-
公开(公告)号：CN119131896A
公开(公告)日：2024-12-13
申请号：CN202411156369.1
申请日：2024-08-22
Applicant: 华中科技大学鄂州工业技术研究院 , 华中科技大学
Abstract: 本发明公开了一种用于多人跟踪的行为识别方法、装置、服务器及系统，方法包括：获取视频序列，对视频序列进行前景和背景分割；对背景图像进行模糊处理，与前景图像进行融合，得到目标图像，并执行以下跟踪步骤：从目标图像中提取出待处理的当前视频帧，识别出当前视频帧中的每个运动目标；计算当前视频帧中每个运动目标的检测轨迹与当前视频帧中所有运动目标的预测轨迹之间的交并比，根据交并比构建一个代价矩阵；对代价矩阵进行优化，寻找出总代价最小的匹配方案，基于匹配方案优化每个运动目标的匹配，进行运动目标轨迹的更新，重复执行跟踪步骤，直至得到每个运动目标在整个视频序列下的跟踪结果，根据跟踪结果对运动目标的异常行为进行识别。
-
公开(公告)号：CN118761530A
公开(公告)日：2024-10-11
申请号：CN202410880190.4
申请日：2024-07-02
Applicant: 华中科技大学鄂州工业技术研究院 , 华中科技大学
IPC: G06Q10/047 , G06Q10/0631 , G06Q50/22 , G06N3/092
Abstract: 本发明公开了一种移动设备任务规划方法、装置、服务器及介质，该方法应用于服务器，服务器分别与移动设备以及监测设备通讯连接，移动设备以及监测设备均布设于目标环境下，方法包括：获取监测设备监测到的目标环境下的感知数据；根据感知数据，确定出目标环境下待处理的任务节点信息，任务节点信息包括多个任务节点关联的坐标以及每个任务节点的优先级；基于每个任务节点关联的坐标、每个任务节点的优先级以及预设的任务规划模型，生成目标环境下的规划任务路径；向移动设备发送执行规划任务路径的指令，使得移动设备根据指令依次移动到各任务节点关联的坐标位置执行相应的任务。该方法能够解决移动设备在任务规划方面的问题。
-
公开(公告)号：CN118717099A
公开(公告)日：2024-10-01
申请号：CN202410744698.1
申请日：2024-06-11
Applicant: 华中科技大学鄂州工业技术研究院 , 华中科技大学
IPC: A61B5/11
Abstract: 本发明公开了一种摔倒检测方法、系统以及移动设备，所述方法包括：若接收到检测对象摔倒预警信号，则获取检测对象的行为状态信号；基于行为状态信号，确定出检测对象的初步检测结果；若初步检测结果符合预设摔倒条件，则获取检测对象的生命体征信号；基于生命体征信号，确定出检测对象的二次检测结果；若初步检测结果与二次检测结果一致，则向服务器发送初步检测结果以及二次检测结果，使得服务器基于初步检测结果以及二次检测结果，确定出检测对象的摔倒严重程度，在摔倒严重程度符合预设紧急处理条件时，向目标对象发送求助信号。该方法能较准确地确定出检测对象的摔倒严重程度。
-
公开(公告)号：CN119940801A
公开(公告)日：2025-05-06
申请号：CN202411981879.2
申请日：2024-12-31
Applicant: 华中科技大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q50/04 , G06N3/042 , G06N3/045 , G06N3/092 , G05B19/418
Abstract: 本发明属于车间调度领域，并具体公开了一种集成数学模型和强化学习的不一致分批批量流柔性作业车间调度方法、系统及存储介质，其包括首先引入了严格的车间状态表示，其中包含决策相关工序、机器和批量等信息，并使用双重注意网络提取状态特征信息；然后设计一个基于近段策略优化算法的调度决策框架，解决工序排序子问题并获得批量划分自适应系数；最后考虑加工准备时间，构建一种工序级批量机器协同优化混合整数线性规划模型，实现对批量划分子问题和机器选择子问题的综合优化。本发明提出的调度方法在解决批量流柔性作业车间调度问题上具有显著优势，可在不一致分批情况下快速求解得到高质量的车间调度方法。
-
公开(公告)号：CN114565247B
公开(公告)日：2024-06-18
申请号：CN202210147308.3
申请日：2022-02-17
Applicant: 华中科技大学
IPC: G06Q10/0631 , G06Q50/04 , G06F17/11 , G05B19/418
Abstract: 本发明公开了一种基于深度强化学习的车间调度方法、装置和系统，属于作业车间调度领域，所述方法包括：S1：根据车间调度问题的目标函数确定出车间仿真环境；S2：利用深度强化学习DRL智能体与车间仿真环境获取交互三元组 ；S3：将多个三元组作为训练数据集训练智能体Actor和智能体Critic；智能体Actor用于选取加工工件，智能体Critic用于评价当前加工状态的期望奖励值；S4：利用执行智能体继承训练后的智能体Actor的网络参数，控制执行智能体在线对车间加工工序中的调度实例进行决策，以确定出下一个待加工工件。本发明为基于数据驱动的科学决策，决策效率高，能够准确为待加工工件分配优先级，同时适用于各种加工场景，兼容性强。
