公开(公告)号：CN117908572A

公开(公告)日：2024-04-19

申请号：CN202410072179.5

申请日：2024-01-18

Applicant: 南京工程学院

Inventor： 孟琳 ,  高阳 ,  张嘉超 ,  焦良葆 ,  张剑书 ,  柳圣 ,  路绳方

IPC: G05D1/49 ,  G05D1/46

Abstract: 本发明公开了一种提高扇翼飞行器着舰安全性的纵向控制方法、存储介质、设备及计算机程序产品，包括：在舰船甲板上进行ArUco人工标记，扇翼飞行器在着舰的过程中，根据ArUco人工标记获取舰船的位置信息；根据海浪谱模型，模拟舰船在海浪中的沉浮运动，扇翼飞行器通过扇翼转速控制律控制扇翼飞行器的飞行高度，实现扇翼飞行器与舰船的同步运动，并通过不确定干扰估计器进行扇翼飞行器基于俯仰角速率内回路的姿态控制，实现扇翼飞行器着舰的纵向控制。本发明解决了扇翼飞行器着舰过程中受到的外部干扰、内部干扰以及大姿态角飞行着舰安全性问题，简化了控制参数整定过程，实现扇翼飞行器自主安全着舰。

公开(公告)号：CN119594933A

公开(公告)日：2025-03-11

申请号：CN202411644010.9

申请日：2024-11-18

Applicant: 南京工程学院

Inventor： 孟琳 ,  柳圣 ,  高阳 ,  张剑书 ,  焦良葆

IPC: G01C3/00 ,  G08B21/10 ,  G01C9/00 ,  G01W1/00 ,  G06T7/00 ,  G06T5/70

Abstract: 本发明公开一种基于激光测距与机器视觉相结合的山区电力通道树障隐患检测方法、系统、设备和介质，属于电力系统运维技术领域，方法包括以下步骤：步骤1、利用图像采集装置采集图像数据，利用倾角传感器采集导线倾角数据；步骤2、对所述图像数据进行图像检测，判断所处地域是否天气较好；步骤3、若天气较好，依据所述导线倾角数据控制激光测距仪的测距方向，进行激光测距；步骤4、设定距离阈值，若所测距离数据小于距离阈值，进行树障隐患预警。本发明提高了预警准确率。

公开(公告)号：CN114663729A

公开(公告)日：2022-06-24

申请号：CN202210318273.5

申请日：2022-03-29

Applicant: 南京工程学院

Inventor： 刘迁 ,  黄晓华 ,  邵秀燕 ,  朱晓春 ,  柳圣 ,  郝飞

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/46 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于元学习的气缸套小样本缺陷检测方法，将Yolov3网络和元学习方法(MAML)融合起来，从而进行小样本的气缸套检测。首先进行数据收集并进行图像预处理操作，其次选择Yolov3算法作为骨架网络，在训练图像测试集的支持集之前，加入迁移学习模块，使得元测试集中的支持集有较强的特征提取能力，让模型更容易识别特征信息，加快模型收敛。面对未知的气缸套数据集，模型基于元测试集的支持集进行微调，利用查询集进行小样本的检测。在训练和测试中，随机采取N‑wayK‑shot任务分类方法对模型进行训练和测试，最终实现对小样本的检测。

公开(公告)号：CN119997248A

公开(公告)日：2025-05-13

申请号：CN202510162689.6

申请日：2025-02-14

Applicant: 南京工程学院

Inventor： 张剑书 ,  刘一丹 ,  高阳 ,  孟琳 ,  焦良葆 ,  秦怡童 ,  柳圣

IPC: H04W74/00 ,  H04B17/391 ,  G06N3/092

Abstract: 本发明公开了一种基于粗粒度频谱预测的快速自适应抗干扰信道接入方法，属于通信抗干扰技术领域，方法包括：分别构建智能干扰决策模型和智能抗干扰信道接入决策模型，将合法用户和智能干扰机之间的交互过程建模为马尔可夫博弈；利用智能干扰决策模型输出当前跳的干扰决策；在线训练和更新智能抗干扰信道接入决策模型；利用训练和参数更新后的智能抗干扰信道接入决策模型预测粗粒度频谱和Q函数值，以输出合法用户在当前跳的信道接入决策，实现合法用户抗干扰信道的实时接入。本发明能够在不需要合法用户了解任何有关干扰机动作空间和干扰机动作信息的情况下，具备更快的收敛速度和优越的抗干扰性能。

公开(公告)号：CN117095401A

公开(公告)日：2023-11-21

申请号：CN202311008755.1

申请日：2023-08-11

Applicant: 南京工程学院

Inventor： 袁筱钰 ,  张植博 ,  黄晓华 ,  孙亚博 ,  邵秀燕 ,  柳圣

IPC: G06V30/148 ,  G06V30/19 ,  G06V10/82 ,  G06V10/80

Abstract: 本发明提供了一种基于优化深度网络的古文字样本采集、检测和识别方法。首先，进行数据采集和样本标注，并通过迭代采集的方法扩充和更新数据库，搭建古文字拓片摹本和单字数据库，弥补古文字图像数据库的缺乏。其次，选择CycleGAN对古文字摹本和拓片进行跨域图像转换，从风格迁移的角度扩充数据，并在此基础上进行古文字目标检测。在批量古文字图像上进行目标检测，可将对古文字的识别从单字转换为整片识别，提升了技术的实用性。此外，在搭建的古文字单字数据库的基础上，针对其长尾分布的特性，采用Mixup方法生成新的样本数据。再使用四种深层网络模型进行训练，最后建立一种决策级融合识别模型，完成古文字采集、检测和识别的目标。

公开(公告)号：CN115331206A

公开(公告)日：2022-11-11

申请号：CN202210973980.8

申请日：2022-08-15

Applicant: 南京工程学院

Inventor： 王彦博 ,  张剑书 ,  黄晓华 ,  柳圣 ,  孙新元

IPC: G06V20/59 ,  G06V40/16

Abstract: 本发明是一种基于机器视觉的疲劳驾驶检测方法，包括：步骤1：实时地采集驾驶人在驾驶过程中的面部画面；步骤2：采用基于Dlib的人脸关键点检测技术，检测驾驶人面部位置，记录面部关键点坐标；步骤3：从坐标数据中选择表示左眼、右眼和嘴部的关键点，计算眼部、嘴部纵横比，提取眼部疲劳相关特征和嘴部疲劳相关特征；步骤4：将关键点与3D人脸模型中对应的点进行匹配和映射，计算旋转矩阵，提取头部运动特征；步骤5：设定眨眼、打哈欠和点头这三类疲劳相关特征的判断阈值，根据出现的频率和时长判断驾驶人的疲劳状态。本发明不需要给驾驶人佩戴额外的监控设备，也无需记录驾驶人对测试车辆的控制信息，不会带来安全隐患，判断精确度高。