-
公开(公告)号：CN118170035B
公开(公告)日：2024-07-19
申请号：CN202410607166.3
申请日：2024-05-16
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G05B13/04
Abstract: 本发明提供一种基于深度学习的自平衡机器人设计方法及系统，方法包括：根据自平衡机器人的三维数据进行数学建模；根据欧拉拉格朗日运动方程以对三个方向的欧拉拉格朗日运动方程进行线性化，并结合机器人自身物理属性得到空间平衡点，互补滤波器对传感器单元获得的信号数据进行滤波得到倾斜角；根据平衡点获得自平衡机器人的状态方程，根据状态方程并结合加权矩阵和倾斜角，通过深度学习网络对线性二次型调节器进行模型训练以获得训练后的线性二次型调节器；根据目标倾斜角与训练后的线性二次型调节器获得自平衡机器人的目标姿态调整数据以控制自平衡机器人。本申请解决了现有技术中的两轮自平衡机器人控制效果不好，鲁棒性较差的技术问题。
-
公开(公告)号：CN117908684B
公开(公告)日：2024-06-18
申请号：CN202410316740.X
申请日：2024-03-20
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G06F3/01 , G06T15/00 , G06T19/00 , G06F9/48 , G06F9/50 , H04L67/131 , H04L67/10 , H04L67/568
Abstract: 本发明提供了一种虚拟现实实现方法及系统，该方法包括：当实时检测到用户佩戴VR设备时，通过VR设备实时采集用户输入的交互数据，并实时检测出交互数据的交互类型；根据交互类型将交互数据传输至对应的边缘计算节点中，并通过边缘计算节点将交互数据输入至对应的AI引擎中，以通过AI引擎实时解析出交互数据中包含的前台内容；实时匹配出与前台内容对应的背景内容，并对前台内容以及背景内容进行图块合成处理，以生成对应的初始图片，前台内容和背景内容均包含有若干图块；将初始图片对应反馈至VR设备中，并通过VR设备对初始图片依次进行解码以及渲染处理，以生成对应的渲染图片。本发明能够实现画面高效率、低延迟的效果，对应提升了用户体验。
-
公开(公告)号：CN117908684A
公开(公告)日：2024-04-19
申请号：CN202410316740.X
申请日：2024-03-20
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G06F3/01 , G06T15/00 , G06T19/00 , G06F9/48 , G06F9/50 , H04L67/131 , H04L67/10 , H04L67/568
Abstract: 本发明提供了一种虚拟现实实现方法及系统，该方法包括：当实时检测到用户佩戴VR设备时，通过VR设备实时采集用户输入的交互数据，并实时检测出交互数据的交互类型；根据交互类型将交互数据传输至对应的边缘计算节点中，并通过边缘计算节点将交互数据输入至对应的AI引擎中，以通过AI引擎实时解析出交互数据中包含的前台内容；实时匹配出与前台内容对应的背景内容，并对前台内容以及背景内容进行图块合成处理，以生成对应的初始图片，前台内容和背景内容均包含有若干图块；将初始图片对应反馈至VR设备中，并通过VR设备对初始图片依次进行解码以及渲染处理，以生成对应的渲染图片。本发明能够实现画面高效率、低延迟的效果，对应提升了用户体验。
-
公开(公告)号：CN118170035A
公开(公告)日：2024-06-11
申请号：CN202410607166.3
申请日：2024-05-16
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G05B13/04
Abstract: 本发明提供一种基于深度学习的自平衡机器人设计方法及系统，方法包括：根据自平衡机器人的三维数据进行数学建模；根据欧拉拉格朗日运动方程以对三个方向的欧拉拉格朗日运动方程进行线性化，并结合机器人自身物理属性得到空间平衡点，互补滤波器对传感器单元获得的信号数据进行滤波得到倾斜角；根据平衡点获得自平衡机器人的状态方程，根据状态方程并结合加权矩阵和倾斜角，通过深度学习网络对线性二次型调节器进行模型训练以获得训练后的线性二次型调节器；根据目标倾斜角与训练后的线性二次型调节器获得自平衡机器人的目标姿态调整数据以控制自平衡机器人。本申请解决了现有技术中的两轮自平衡机器人控制效果不好，鲁棒性较差的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN119048843A