-
Patent Agency Ranking
公开(公告)号：CN118052809A
公开(公告)日：2024-05-17
申请号：CN202410359413.2
申请日：2024-03-27
Applicant: 华中科技大学
Abstract: 本发明属于点云异常检测领域，并具体公开了一种考虑提示学习的零样本点云异常检测方法及系统，其包括步骤：获取待检测物体的三维点云，通过多视图投影将三维点云投影到二维平面上，得到多个深度图像；通过图像编码器提取深度图像的特征，并根据投影关系将深度图像的特征聚合到点云的点中，得到点云中各点的特征；设置两个文本提示分别描述正常或异常状态，并在文本提示中加入可学习参数；根据文本提示，通过文本编码器提取得到文本特征；根据点云中点的特征与文本特征的余弦相似度，得到点云中点的异常分数，根据异常分数判断点云中各点的异常情况。本发明克服了点云视觉语言模型的空缺，将图像视觉语言模型拓展到了零样本点云异常检测任务中。
-
公开(公告)号：CN117274204A
公开(公告)日：2023-12-22
申请号：CN202311254405.3
申请日：2023-09-26
Applicant: 华中科技大学
IPC: G06T7/00 , G06V20/70 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明属于小样本缺陷检测相关技术领域，其公开了一种基于原型学习引导的判别分割网络的小样本缺陷检测方法，方法包括：获取一组正常小样本图像和缺陷小样本图像；采用训练完成的神经网络提取正常小样本图像和缺陷小样本图像中的特征获得小样本的初始特征；将小样本的初始特征输入原型生成网络获得嵌入特征块，原型生成网络的损失函数包括正常特征聚类损失函数、缺陷特征分离损失函数以及基于像素级差异的分类损失函数；将相似性图与嵌入特征块进行通道维度拼接后输入判别分割网络，实现小样本的缺陷分割识别。本申请可以实现更精细、更准确的缺陷检测和定位。
-
公开(公告)号：CN117274040A
公开(公告)日：2023-12-22
申请号：CN202311251098.3
申请日：2023-09-26
Applicant: 华中科技大学
Abstract: 本发明属于工业图像处理相关技术领域，其公开了一种适用于自动化图像缺陷检测的图像获取方法及其应用，包括以下步骤：(1)拟合得到待检测零件底面的拟合平面；(2)基于调整后的点云数据提取待测零件的表面轮廓点；(3)选择多个中心点，并将表面轮廓点划分到距离其最近的中心点所在块，以完成零件表面分块划分；(4)基于点云数据计算出每个块的最小包围盒，并确定相机的拍摄方式；(5)计算零件的三维点云坐标与拍摄图像的二维投影之间的对应关系，进而去除不属于对应分块的像素，以获得适用于自动化图像缺陷检测的图像。本发明通过将零件划分为小块并对每块进行拍摄，结合自动有效区域提取能够实现对缺陷检测所用图像的高精度提取。
-
公开(公告)号：CN111985841B
公开(公告)日：2023-10-24
申请号：CN202010899401.0
申请日：2020-08-31
Applicant: 华中科技大学
IPC: G06Q10/0631 , G06Q10/067 , G06N3/126
Abstract: 本发明涉及一种基于遗传算法的注塑车间调度方法及系统，在传统的遗传算法上提出了按安数分解的子染色体，后续的交叉、变异和排序过程均采用分区式进化过程，对安数相同的部分进行进化，对安数不同的部分进行隔离，以避免无效的进化过程且更利于后续的分批操作；在订单分批时，考虑换色换模的时间影响，减少无序的换色造成的大量冲洗时间；并以在交货期前完成订单任务为完工标准，避免了因只关注最小化完工时间而造成的设备开机数目和工件分批过多的问题，该方法充分考虑了注塑车间的模具约束、换色顺序和设备利用率，提高了调度的效率，可用于解决有限时间内的注塑车间资源调度问题。
-
公开(公告)号：CN116645567A
公开(公告)日：2023-08-25
申请号：CN202310570510.1
申请日：2023-05-19
Applicant: 华中科技大学
IPC: G06V10/77 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/088
Abstract: 本发明属于工业图像缺陷检测相关技术领域，并公开了一种基于像素单点及多元配对的无监督异常检测方法。该方法包括下列步骤：S1构建结构特征提取分支网络和逻辑特征提取分支网络；S2将用于训练的图像分别输入所述结构特征提取分支网络和逻辑特征提取分支网络中，形成结构特征记忆库和逻辑特征记忆库；S3获取待测试图像对应的测试像素特征和测试逻辑特征，获取待测图像的结构异常分值图和逻辑异常分值图；S4将结构异常分值图与所述逻辑异常分值图融合获得待测试图像总的异常分值图，根据该异常分值图确定缺陷所在位置。通过本发明，解决产品图像中表面结构和位置逻辑异常的问题。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.026 seconds)
