-
公开(公告)号：CN119151561A
公开(公告)日：2024-12-17
申请号：CN202411284179.8
申请日：2024-09-13
Applicant: 南京工业大学
IPC: G06Q30/018 , G06Q10/0639 , G06Q10/04 , G06Q50/04 , G06F18/2431 , G06F18/27 , G06F18/2415 , G06N3/048 , G06N3/0442 , G06N3/049 , G06N3/08
Abstract: 本发明公开了一种工业零件缺陷溯源方法，涉及工业零件的质量预测和质量溯源领域，该工业零件缺陷溯源方法包括以下步骤：获取工业零件的缺陷数据；基于时序逻辑回归树模型对预处理后的缺陷数据进行分类预测，并基于分类预测结果生成工业零件生产过程中工艺参数对零件缺陷形成的影响因素；基于工艺参数对零件缺陷形成的影响因素构建因果图形数据库，并对工业零件缺陷进行因果图建模，得到工业零件缺陷因果图；基于工业零件缺陷因果图构建质量溯源模型，并利用质量溯源模型对缺陷路径进行质量溯源。本发明提高工业零件生产的质量管理效率和准确性，有助于快速准确地追溯问题根源。
-
公开(公告)号：CN118864362A
公开(公告)日：2024-10-29
申请号：CN202410847584.X
申请日：2024-06-27
Applicant: 南京工业大学
IPC: G06T7/00 , G06T7/11 , G06V10/774 , G06V10/764 , G06V10/22 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于多模态对比学习的医学图像预测方法，涉及图像处理技术领域，该基于多模态对比学习的医学图像预测方法包括以下步骤：获取肺结节图像数据集并为图像数据集配对文本嵌入数据；基于预处理后的肺结节图像数据集和文本嵌入数据构建多模态对比学习模型，并对多模态对比学习模型进行初次训练；调整初次训练后的多模态对比学习模型参数并进行二次训练，对训练完成后的多模态对比学习模型依次进行性能测试和性能评估；利用性能评估达标后的多模态对比学习模型对肺结节图像数据集进行预测，得到肺结节良恶性预测结果。本发明实现了图像和文本在潜在语义空间中的精确对齐，有效地提高了分类模型识别真阳性结节的能力。
-
公开(公告)号：CN117744483A
公开(公告)日：2024-03-22
申请号：CN202311740455.2
申请日：2023-12-18
Applicant: 南京工业大学
IPC: G06F30/27 , G01M13/045 , G06F30/23 , G06F30/17 , G06F18/25 , G06F18/24 , G06F18/214 , G06N3/045 , G06N3/048 , G06N3/094 , G06N3/084 , G06F111/04
Abstract: 本发明涉及基于孪生信息模型和实测数据融合的轴承故障诊断方法，包括：对采集的实测数据集和仿真数据集分别进行数据样本标注标签得到实测振动数据集X和仿真振动数据集Y，通过数据预处理得到最优孪生模型；分析固有的故障特征频率来验证最优孪生模型有效性并判断故障类型；将X和Y输入GANs中进行增强和特征融合，获得特征的融合孪生数据集，将融合孪生数据集和实测振动数据集进行结合，得到混合数据集XA；将混合数据集XA输入Transformer故障诊断模型中进行特征提取，通过分类器实现轴承的故障诊断。本发明克服了故障数据不足、物理损伤实验成本高以及缺少仿真数据与实测数据的有效融合，导致故障诊断数据特征不够全面的问题，为制造产线的故障诊断提供了技术参考。
-
公开(公告)号：CN117428780A
公开(公告)日：2024-01-23
申请号：CN202311637183.3
申请日：2023-12-01
Applicant: 南京工业大学
IPC: B25J9/16
Abstract: 本发明公开了一种融合文本指令和运动信息的机器人运动技能学习方法，涉及机器人运动规划领域，该方法包括以下步骤：S1、获取机器人运动过程中的动作序列，合并为数据集后进行预处理，提取动作序列的关键帧，同时获取该任务对应的文本信息；S2、分别提取任务的视觉特征和文本特征；S3、将文本特征与视觉特征融合，通过对文本信息的学习，不断更新优化文本与任务之间的依赖关系，使其通过文本更好的理解任务，对机器人未来动作进行预测；S4、通过对文本信息的学习，进一步了解文本信息与动作之间的依赖关系。本发明通过将文本信息与视觉信息结合，通过文本信息与机器人过去的多视角视觉信息和先前的动作信息预测下一步的动作。
-
公开(公告)号：CN111598142B
公开(公告)日：2023-07-14
申请号：CN202010339296.5
申请日：2020-04-26
Applicant: 南京工业大学
IPC: G06F18/24 , G06F18/214 , G06F18/2135 , G06F18/2133 , G06F18/21
Abstract: 本发明公开一种用于轮式移动机器人的室外地形分类方法，包括如下步骤：采集移动机器人在不同地形上运动时的动态车轮力信号；采用自回归滑动平均模型将车轮力信号进行时间序列建模；对该时间序列模型进行特征参数的提取，整理得到特征矩阵；将特征矩阵作为输入，地面类型作为标签，对该数据集进行归一化处理，并送入人工神经网络模型进行训练，得到地形分类器；将该分类器写入机器人主控制程序，当机器人在未知地面上行驶时，能够实现移动机器人当前或近邻地形的识别。本发明通过移动机器人的“力觉”感知到当前或邻近区域行驶时的地面信息，并对其分类，使其能够采取与地形相适应的的行驶风格，识别准确率得以提高。
