一种智能眼镜
    1.
    发明公开

    公开(公告)号:CN108594434A

    公开(公告)日:2018-09-28

    申请号:CN201810365329.6

    申请日:2018-04-23

    Abstract: 本发明公开了一种智能眼镜,包括控制器、蓝牙通讯模块、陀螺仪加速度计、光感模块、测距模块、蜂鸣器和电源模块;陀螺仪加速度计与控制器相连,将采集到的数据发送给控制器,控制器处理后通过蓝牙通讯模块发送到移动终端,用户从移动终端读取记步数;光感模块与控制器相连,采集光强度信号并发送到控制器,控制器判断环境光舒适度,并通过蜂鸣器报警;测距模块与控制器相连,测量人眼视距,并发送给控制器,控制器判断是否在安全范围,并通过蜂鸣器报警。本发明是一款适用于视力保护和计步的智能眼镜。

    一种基于激光传感器系统的铁塔倾斜检测系统及方法

    公开(公告)号:CN107687838A

    公开(公告)日:2018-02-13

    申请号:CN201710592803.4

    申请日:2017-07-19

    Abstract: 本发明公开了一种基于激光传感器系统的铁塔倾斜检测系统及方法,该系统分为激光发射端部分和激光接收端部分。激光发射端部分,通过单片机实现继电器的定时吸合或断开,实现激光器断续发射激光,向激光接收端传递光信号。激光接收端部分,当受光器接收到激光照射时,则微控制器会侦测到受光器中一组电路连通出现高电平,通过微控制器记录高电平的持续时间,将电信号翻译成相应的摩尔斯电码符号,并与接收端内预置的口令逐位比对。若出现符合的摩尔斯密码字段,则说明铁塔倾斜状态正常,并向远程监控中心,发送报告铁塔状态正常。否则,报告铁塔倾斜报警。该激光检测系统对铁塔倾斜状态的检测方法效率高,实现简单,精确度高,具有较好的使用价值。

    一种基于深度神经网络建模的作物图像分割系统及方法

    公开(公告)号:CN109325495A

    公开(公告)日:2019-02-12

    申请号:CN201811118636.0

    申请日:2018-09-21

    Abstract: 本发明公开了一种基于深度神经网络建模的作为图像分割系统,该系统包括:图像采集模块;像素分类模块,用于通过人工在所述作物图像中以点选方式手动获得两类像素:作物像素和背景像素,即分别对应类别标签正样本和负样本,选取同等数量的所述正样本和负样本作为深度卷积神经网络的训练样本;颜色空间转换模块,用于将所述训练样本由RGB颜色空间转换为标准化的rgb和Lab颜色空间,并将样本的Lab颜色值按ICC规范将其转换为无符号8bit整数形式,形成所述训练样本的颜色特征;神经网络训练模块;模型测试模块。本发明具有较高的作物图像分割处理速度及分割的精确性,且能够较好的适应户外复杂多变的光照环境,可在作物生长观测中对作物进行有效分割提取。

    一种基于激光传感器系统的铁塔倾斜检测系统及方法

    公开(公告)号:CN107687838B

    公开(公告)日:2020-05-12

    申请号:CN201710592803.4

    申请日:2017-07-19

    Abstract: 本发明公开了一种基于激光传感器系统的铁塔倾斜检测系统及方法,该系统分为激光发射端部分和激光接收端部分。激光发射端部分,通过单片机实现继电器的定时吸合或断开,实现激光器断续发射激光,向激光接收端传递光信号。激光接收端部分,当受光器接收到激光照射时,则微控制器会侦测到受光器中一组电路连通出现高电平,通过微控制器记录高电平的持续时间,将电信号翻译成相应的摩尔斯电码符号,并与接收端内预置的口令逐位比对。若出现符合的摩尔斯密码字段,则说明铁塔倾斜状态正常,并向远程监控中心,发送报告铁塔状态正常。否则,报告铁塔倾斜报警。该激光检测系统对铁塔倾斜状态的检测方法效率高,实现简单,精确度高,具有较好的使用价值。

    基于标志物多特征融合的无人机自动寻的着陆方法

    公开(公告)号:CN106203439A

    公开(公告)日:2016-12-07

    申请号:CN201610481768.4

    申请日:2016-06-27

    CPC classification number: G06K9/4609 G06K9/4652 G06K9/629

    Abstract: 本发明公开了一种基于标志物多特征融合的无人机自动寻的着陆方法,是一种基于标志物颜色、形态学轮廓以及特征点,多种特征的无人机自动寻的着陆方法,以机载摄像机实时采集到的视频图像为对象,自动地较准确地检测目标在图像中的位置。该方法以标志物图形的颜色特征、轮廓的形态特征和特征点作为判断依据,能够适应低空无人机航空序列图像的视角变换、几何变换、放射变换、畸变、亮度变换、噪声干扰等恶劣情况下的匹配问题,可以实时地对基准图形进行检测,进而实时计算标志物的坐标,检测结果准确率高,对无人机自动寻地着陆具有重要的应用价值。

    基于标志物多特征融合的无人机自动寻的着陆方法

    公开(公告)号:CN106203439B

    公开(公告)日:2019-05-31

    申请号:CN201610481768.4

    申请日:2016-06-27

    Abstract: 本发明公开了一种基于标志物多特征融合的无人机自动寻的着陆方法,是一种基于标志物颜色、形态学轮廓以及特征点,多种特征的无人机自动寻的着陆方法,以机载摄像机实时采集到的视频图像为对象,自动地较准确地检测目标在图像中的位置。该方法以标志物图形的颜色特征、轮廓的形态特征和特征点作为判断依据,能够适应低空无人机航空序列图像的视角变换、几何变换、放射变换、畸变、亮度变换、噪声干扰等恶劣情况下的匹配问题,可以实时地对基准图形进行检测,进而实时计算标志物的坐标,检测结果准确率高,对无人机自动寻地着陆具有重要的应用价值。

    一种基于深度神经网络建模的作物图像分割系统及方法

    公开(公告)号:CN109325495B

    公开(公告)日:2022-04-26

    申请号:CN201811118636.0

    申请日:2018-09-21

    Abstract: 本发明公开了一种基于深度神经网络建模的作为图像分割系统,该系统包括:图像采集模块;像素分类模块,用于通过人工在所述作物图像中以点选方式手动获得两类像素:作物像素和背景像素,即分别对应类别标签正样本和负样本,选取同等数量的所述正样本和负样本作为深度卷积神经网络的训练样本;颜色空间转换模块,用于将所述训练样本由RGB颜色空间转换为标准化的rgb和Lab颜色空间,并将样本的Lab颜色值按ICC规范将其转换为无符号8bit整数形式,形成所述训练样本的颜色特征;神经网络训练模块;模型测试模块。本发明具有较高的作物图像分割处理速度及分割的精确性,且能够较好的适应户外复杂多变的光照环境,可在作物生长观测中对作物进行有效分割提取。

Patent Agency Ranking