合后的神经元簇与原神经元簇等价。本发明无需在芯片上实际创建脑仿真网络，就可以完成对神经元簇的拆分和融合，并且保证所构建的网络与原脑仿真网络等价。从而解决单芯片无法容纳过大的神经元簇，加速脑仿真过程，便于对某些特定神经元的观察。
-
公开(公告)号：CN119760644A
公开(公告)日：2025-04-04
申请号：CN202411833977.1
申请日：2024-12-12
Applicant: 中国电子科技南湖研究院
Abstract: 本发明提出了一种据融合的动态因果图谱推理模型，包括以下步骤：采集设备的多模态数据，进行标准化、缺失数据填补和噪声清洗等预处理；然后通过跨模态嵌入网络对不同模态数据进行融合，生成统一的高维特征表示；基于因果推理模型构建动态因果图谱，节点表示故障现象，边表示因果关系，权重通过贝叶斯更新动态调整；通过最大后验推断(MAP)算法识别故障链条中的关键节点，并生成多步骤的维修建议；通过强化学习引入动态反馈机制，不断优化推理模型和维修策略。本发明能够有效融合多模态数据，通过动态因果图谱推理和动态反馈与自我优化机制，系统能够根据实时数据不断优化诊断模型，提升故障诊断和维修的效率。
-
公开(公告)号：CN114049483B
公开(公告)日：2025-03-28
申请号：CN202111269390.9
申请日：2021-10-29
Applicant: 中国电子科技南湖研究院
IPC: G06V10/25 , G06V10/30 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本申请公开了一种基于事件相机的目标检测网络自监督训练方法及装置，该方法包括：获取目标的RGB图像和DVS事件序列；对所述RGB图像进行标注，并将所述RGB图像转化为模拟事件序列；对所述DVS事件序列及模拟事件序列进行表征；将RGB图像的标签迁移到模拟事件表征数据，利用带标签的模拟事件表征数据对目标检测网络模型进行预训练；利用经过预训练的目标检测网络模型对DVS事件表征数据进行预测，获得所述DVS事件序列的伪标签；利用带标签的模拟事件网格数据及带伪标签的DVS事件网格数据对所述经过预训练的目标检测网络模型权重进行微调。本申请增加了数据量和数据多样性，提高了目标检测算法的鲁棒性，降低了人工标注成本。
-
Patent Agency Ranking
公开(公告)号：CN119675279A
公开(公告)日：2025-03-21
申请号：CN202411813316.2
申请日：2024-12-10
Applicant: 中国电子科技南湖研究院
Abstract: 本申请公开了一种光氢互补储能电站控制系统、方法及装置，所述光氢互补储能电站控制系统包括太阳能模块、制氢模块、锂电池组和逆变器、电池管理模块、电源切换模块、环控系统，所述能源管理模块用于读取燃料电池输出功率、锂电池组电量、太阳能电池板输出电压、电解槽信息、储氢设施内部压力,并根据电量信息发出燃料电池工作、停机指令，太阳能供电、断电指令。本申请还提供了一种环控系统控制方法，应用于本申请的光氢互补储能电站控制系统。本申请能够解决传统单一供能电站连续性差、经济效益低、环境适应性差的问题，具有适应环境温度范围宽、能耗低、稳定性高的特点。
-
公开(公告)号：CN119238587A
公开(公告)日：2025-01-03
申请号：CN202411627024.X
申请日：2024-11-14
Applicant: 华中科技大学 , 中国电子科技南湖研究院
Abstract: 本发明涉及一种环境自适应变形的机器人末端装置及其制备方法和应用，属于仿生机器人领域。该装置通过采用轻量化的传感器减轻了机器人的负载，提高了机器人的运动效率，降低了成本；通过设置柔性壳体使机器人受载时足部可发生自适应变形，提高了机器人的稳定性，并确保其在各种地形和姿态下都能平稳运动并提供准确的感知数据，这种灵活性大大提高了机器人在不同场景下的适应性和操作性能。
-
公开(公告)号：CN114665273B
公开(公告)日：2024-11-22
申请号：CN202210230718.4
申请日：2022-03-10
Applicant: 中国电子科技南湖研究院
Abstract: 本发明公开了一种双频段毫米波平面天线，包括介质基板、设置在所述介质基板上表面的金属辐射贴片、设置在所述介质基板下表面的金属地板，以及馈线，所述金属辐射贴片包括矩形且长宽尺寸相同的第一金属辐射贴片、第二金属辐射贴片和第三金属辐射贴片，所述第二金属辐射贴片和第三金属辐射贴片各个角设置有对称的L形槽，所述第三金属辐射贴片与所述馈线的连接部设置有凹槽。本发明可以解决双频段毫米波通信的需求，也就在一定程度上减少了天线数量，降低了系统复杂性，便于产品的小型化，提升了系统整体的可靠性。
-
公开(公告)号：CN118784286A
公开(公告)日：2024-10-15
申请号：CN202410824982.X
申请日：2024-06-24
Applicant: 中国电子科技南湖研究院
Abstract: 本发明公开了一种扫码登录方法、装置、设备及存储介质，方法包括：服务器获取第一客户端的预授权请求，生成预授权凭据和预授权码并返回至第一客户端，以使得第一客户端可以展示预授权码，并被第二客户端获取用于生成登录访问凭据；服务器获取第二客户端的预登陆请求，关联登录访问凭据到预授权凭据，以使得第一客户端能够查询、展示、授权使用该预授权凭据的设备；服务器获取第二客户端的登录请求，向其返回登录态数字签名，完成登录。本发明通过绑定第二客户端登录访问凭据到请求源，使得只有该端才能使用预授权登录凭证登录；通过在第一客户端展示预登陆设备标识，能精准地对合法设备登录进行授权，并及时叫停非法设备登录。
-
公开(公告)号：CN118673981A
公开(公告)日：2024-09-20
申请号：CN202310267025.7
申请日：2023-03-15
Applicant: 中国电子科技南湖研究院
IPC: G06N3/08 , G06N3/084 , G06N3/082 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种单权重双向预测编码方法及神经网络训练方法，单权重双向预测编码方法，包括：定义给定的输入和标签之间具有正向函数链和反向函数链，正向函数链和反向函数链共享中间层的参数和节点状态；基于正向函数链和反向函数链对中间层节点状态进行更新。本发明双向预测编码方法中定义了两个函数链，一方面，补足了视觉皮层的生物合理性。另一方面，模型双向链接产生的双向误差共同作用中间层节点状态的更新，让中间层节点状态在合理的区间内变化，解决StrictPC算法在深层网络无法训练的问题。另外，反向映射在生成的过程中产生的噪音参与到整个训练过程，使得模型更加鲁棒。
-
-
-
-
-
-
-
-
-
Search Results
252
records
(took 0.086 seconds)
