-
公开(公告)号：CN116342580A
公开(公告)日：2023-06-27
申请号：CN202310462406.0
申请日：2023-04-25
Applicant: 上海大风实验室设备有限公司 , 东华大学
IPC: G06T7/00 , G06V10/762 , G06N3/04 , G06N3/08 , G06V10/80
Abstract: 本申请涉及一种基于机器视觉的探究液体内部压强相关因素实验评分系统，属于计算机视觉和智慧教育领域，本申请可实现计算机快速准确地对考生的探究液体内部压强相关因素实验操作进行评分；该系统分为视觉检测模块、评分决策模块及界面可视化模块；首先根据实验要求确定视觉检测特征，形成评分方案。其次采集每个得分特征对应的图像进行标注制作图像集，并构建和训练视觉智能检测模型Dlia‑Yolo v3，形成视觉检测模块；然后根据评分方案与模型测试结果，建立智能评分决策机制；最后，设计智能评分界面、集成视觉检测算法、评分决策机制，形成智能评分系统，应用在实际实验考试中对学生进行评分。
-
公开(公告)号：CN116503783A
公开(公告)日：2023-07-28
申请号：CN202310486552.7
申请日：2023-04-28
Applicant: 上海大风实验室设备有限公司 , 东华大学
Abstract: 本申请涉及一种中学测量物质密度实验智能评分系统，包括：数据获取模块，通过数据获取模块获取整个实验过程的视频；数据处理模块，数据处理模块用于将获取的视频按评分所需划分为图像帧，并对图像数据进行标注类别；模型训练模块，模型训练模块通过深度学习的方式，让模型对已标注的图像数据进行训练学习，达到正确识别的效果。本申请能够对测量物质密度的实验进行视频的采集，通过对视频的处理得到图像帧，通过对实验的检测以及评分，能够实现物质密度实验的智能评分，进而减少人工评判的影响，能够提高评判的客观性以及公平性，减少了人力资源的浪费，保证了实验评分的公平性，对于构建智慧型实验室，引领创新，培养人才，具有重要意义。
-
公开(公告)号：CN116128681A
公开(公告)日：2023-05-16
申请号：CN202310080877.5
申请日：2023-01-30
Applicant: 上海大风实验室设备有限公司 , 东华大学
IPC: G06Q50/20 , G09B19/00 , G06V20/40 , G06V40/20 , G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0464
Abstract: 本申请涉及一种中学氧气制取实验智能评分系统，属于智慧教育领域，研发了可配置性实验评分模块，实验评分模块根据考生的实验步骤、动作以及实验结果进行逻辑判断，最后根据判断结果决定得分，解决了现有技术中一个老师同时能顾及的学生人数有限，且不同老师的评分标准存在差异性，由于不同老师评估的差异性带来的不公正问题的问题；通过改进的YOLOv3算法，结合教育部下发的考试规范制定实验评分算法，实现中学氧气制取实验的智能评分，有效提高了评阅速度以及评分的准确性。
-
公开(公告)号：CN116011870A
公开(公告)日：2023-04-25
申请号：CN202310010574.6
申请日：2023-01-04
Applicant: 上海大风实验室设备有限公司 , 东华大学
IPC: G06Q10/0639 , G06Q50/20 , G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464 , F16M11/10
Abstract: 本申请涉及基于YOLOV3的阿基米德原理实验智能评分方法及设备，属于机器视觉和图像处理领域，可实现计算机标准化地快速评分，针对检测实时性和对目标角度检测的要求，发明了改进的YOLO v3智能目标检测模型，该模型在速度和检测精度方面达到了很好的平衡，且能完成对旋转目标的角度检测。
-
公开(公告)号：CN115424005A
公开(公告)日：2022-12-02
申请号：CN202210893505.X
申请日：2022-07-27
Applicant: 上海大风实验室设备有限公司
IPC: G06V10/25 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本申请涉及一种基于视觉智能的中考实验评分方法，属于计算机视觉和智慧教育领域，本申请可实现计算机快速准确地评判考试实验操作的得分，针对实验场景的检测难点，发明了基于Yolo v3改进的G‑Yolo v3智能目标检测模型；首先，通过使用密集残差网络替代原始Yolo v3的深度残差网络进行特征提取，解决了特征传递过程中梯度消失的问题；其次，通过对原始模型增加特征提取尺度，加强了局部细节和全局信息的联系与学习；最后，使用GHM‑CLoss函数替换Yolo v3的交叉熵损失函数计算模型的分类损失，解决了数据集难易样本不均衡的问题。该模型在速度和检测精度方面达到了很好的平衡，降低错检以及漏检的情况，适用于中考实验场景的实时高精度检测。
-
Patent Agency Ranking
公开(公告)号：CN119624053A
