-
Patent Agency Ranking
公开(公告)号：CN116433768A
公开(公告)日：2023-07-14
申请号：CN202310433508.X
申请日：2023-04-21
Applicant: 南京理工大学
Abstract: 本申请提供一种基于神经辐射场的可扩展增量式视觉建图方法。所述方法通过在建图过程中根据当前帧相机位姿与图像深度信息动态地将场景划分为多个相互之间部分重叠的正方体空间，且每个正方体空间用一个神经网络来隐式地表征环境几何与纹理属性；在对相关正方体空间逐一优化的过程中，选取与当前空间块相关的关键帧，稀疏地采样各图像帧信息，并在该信息基础上运用分布式优化方法同时优化相关隐式神经空间块和当前帧位姿。本申请提供的方法能够在大型未知环境下实现基于神经辐射场的连续化重建与轻量化表征，解决了现有相关方法在大型场景下建图可扩展性差的难题。
-
公开(公告)号：CN119130859A
公开(公告)日：2024-12-13
申请号：CN202411139559.2
申请日：2024-08-19
Applicant: 南京理工大学 , 南京禹其源智能装备科技有限公司
Abstract: 本发明公开了一种基于梯度数据的结构地形语义分割图像优化方法。所述方法包括：基于Sobel算子将深度数据(Depth)转化为具有图像像素灰度值变化的梯度数据，并将梯度数据归一化用红绿蓝(RGB)数据展示成法线贴图；法线贴图与红绿蓝(RGB)数据按照像素点矩阵Max方法融合，实现对输入图像的重新编码，并产出具有色彩表征的法线方向信息与基本RGB图像融合的图像信息；基于法线贴图的Canny边缘检测数据和梯度数据，对MobileNetV3轻量级网络的语义分割结果的边缘进行优化。与现有方法相比本方法优化了语义图像的边缘，同时兼顾速度与精度。本发明提出的语义分割边缘优化方法简单高效，适用于大多数结构地形的语义分割。
-
公开(公告)号：CN113927370A
公开(公告)日：2022-01-14
申请号：CN202111110226.3
申请日：2021-09-22
Applicant: 南京理工大学
IPC: B23Q17/09
Abstract: 本发明公开了一种基于多源信号的刀具剩余寿命实时云监测系统及方法，系统包括多源信号采集子系统，云处理子系统，刀库，数控系统；云处理子系统为产线内各个机床及其刀库内刀具进行编号，并通过局域网实时接收多源信号采集子系统采集的各机床外加传感器信号，基于核主成分分析法进行多源数据融合，基于最小二乘支持向量机实时计算各刀具剩余寿命预测结果，当剩余寿命预测结果超出阈值范围，云处理子系统向对应机床数控系统发送换刀指令，并记录该刀具编号，以便及时从刀库内撤出该刀具。通过本发明能够实时准确的监测产线内各刀具剩余寿命，避免了因刀具损伤造成的加工质量恶化与刀具冗余设置造成的刀具浪费，提升了产线智能化水平。
-
公开(公告)号：CN111562110A
公开(公告)日：2020-08-21
申请号：CN202010449011.3
申请日：2020-05-25
Applicant: 南京理工大学
IPC: G01M13/045 , G01M13/00 , G06N3/04
Abstract: 本发明提出了一种基于卷积神经网络的故障诊断模型及跨部件故障诊断方法。首先分别采集机械部件A正常和故障状态下的运行数据，利用正交优化设计方法和一维卷积神经网络构建出一系列用于机械部件A故障诊断的诊断模型，基于正交优化实验结果进一步从这些模型中分析得出部件A的最优故障诊断模型；然后，基于网络模型重用的迁移学习方法进行跨部件的故障诊断建模，以逐层适配的方式迁移部件A最优故障诊断模型的权重，构造一系列用于部件B故障诊断的迁移诊断模型；最后，利用机械部件B的数据对所有迁移诊断模型进行再训练，通过对比迁移诊断模型的正确率，获得机械部件B的最优故障诊断模型，实现基于正交优化卷积神经网络和迁移学习的跨部件故障诊断。
-
公开(公告)号：CN111562110B
公开(公告)日：2021-02-26
申请号：CN202010449011.3
申请日：2020-05-25
Applicant: 南京理工大学
IPC: G01M13/045 , G01M13/00 , G06N3/04
Abstract: 本发明提出了一种基于卷积神经网络的故障诊断模型及跨部件故障诊断方法。首先分别采集机械部件A正常和故障状态下的运行数据，利用正交优化设计方法和一维卷积神经网络构建出一系列用于机械部件A故障诊断的诊断模型，基于正交优化实验结果进一步从这些模型中分析得出部件A的最优故障诊断模型；然后，基于网络模型重用的迁移学习方法进行跨部件的故障诊断建模，以逐层适配的方式迁移部件A最优故障诊断模型的权重，构造一系列用于部件B故障诊断的迁移诊断模型；最后，利用机械部件B的数据对所有迁移诊断模型进行再训练，通过对比迁移诊断模型的正确率，获得机械部件B的最优故障诊断模型，实现基于正交优化卷积神经网络和迁移学习的跨部件故障诊断。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
