一种基于联邦迁移学习的装配监测模型训练方法及系统

    公开(公告)号:CN115310603A

    公开(公告)日:2022-11-08

    申请号:CN202210763972.0

    申请日:2022-06-30

    Abstract: 本发明提公开了一种基于联邦迁移学习的装配监测模型训练方法及系统。所述方法包括:创建多任务联邦学习模型库;根据客户任务特征数据分析当前任务场景与现有模型场景相似度,判断该客户任务相对于仓库子节点任务是否为新任务;设计融合权重,选择性加权融合多任务联邦学习模型库中的模型,为客户节点任务生成具有先验知识的初始化模型,下放模型至边缘客户节点;客户节点使用本地数据训练模型,并将模型分享到云服务器;更新多任务联邦学习模型库。本发明采用边云协同的模型训练方式,降低边缘端对计算和存储资源的要求;充分考虑装配任务的相似性和差异性,根据客户节点任务特征,生成定制化的初始化模型,降低了模型训练成本。

    撕脱型胶带自动张贴装置

    公开(公告)号:CN106672360B

    公开(公告)日:2023-09-19

    申请号:CN201710044184.5

    申请日:2017-01-21

    Abstract: 撕脱型胶带自动张贴装置,包括支撑架、设于所述支撑架上用于缠设胶带和引导胶带传输的胶带轮组件、设于所述支撑架上用于将胶带压向被张贴工件表面的张贴头和用于切断胶带的切断机构,所述胶带轮组件将胶带传输张贴头处,所述撕脱型胶带自动张贴装置还包括位于所述张贴头一侧的辅助定位机构,所述切断机构位于所述张贴头的另一侧,所述辅助定位机构使从胶带轮组件传输至张贴头一侧的胶带沿所述张贴头的外表面拐角至张贴头的下端面。在张贴头处增设了结构简单的辅助定位机构,能够使胶带等张贴完后能够保持一朝下的拐角,使胶带的张贴面朝下,利于进行下一轮张贴,简单的结构有利于持续张贴,使得工作效率大大提高。

    一种成像装置及其运行方法
    5.
    发明公开

    公开(公告)号:CN116242686A

    公开(公告)日:2023-06-09

    申请号:CN202310334669.3

    申请日:2023-03-30

    Abstract: 本发明公开一种成像装置及其运行方法,包括机架,过滤检测单元,样品成像单元,过滤定位单元,成像定位单元,以及工业计算机;将浓缩样品导入过滤检测单元,通过成像定位单元将样品成像单元移动至过滤检测单元上方对过滤检测单元内浓缩样品进行成像,样品成像单元将成像数据输送至工业计算机;本发明无需分析人员在显微镜下手动识别摇蚊幼虫,减少了检测时间和检测人力成本,操作简单,不易出错,提高了检测频率和准确率;本发明提出了一种成像装置运行方法包括步骤:步骤S1:进料;步骤S2:移料;步骤S3:检测;步骤S4:移料;步骤S5:清洁;步骤简单,便于操作,实现自动化,无需人工操作,提高了检测频率和准确率。

    一种可持续学习的工业机器人故障诊断系统及方法

    公开(公告)号:CN115556099B

    公开(公告)日:2024-04-09

    申请号:CN202211203029.0

    申请日:2022-09-29

    Abstract: 本发明提供了一种可持续学习的工业机器人故障诊断系统与方法。所述系统不仅可以准确识别工业机器人运行中时序数据的已知模式,还可对时序数据的未知模式进行检测和持续学习,解决了故障诊断系统无法应对未知故障的难题,更加贴近实际应用需求。本方法改进了现有工业机器人故障诊断系统,在对时序数据进行预处理,模式分类的基础上,通过模式分类结果的置信度判断时序数据是否属于未知模式,若属于未知模式则采用持续学习算法更新原有的故障诊断模型,将未知模式纳入到已知模式范围中,从而达到持续学习未知模式的目的。时序数据出现未知模式通常代表着工业机器人产生新的、未知的故障,因此改进后的工业机器人故障诊断系统有效应对未知故障。

    一种微型无脊椎动物自动检测系统

    公开(公告)号:CN116818472A

    公开(公告)日:2023-09-29

    申请号:CN202310334501.2

    申请日:2023-03-30

    Abstract: 本发明公开一种微型无脊椎动物自动检测系统,包括过滤系统,以及成像系统,过滤系统包括装置本体,过滤收集装置,以及冲洗装置,过滤收集装置用于过滤水样并收集水样中的样品,冲洗装置用于冲落过滤收集装置内侧壁上的样品以使样品在过滤收集装置底部汇集;成像系统包括机架,过滤检测单元,样品成像单元,过滤定位单元,成像定位单元,以及与样品成像单元电连接的工业计算机;本发明无需人工收集样品,无需分析人员在显微镜下手动识别摇蚊幼虫,减少了时间成本和人力成本,减少了人为错误,提高了收集和检测的准确率,并且操作简单,提高了检测效率和频率。

    一种可持续学习的工业机器人故障诊断系统及方法

    公开(公告)号:CN115556099A

    公开(公告)日:2023-01-03

    申请号:CN202211203029.0

    申请日:2022-09-29

    Abstract: 本发明提供了一种可持续学习的工业机器人故障诊断系统与方法。所述系统不仅可以准确识别工业机器人运行中时序数据的已知模式,还可对时序数据的未知模式进行检测和持续学习,解决了故障诊断系统无法应对未知故障的难题,更加贴近实际应用需求。本方法改进了现有工业机器人故障诊断系统,在对时序数据进行预处理,模式分类的基础上,通过模式分类结果的置信度判断时序数据是否属于未知模式,若属于未知模式则采用持续学习算法更新原有的故障诊断模型,将未知模式纳入到已知模式范围中,从而达到持续学习未知模式的目的。时序数据出现未知模式通常代表着工业机器人产生新的、未知的故障,因此改进后的工业机器人故障诊断系统有效应对未知故障。

Patent Agency Ranking