公开(公告)日：2025-03-14
申请号：CN202510152703.4
申请日：2025-02-12
Applicant: 东华大学
IPC: G06Q10/0631 , G06Q50/04 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于经验学习的半导体封测区快响应调度方法及系统，本方法构建半导体封测区快响应调度系统，通过半导体封测区数据模块将键合工序lot数据和机台或机组数据传输给键合工序调度模块，用于半导体封测区中键合工序的调度；利用机器学习方法预估键合工序的初始调度方案；利用自适应重叠分解方法分解为lot调度子问题；利用BAHA对调度子问题进行求解，从而得到完整的键合工序调度方案；补全半导体封测的全局调度方案，利用GUI模块查看调度过程中相关的运行数据。解决了半导体封装测试区调度存在的多约束、产品类型多样和调度单元lot数量多导致影响交期惩罚时间的问题，减少半导体封装测试生产车间的交期惩罚，实现高效率的车间调度控制。
-
公开(公告)号：CN115074880B
公开(公告)日：2024-10-22
申请号：CN202210515894.2
申请日：2022-05-12
Applicant: 东华大学
Abstract: 本发明涉及一种环锭纺细纱近原锭位引纱接头装置及方法，用于环锭细纱机自动接头，所述装置包括：工业机器人、纱管夹取装置、环形气流绕纱定位装置、纱线输送与牵引装置、张力传感器、辅助纱退绕装置及气源；所述接头方法步骤为：近原锭位抓取断纱纱管上移、环形气流绕纱定位装置伸入锭位、定位钢丝圈并将辅助纱卷绕在断纱纱管上、断纱纱管及装置归位、牵引纱线穿钢丝圈、气圈环、导纱钩、喂入罗拉完成接头。整个接头过程，基于张力反馈的气电协同调节，使任意时刻纱线上的张力保持在期望张力值附近。本发明提供了一种近原位引纱接头方法与装置，解决了现有引纱接头技术装置复杂，步骤繁琐，难以实现近原锭位稳定引纱接头。
-
公开(公告)号：CN118781236A
公开(公告)日：2024-10-15
申请号：CN202410761040.1
申请日：2024-06-13
Applicant: 东华大学
IPC: G06T13/40 , G06N3/045 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及一种面向虚拟服装秀的宽松服装动画生成方法，包括以下步骤：使用SMPL人体运动序列以及服装样板作为输入数据；2)构建并训练粗糙服装变形预测网络模型，将运动序列以及服装网格数据送入训练后的粗糙服装变形预测网络得到服装粗糙变形；3)引入服装合身度和变形度属性来丰富服装网格特征，并构建训练精细服装变形预测网络模型，得到宽松服装蒙皮权重和精细服装变形；4)使用线性混合蒙皮算法对预测后的服装样板进行蒙皮变形，得到相应姿态下的服装变形；解决了面向虚拟服装秀中宽松服装在变形过程中局部褶皱不够明显或消失的问题，根据服装属性、运动类别和身体运动序列来丰富宽松三维服装在变形过程中的褶皱。
-
公开(公告)号：CN118735200A
公开(公告)日：2024-10-01
申请号：CN202410869849.6
申请日：2024-07-01
Applicant: 东华大学
IPC: G06Q10/0631 , G06Q10/20 , G06Q50/04 , G06N3/092 , G06N3/006
Abstract: 本发明涉及一种基于嵌入式强化学习的调度与维护优化方法及系统，方法包括以下步骤：采集生产运行过程与机器维护历史数据；构建调度与维护智能体和特征选择智能体；构建调度与维护Markov决策过程；构建特征选择Markov决策过程；特征选择智能体与特征选择Markov决策过程交互并学习最优状态特征选择策略；调度与维护智能体与调度与维护Markov决策过程交互并学习最优调度与维护优化策略；部署并执行部署并执行特征选择智能体和调度与维护智能体进行调度与维护优化。系统包括调度与维护控制器、调度与维护智能体、特征选择智能体。解决了生产中订单动态到达环境下难以精准表征动态环境导致的性能不足的问题，实现调度与维护的联合优化并提升设备可靠度和降低生产成本。
-
公开(公告)号：CN115099123B
公开(公告)日：2024-08-20
申请号：CN202210532080.X
申请日：2022-05-17
Applicant: 东华大学
Abstract: 本发明涉及一种数据与机理融合的卷绕机锭轴装配精度预测方法，在雅可比旋量模型基础上引入公差域的点云拟合对旋量的实际变动区间进行求解，该方法考虑了并联装配关系和零件表面形貌特征对锭轴装配精度的影响，提高机理模型的预测精度；针对锭轴装配数据少，致使数据补偿机理误差困难的问题，本发明提出深度置信神经网络‑双层BP神经网络的误差补偿模型将机理数据与实测数据进行融合，解决了因数据量不够而导致的模型泛化能力差，且因融入了实测数据，数据预测模型预测精度要优于雅可比旋量模型，对卷绕机的装配设计具有显著的工程实用价值。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.077 seconds)
