-
公开(公告)号：CN114005073B
公开(公告)日：2022-04-08
申请号：CN202111595501.5
申请日：2021-12-24
Applicant: 东莞理工学院
Abstract: 本公开涉及一种上肢镜像康复训练、识别方法及装置，采集上肢康复动作视频数据集，通过分割获取多个视频数据样本，从多个视频数据样本中获取候选视频数据样本并进行随机数据增强，得到待训练视频数据正、负样本，然后进行特征提取，得到第一、二待训练特征向量，分别将第一、二待训练特征向量映射到应用对比损失的潜在空间中，得到第一、二目标特征向量，将第一、二目标特征向量进行拼接，得到特征向量矩阵，基于特征向量矩阵进行计算，得到目标损失，基于目标损失调整网络参数，生成无监督对比学习动作识别模型。由此，获取的无监督对比学习动作识别模型能够准确识别动作信号，以进一步提高康复机器人辅助用户进行康复训练精度和效率。
-
公开(公告)号：CN114005073A
公开(公告)日：2022-02-01
申请号：CN202111595501.5
申请日：2021-12-24
Applicant: 东莞理工学院
Abstract: 本公开涉及一种上肢镜像康复训练、识别方法及装置，采集上肢康复动作视频数据集，通过分割获取多个视频数据样本，从多个视频数据样本中获取候选视频数据样本并进行随机数据增强，得到待训练视频数据正、负样本，然后进行特征提取，得到第一、二待训练特征向量，分别将第一、二待训练特征向量映射到应用对比损失的潜在空间中，得到第一、二目标特征向量，将第一、二目标特征向量进行拼接，得到特征向量矩阵，基于特征向量矩阵进行计算，得到目标损失，基于目标损失调整网络参数，生成无监督对比学习动作识别模型。由此，获取的无监督对比学习动作识别模型能够准确识别动作信号，以进一步提高康复机器人辅助用户进行康复训练精度和效率。
-
公开(公告)号：CN118493412A
公开(公告)日：2024-08-16
申请号：CN202410962342.5
申请日：2024-07-18
Applicant: 东莞理工学院
Abstract: 本发明提供一种基于RRT的轴孔装配机器人系统，包括：机械臂，包括若干关节和与关节相连的连杆，以在预设范围内调整机械臂的末端的角度；柔性末端执行器，安装于机械臂的末端，抓取轴孔零件；控制器，基于RRT算法对机械臂进行路径规划，并控制机械臂和柔性末端执行器的运作，以对轴孔零件进行高精度的装配作业。通过柔性末端执行器，使得装配机器人能够在对各类目标零件进行精准抓取的同时不损坏目标零件，且能够适用于各类目标零件的装配，省去了末端执行器的更换操作；通过控制器的RRT算法，能够快速对机械臂的路径进行精准规划，避让障碍物，从而有效提高了装配机器人的工作效率和装配精度，解决了如何提高装配机器人的工作效率和装配精度的问题。
-
公开(公告)号：CN114393570A
公开(公告)日：2022-04-26
申请号：CN202210297649.9
申请日：2022-03-25
Applicant: 东莞理工学院
Abstract: 本申请公开了一种气动式单臂上肢外骨骼机器人及控制系统，该机器人包括肘关节外骨骼机械臂，用于容纳穿戴者的上臂和前臂；所述肘关节外骨骼机械臂包括第一人工气动肌肉和压缩型气弹簧；所述第一人工气动肌肉和所述压缩型气弹簧用于对所述肘关节外骨骼机械臂提供驱动力矩。本申请实施例提供的气动式单臂上肢外骨骼机器人具有一定的“容错”能力，即当肘关节外骨骼机械臂处于工作状态时，人工气动肌肉如果出现漏气等突发故障，穿戴者仍可依靠压缩型气弹簧的作用使手臂恢复至初始位置，避免发生运动损伤。
-
公开(公告)号：CN118397492B
公开(公告)日：2024-09-10
申请号：CN202410842042.3
申请日：2024-06-27
Applicant: 东莞理工学院
IPC: G06V20/17 , G06N20/00 , G06V10/24 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/778 , G06V20/52
Abstract: 本申请公开了一种监控数据处理方法及装置、存储介质、终端，涉及人工智能技术领域，主要目的在于改善现有实时监视出现延迟以及由于数据传输过程中被窃取、篡改，导致数据被泄露或损坏的问题。包括：获取待处理监控图像，待处理监控图像是由无人机采集，并基于动作定位器对无人机进行定位得到的定位结果，进行校正得到的；基于HOG（Histogram of Oriented Gradient）方向梯度直方图法从待处理监控图像中进行特征提取，得到HOG特征图像，特征提取是在本地进行的；基于已完成模型训练的图像分类模型对HOG特征图像进行分类处理，得到待处理监控图像的分类结果，图像分类模型是基于联邦学习算法，由中央服务器对多个终端训练的本地模型进行模型参数聚合得到的。
-
Patent Agency Ranking
公开(公告)号：CN116522234B
公开(公告)日：2023-11-17
申请号：CN202310110978.2
申请日：2023-02-10
Applicant: 东莞理工学院
