-
公开(公告)号：CN117184263A
公开(公告)日：2023-12-08
申请号：CN202311106068.3
申请日：2023-08-30
Applicant: 南通大学
IPC: B62D55/084
Abstract: 本发明涉及一种微分履带式新型轮子。椭圆形的传动轮毂通过若干个可伸缩电磁辐条与履带相连接，电磁辐条之间紧密排列，若干个电磁辐条与若干个履带板相连接，履带板之间通过履带销连接，可伸缩电磁辐条可独立改变自己的长度，带动履带板的形状发生改变。本发明突破了传统的路面适应轮子的设计思维，通过在运动过程中实时改变轮子形状的方法来使载体如履平地。
-
公开(公告)号：CN116363364B
公开(公告)日：2023-09-26
申请号：CN202310306193.2
申请日：2023-03-27
Applicant: 南通大学
IPC: G06V10/26 , G06T7/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明涉及一种基于改进DSD‑LinkNet的电力安全带分割方法。本发明包括以下步骤：S1：使用YOLOv2目标检测网络将电力安全带检出，并将其送入电力安全带分割网络中，分割网络的输入为安全带的最小外接矩形截出的图片块；S2：电力分割网络对输入图片进行编码，建立5种不同分辨率等级的卷积层，并使用它们进行两倍下采样；S3：基于两倍下采样后的特征图，将其中深层特征图的分辨率经两倍上采样后拼接，再经5个反卷积层进行多倍上采样，还原到原输入图像大小；S4：对还原后的图像直接拼接，再经过最后一层3×3反卷积层后得到输出特征图；S5：根据最后一层反卷积的输出特征图，预测出原图腰带、安全绳和背景像素对应类别的概率，输出安全带的分割图像。
-
公开(公告)号：CN116363364A
公开(公告)日：2023-06-30
申请号：CN202310306193.2
申请日：2023-03-27
Applicant: 南通大学
IPC: G06V10/26 , G06T7/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明涉及一种基于改进DSD‑LinkNet的电力安全带分割方法。本发明包括以下步骤：S1：使用YOLOv2目标检测网络将电力安全带检出，并将其送入电力安全带分割网络中，分割网络的输入为安全带的最小外接矩形截出的图片块；S2：电力分割网络对输入图片进行编码，建立5种不同分辨率等级的卷积层，并使用它们进行两倍下采样；S3：基于两倍下采样后的特征图，将其中深层特征图的分辨率经两倍上采样后拼接，再经5个反卷积层进行多倍上采样，还原到原输入图像大小；S4：对还原后的图像直接拼接，再经过最后一层3×3反卷积层后得到输出特征图；S5：根据最后一层反卷积的输出特征图，预测出原图腰带、安全绳和背景像素对应类别的概率，输出安全带的分割图像。
-
Patent Agency Ranking
公开(公告)号：CN116704308A
公开(公告)日：2023-09-05
申请号：CN202310352537.3
申请日：2023-04-04
Applicant: 南通大学
IPC: G06V10/82 , G06V10/40 , G06V10/80 , G06V10/762 , G06V10/764 , G06N3/0464 , G06N3/048
Abstract: 本发明属于智能识别技术领域，具体涉及一种基于改进YOLOv2的电力安全标志牌检测方法。本发明包括以下步骤：S1：采集电力安全标志牌图片，对于长宽比不同的样本，按照图片最长边以零像素值将分辨率补齐，输入尺寸为416×416的图片样本；S2：将输入图片经Darknet‑19基础网络的卷积层后进行16倍下采样，得到分辨率为26×26的特征图；S3：基于16倍下采样后的特征图，对深层特征进行索引池化，并将原特征图结合池化掩码进行上采样；S4：将上采样后的特征图与相同大小的浅层特征进行拼接融合，并对拼接融合后的高分辨率特征图进行预测；S5：根据特征图中不同映射单元的特征，预测此单元内的目标，最终输出电力安全标志牌检测图。
-
公开(公告)号：CN116552840A
公开(公告)日：2023-08-08
申请号：CN202310425154.4
申请日：2023-04-20
Applicant: 南通大学
Abstract: 本发明涉及一种飞翼式远距离新能源充电机器人，包扩飞翼式布局的机身，机翼上嵌有两个电机带动两个螺旋扇叶，电机与副电池相连，内部装有一台小型涡喷发动机，机腹带有油箱，油箱盖位于机身背面，在机身内部安装有蓄电池为主电池储蓄能量，机头下部带有视觉传感器，主控制器位于机头，机身顶端有充电头通过可伸缩充电管与蓄电池相连，新型充电头带有视觉传感器锁定充电口，机腹两侧安有起落架稳固机身，机尾为尾喷管，机尾有舵机控制的转向尾翼，机头上侧有进气道，整个机身上表面除螺旋扇叶外材质均为太阳能板。本发明通过飞行器携带蓄电池，短时间内到达远距离之外为新能源汽车充电，大大增强了新能源汽车的续航能力。
-
公开(公告)号：CN114995468A
公开(公告)日：2022-09-02
申请号：CN202210633134.1
申请日：2022-06-06
Applicant: 南通大学
IPC: G05D1/06
Abstract: 本发明涉及水下机器人技术领域，尤其涉及一种基于贝叶斯深度强化学习的水下机器人智能控制方法，包括以下步骤：S1、依据水下机器人搭载的传感器系统感知水下环境信息；S2、构建水下机器人贝叶斯深度强化学习智能控制模型；S3、依据交互训练完成水下机器人智能控制模型学习；S4、水下机器人智能控制方法部署应用。本发明能够赋予水下机器人自主学习能力，能够令水下机器人自主完成运动控制，提高水下机器人在水下作业的工作效率。
-
公开(公告)号：CN116665090A
公开(公告)日：2023-08-29
申请号：CN202310543119.2
申请日：2023-05-15
Applicant: 南通大学
IPC: G06V20/40 , G06V10/44 , G06V10/762 , G06V10/82 , G06V10/74 , G06N3/0464
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于轻量级网络的电力梯子检测方法。本发明包括以下步骤：S1：对监控视频进行抽帧处理，采集电力梯子图像，使用在线增强技术对图像进行平移和缩放，并使用K‑means算法对数据集中的标签框进行聚类，输入尺寸为416×416的图片样本；S2：将输入416×416的图片经M‑YOLOv3网络进行特征提取，并通过特征金字塔融合、加强特征提取；S3：对加强特征提取后的特征图卷积并进行2倍上采样，再利用卷积预测；S4：引入GloU的损失函数来判断检测框和标签框的重叠程度，并衡量预测框回归的精确程度，当回归预测框位置的损失越接近0，表示预测框与标签框越相似；S5：根据预测结果，输出电力绝缘梯和非绝缘梯的检测图。
-
公开(公告)号：CN114995468B
公开(公告)日：2023-03-31
申请号：CN202210633134.1
申请日：2022-06-06
Applicant: 南通大学
IPC: G05D1/06
Abstract: 本发明涉及水下机器人技术领域，尤其涉及一种基于贝叶斯深度强化学习的水下机器人智能控制方法，包括以下步骤：S1、依据水下机器人搭载的传感器系统感知水下环境信息；S2、构建水下机器人贝叶斯深度强化学习智能控制模型；S3、依据交互训练完成水下机器人智能控制模型学习；S4、水下机器人智能控制方法部署应用。本发明能够赋予水下机器人自主学习能力，能够令水下机器人自主完成运动控制，提高水下机器人在水下作业的工作效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