-
Patent Agency Ranking
公开(公告)号：CN116299090A
公开(公告)日：2023-06-23
申请号：CN202310069794.6
申请日：2023-02-07
Applicant: 南京工业大学
Abstract: 本发明提供了一种表面图形磁性薄膜巨磁阻抗磁传感器，包括绝缘基底、两个电极和表面图形磁性薄膜；所述表面图形磁性薄膜包括表面光滑磁性薄膜和多个条栅图案磁性薄膜；表面光滑磁性薄膜设置在基底的顶部；多个条栅图案磁性薄膜等间距地排列在表面光滑磁性薄膜的顶部；表面光滑磁性薄膜和单个条栅图案磁性薄膜均为矩形；条栅图案磁性薄膜的长边垂直于表面光滑磁性薄膜的长边；两个电极对称地连接在表面光滑磁性薄膜的两个宽边上。本发明不仅削弱了表面图形磁性薄膜宽度方向的退磁效应，还利用了上层条栅图案磁性薄膜的形状各向异性，可显著增强表面图形磁性薄膜的巨磁阻抗效应，实现高灵敏度的磁场检测。
-
公开(公告)号：CN115639506A
公开(公告)日：2023-01-24
申请号：CN202211274703.4
申请日：2022-10-18
Applicant: 南京工业大学
IPC: G01R33/02
Abstract: 本发明公开了一种低噪声高灵敏度微型平面叠层磁感应式磁传感器，所述磁传感器自下而上依次为绝缘基底、底层磁性薄膜、组合线圈和顶层磁性薄膜；组合线圈和底层磁性薄膜以及顶层磁性薄膜之间均设有绝缘隔离层；底层磁性薄膜和顶层磁性薄膜为矩形的平面磁性薄膜或者表面条栅图案磁性薄膜；且底层磁性薄膜和顶层磁性薄膜中至少有一个为表面条栅图案磁性薄膜；组合线圈为双螺旋线圈结构，包括交替设置的激励线圈和感应线圈。本发明不仅削弱了表面条栅图案磁性薄膜长度方向的退磁效应，增强了表面条栅图案磁性薄膜长度方向的有效磁导率，还抑制了涡流噪声，从而实现低噪声高灵敏度的磁场检测。
-
公开(公告)号：CN111561930A
公开(公告)日：2020-08-21
申请号：CN202010348931.6
申请日：2020-04-28
Applicant: 南京工业大学 , 开沃新能源汽车集团股份有限公司
Abstract: 本发明公开了一种车载MEMS陀螺仪随机漂移误差的抑制方法。该算法对车载MEMS陀螺仪传感器输出数据进行建模与滤波，以此来提高车载MEMS陀螺仪传感器输出数据的准确性和稳定性。针对对车载MEMS陀螺仪传感器输出数据存在较大误差的问题，本发明首先采用单位根检验法对选取的MEMS陀螺仪输出数据的平稳性进行检验，通过MEMS陀螺仪输出数据的自相关系数图和偏相关系数图的变化特点，并且结合最小信息准则，构建出时间序列ARMA模型；随后对ARMA模型应用于离散卡尔曼滤波方程，得到滤波处理后的数据；最后，通过实验验证本文开发的算法的有效性。该方法有效的抑制陀螺仪的随机误差，提高其输出信号的信噪比。
-
公开(公告)号：CN115508755B
公开(公告)日：2025-04-29
申请号：CN202211275271.9
申请日：2022-10-18
Applicant: 南京工业大学
IPC: G01R33/05
Abstract: 本发明公开了一种表面条栅图案磁芯微型磁通门传感器，包括基底和表面条栅图案磁芯；基底上设有激励线圈和感应线圈；表面条栅图案磁芯设置在激励线圈和感应线圈内部；表面条栅图案磁芯和激励线圈以及表面条栅图案磁芯和感应线圈之间均通过绝缘隔离层实现电隔离；表面条栅图案磁芯包括表面光滑磁性薄膜和多个条栅图案磁性薄膜；表面光滑磁性薄膜为矩形结构或者回字形的跑道结构；条栅图案磁性薄膜为矩形结构。本发明削弱了表面光滑磁性薄膜长度方向的退磁效应，可以显著增强表面条栅图案磁芯长度方向的有效磁导率，从而实现高灵敏度的磁场检测。
-
公开(公告)号：CN119540758A
公开(公告)日：2025-02-28
申请号：CN202411617353.6
申请日：2024-11-13
Applicant: 南京工业大学
IPC: G06V20/10 , G06V10/44 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/0499 , G06N3/0475 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种改进FCOS的遥感图像目标检测方法，涉及目标检测技术领域，该方法包括以下步骤：基于预先训练的卷积神经网络对遥感目标图像进行卷积和池化操作，生成初步特征，并利用孪生多层感知机对初步特征进行增强处理；通过特征图拼接的方式及特征图增强的方式，对多层次特征图中不同层次的特征信息进行融合处理；根据分析结果确定遥感图像目标的位置，得到目标检测结果。本发明通过特征金字塔网络结合创新的坐标注意力机制，实现高层语义信息与低层细节信息的融合，生成增强的多尺度特征图，以应对遥感图像中目标尺度的多样性，结合多尺度融合与无锚框设计，有效减少误检，从而在遥感图像目标检测领域展现出高效、精确且广泛的应用潜力。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.023 seconds)