IPC: G06F18/2411 , A61B5/389 , A61B5/00 , G06F18/213 , G06N3/006
Abstract: 本公开实施例涉及一种关节角度预测方法、装置、设备及介质，其中该方法包括：采集多组动作对应的表面肌电信号和欧拉角度，并对所述表面肌电信号进行预处理，得到待处理特征值，对待处理特征值进行归一化处理，得到训练特征值，并根据训练特征值和对应的欧拉角度构建训练样本集，基于预设的基于二次插值的天牛须搜索QIBAS算法确定最小二乘支持向量机LSSVM模型的惩罚系数和核函数参数，将训练样本集输入为惩罚系数和核函数参数的LSSVM模型进行训练，得到关节角度预测模型，获取预测数据，将预测数据输入关节角度预测模型进行处理，得到关节角度预测结果。采用上述技术方案，能够提高关节角度预测效率和预测精度。
-
公开(公告)号：CN118397492A
公开(公告)日：2024-07-26
申请号：CN202410842042.3
申请日：2024-06-27
Applicant: 东莞理工学院
IPC: G06V20/17 , G06N20/00 , G06V10/24 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/778 , G06V20/52
Abstract: 本申请公开了一种监控数据处理方法及装置、存储介质、终端，涉及人工智能技术领域，主要目的在于改善现有实时监视出现延迟以及由于数据传输过程中被窃取、篡改，导致数据被泄露或损坏的问题。包括：获取待处理监控图像，待处理监控图像是由无人机采集，并基于动作定位器对无人机进行定位得到的定位结果，进行校正得到的；基于HOG（Histogram of Oriented Gradient）方向梯度直方图法从待处理监控图像中进行特征提取，得到HOG特征图像，特征提取是在本地进行的；基于已完成模型训练的图像分类模型对HOG特征图像进行分类处理，得到待处理监控图像的分类结果，图像分类模型是基于联邦学习算法，由中央服务器对多个终端训练的本地模型进行模型参数聚合得到的。
-
公开(公告)号：CN116543909A
公开(公告)日：2023-08-04
申请号：CN202310763132.9
申请日：2023-06-27
Applicant: 东莞理工学院
Abstract: 本发明涉及一种医疗监护系统、方法、设备和存储介质。医疗监护系统包括处理模块、传输模块和监护模块，其中：所述处理模块用于根据接收的各检测节点的节点信息对所述各检测节点进行分簇，在所述各检测节点中确定簇头节点，并基于所述簇头节点将所述各检测节点检测到的医疗数据转发至所述传输模块；所述传输模块用于将接收到的各医疗数据通过无线通信网络传输至所述监护模块；所述监护模块用于将所述各医疗数据输入神经网络模型，得到所述各医疗数据的检测结果，并将各检测结果反馈给对应的检测节点。本发明提供的系统能够实时监控用户的健康状况并反馈给相关人员，最大限度的保证用户的安全。
-
公开(公告)号：CN116522234A
公开(公告)日：2023-08-01
申请号：CN202310110978.2
申请日：2023-02-10
Applicant: 东莞理工学院
IPC: G06F18/2411 , A61B5/389 , A61B5/00 , G06F18/213 , G06N3/006
Abstract: 本公开实施例涉及一种关节角度预测方法、装置、设备及介质，其中该方法包括：采集多组动作对应的表面肌电信号和欧拉角度，并对所述表面肌电信号进行预处理，得到待处理特征值，对待处理特征值进行归一化处理，得到训练特征值，并根据训练特征值和对应的欧拉角度构建训练样本集，基于预设的基于二次插值的天牛须搜索QIBAS算法确定最小二乘支持向量机LSSVM模型的惩罚系数和核函数参数，将训练样本集输入为惩罚系数和核函数参数的LSSVM模型进行训练，得到关节角度预测模型，获取预测数据，将预测数据输入关节角度预测模型进行处理，得到关节角度预测结果。采用上述技术方案，能够提高关节角度预测效率和预测精度。
-
公开(公告)号：CN115223250B
公开(公告)日：2023-01-17
申请号：CN202211107295.3
申请日：2022-09-13
Applicant: 东莞理工学院
Abstract: 本申请公开了一种基于多尺度时空分解卷积网络的上肢康复动作识别方法，包括：对上肢康复动作进行采集，获得若干样本视频数据；基于各所述样本视频数据进行视频帧采样，获得若干样本视频帧序列；对各所述样本视频帧序列分别进行混合数据增强处理，获得若干处理后的样本视频帧序列；基于各所述处理后的样本视频帧序列对初始多尺度时空分解卷积网络模型进行模型训练，获得目标多尺度时空分解卷积网络模型；基于所述目标多尺度时空分解卷积网络模型对待识别的目标视频数据进行动作识别，获得动作识别结果。本申请中的方法能够快速、准确地对待识别的目标视频数据进行动作识别，提高了动作识别的效率以及准确度。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.023 seconds)