公开(公告)日：2024-11-29
申请号：CN202411508410.7
申请日：2024-10-28
Applicant: 南昌大学
IPC: G06V10/764 , G06V10/42 , G06V10/774 , G06N3/042 , G06N3/0464
Abstract: 本发明提供了一种基于图拓扑学习的AI生成图像检测方法，涉及图像处理技术领域。基于图拓扑学习的AI生成图像检测方法包括以下步骤：基于冻结的CLIP提取多张图像样本的全局视觉特征；基于所述多张图像样本构建图拓扑结构，基于图卷积网络获取图拓扑结构中节点之间的关系特征；进行拼接融合获得节点特征向量，并输送到线性层进行真假分类预测获得检测结果；基于度量学习损失函数更新图卷积网络的参数，基于二元交叉熵损失更新线性层的参数。本发明根据CLIP的视觉特征设计了一种难样本区分的图拓扑结构，将图拓扑的特征输入到图卷积网络中进行特征学习，进一步丰富和增强了特征表示的判别力，提升了检测时的准确性和泛化性。
-
公开(公告)号：CN113596950A
公开(公告)日：2021-11-02
申请号：CN202110782534.4
申请日：2021-07-12
Applicant: 南昌大学
Abstract: 本发明公开了一种能量平衡的圆形无线传感器网络非均衡分簇方法，以实现簇头节点能量负载均衡，延长无线传感网络的生命周期；通过簇头节点负载，利用广泛的理论推导和簇头节点能量计算，得到每层簇头节点的最优数目；基于模糊逻辑方法，得到一种簇头节点更替机制；结合两种方式，提出一种能量均衡的分簇方法；利用模拟实验，最终证明该算法在提升无线传感网络生命周期上，效果显著。
-
公开(公告)号：CN119048843B
公开(公告)日：2025-03-18
申请号：CN202411508410.7
申请日：2024-10-28
Applicant: 南昌大学
IPC: G06V10/764 , G06V10/42 , G06V10/774 , G06N3/042 , G06N3/0464
Abstract: 本发明提供了一种基于图拓扑学习的AI生成图像检测方法，涉及图像处理技术领域。基于图拓扑学习的AI生成图像检测方法包括以下步骤：基于冻结的CLIP提取多张图像样本的全局视觉特征；基于所述多张图像样本构建图拓扑结构，基于图卷积网络获取图拓扑结构中节点之间的关系特征；进行拼接融合获得节点特征向量，并输送到线性层进行真假分类预测获得检测结果；基于度量学习损失函数更新图卷积网络的参数，基于二元交叉熵损失更新线性层的参数。本发明根据CLIP的视觉特征设计了一种难样本区分的图拓扑结构，将图拓扑的特征输入到图卷积网络中进行特征学习，进一步丰富和增强了特征表示的判别力，提升了检测时的准确性和泛化性。
-
公开(公告)号：CN119444673A
公开(公告)日：2025-02-14
申请号：CN202411414591.7
申请日：2024-10-11
Applicant: 南昌大学
IPC: G06T7/00 , G06V10/30 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于深度学习的铜合金元件质量检测方法，S1：通过激光扫描进行铜合金元件初始点云数据的采集；S2：使用双边滤波算法对采集数据预处理，得到去噪后的铜合金元件点云数据；S3：基于深度学习对铜合金元件进行尺寸检测分类，得到尺寸检测结果；S4：尺寸合格的铜合金元件进入表面缺陷检测，在表面缺陷检测中，对YOLOv7网络模型进行改进，对其进行轻量化处理的同时增加注意力机制，基于改进后的YOLOv7网络模型进行表面缺陷检测得到检测结果。本发明使用深度学习来检测铜合金元件的表面质量检测和尺寸质量检测。在表面质量检测方面，在原始的YOLOv7上进行了针对性改进，使得网络可以更加适应小尺寸和尺度变化较大的缺陷，且更加容易部署。
-
公开(公告)号：CN113596950B
公开(公告)日：2023-03-14
申请号：CN202110782534.4
申请日：2021-07-12
Applicant: 南昌大学
Abstract: 本发明公开了一种能量平衡的圆形无线传感器网络非均衡分簇方法，以实现簇头节点能量负载均衡，延长无线传感网络的生命周期；通过簇头节点负载，利用广泛的理论推导和簇头节点能量计算，得到每层簇头节点的最优数目；基于模糊逻辑方法，得到一种簇头节点更替机制；结合两种方式，提出一种能量均衡的分簇方法；利用模拟实验，最终证明该算法在提升无线传感网络生命周期上，效果显著。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
