-
公开(公告)号：CN119363989B
公开(公告)日：2025-04-01
申请号：CN202411907739.0
申请日：2024-12-24
Applicant: 厦门瑞为信息技术有限公司 , 深圳职业技术大学
IPC: H04N19/124 , G06T11/00 , G06T3/4046 , G06N3/0464 , G06N3/045 , H04N19/176 , H04N19/91 , G06N3/08
Abstract: 本发明公开了一种高光谱图像的压缩与重建方法、装置及设备，其包括：获取Matiwan数据并进行包括随机裁剪的预处理，生成预设尺寸的图像块作为原始高光谱图像；将基于所述原始高光谱图像所获得的通道索引和空间网格坐标输入预构建的神经网络中并在预设损失函数的约束下进行过拟合训练，得到用以表示所述原始高光谱图像的第一模型；对所述第一模型的网络权重进行包括权重量化以及哈夫曼编码的压缩处理，得到压缩文件；对所述压缩文件进行哈夫曼逆编码的数据解压以及通过前向传播进行数据重建，得到重建光谱图像。能够实现高压缩比的同时保留高光谱图像的光谱特性，使重建的高光谱图像更具有实际的物理意义，提升压缩重建质量，为后续应用提供数据支撑。
-
公开(公告)号：CN119363989A
公开(公告)日：2025-01-24
申请号：CN202411907739.0
申请日：2024-12-24
Applicant: 厦门瑞为信息技术有限公司 , 深圳职业技术大学
IPC: H04N19/124 , G06T11/00 , G06T3/4046 , G06N3/0464 , G06N3/045 , H04N19/176 , H04N19/91 , G06N3/08
Abstract: 本发明公开了一种高光谱图像的压缩与重建方法、装置及设备，其包括：获取Matiwan数据并进行包括随机裁剪的预处理，生成预设尺寸的图像块作为原始高光谱图像；将基于所述原始高光谱图像所获得的通道索引和空间网格坐标输入预构建的神经网络中并在预设损失函数的约束下进行过拟合训练，得到用以表示所述原始高光谱图像的第一模型；对所述第一模型的网络权重进行包括权重量化以及哈夫曼编码的压缩处理，得到压缩文件；对所述压缩文件进行哈夫曼逆编码的数据解压以及通过前向传播进行数据重建，得到重建光谱图像。能够实现高压缩比的同时保留高光谱图像的光谱特性，使重建的高光谱图像更具有实际的物理意义，提升压缩重建质量，为后续应用提供数据支撑。
-
公开(公告)号：CN119648681A
公开(公告)日：2025-03-18
申请号：CN202411815100.X
申请日：2024-12-11
Applicant: 深圳职业技术大学
Abstract: 本发明涉及热泄漏检测技术领域，尤其涉及一种化工过程的热泄漏监测方法和装置。本发明在热成像图像像素的协方差矩阵中引入了空间距离矩阵信息，其更能体现每个像素点间的空间关系；再根据协方差矩阵计算特征矩阵，从而提取数据特征实现数据降维；基于特征矩阵和待测热图像数据，确定待测热图像数据每个像素点的T2贡献度指标和SPE贡献度指标。然而，仅仅依据单个像素的贡献度指标判断是否发生异常，容易产生严重的误报问题，因此需要综合考虑每个像素邻近区域的所有像素的T2贡献度指标和SPE贡献度指标，构建区域性检测指标，确定异常区域。以准确地检测化工过程热泄漏的位置。
-
公开(公告)号：CN117350327A
公开(公告)日：2024-01-05
申请号：CN202311355538.X
申请日：2023-10-19
Applicant: 深圳职业技术大学
IPC: G06N3/044 , G06N3/08 , G01M17/007
Abstract: 基于递归神经成分分析的混合动力汽车故障检测方法，首先，基于递归神经网络构建一个非线性神经网络，并采用神经成分分析，确定新的基于神经网络的混合动力汽车故障过程监测算法，进而得出混合动力汽车的具体故障，具体包括离线训练、在线测试两个总步骤。本发明采用RNCA算法对混合动力汽车动力系统进行故障检时，不需要了解动力系统的具体模型，只需要获得动力系统的离线和测试数据即可。RNCA通过构建NCA网络解决了故障检测中的非线性难题，同时保留了PCA的优点，此外，RNCA比常用的核函数的方法计算量更低。RNCA通过增加循环结构解决了故障检测中的动态难题，为混合动力汽车的技术发展起到了有利技术支持。
-
公开(公告)号：CN119336060A
公开(公告)日：2025-01-21
申请号：CN202411460919.9
申请日：2024-10-18
Applicant: 深圳职业技术大学
Abstract: 本发明公开了一种无超调预设性能飞行器鲁棒容错姿态控制方法及系统，属于刚体飞行器控制技术领域，该方法通过建立考虑输入饱和与故障的飞行器姿态跟踪误差运动模型，对姿态跟踪误差的边界进行限制，获取无超调预设性能姿态误差行为边界；基于飞行器姿态跟踪误差运动模型和无超调预设性能姿态误差行为边界，确定无约束转换误差动态方程；基于飞行器姿态跟踪误差运动模型和动态方程，建立无约束姿态跟踪运动模型，设计虚拟控制指令，并引入抗饱和辅助系统，确定姿态转换误差和修正后角速度跟踪误差的动态方程；基于浸入与不变理论设计扰动估计器，确定控制器的完整形式，对飞行器的姿态进行跟踪控制，该方法能够实现无超调约束进而降低碰撞风险。
-
Patent Agency Ranking
公开(公告)号：CN118992130A
公开(公告)日：2024-11-22
申请号：CN202411100760.X
申请日：2024-08-12
Applicant: 深圳职业技术大学
IPC: B64G1/24
Abstract: 本发明公开了一种飞行器抗退绕自适应姿态控制方法及系统，建立飞行器相对姿态运动学和动力学方程，定义不确定性转动惯量矩阵的参数向量，引入符号函数，将相对姿态运动学和动力学方程改写为飞行器的参数仿射形式；定义参数估计的外部形式，确定姿态跟踪控制律和闭环系统方程；根据飞行器参数估计的外部形式和闭环系统方程，获得待求解偏微分方程，引入滤波状态对偏微分方程进行改造，给出偏微分方程的近似解及其带来的误差项，引入动态缩放因子消除误差项，确定飞行器参数估计的内部形式；并确定飞行器抗退绕浸入与不变自适应姿态控制器的完整形式。通过该方法能够实现飞行器在参数不确定性、外部扰动、退绕现象并存下的高性能姿态跟踪控制。
-
公开(公告)号：CN119806339A
公开(公告)日：2025-04-11
申请号：CN202411874865.0
申请日：2024-12-19
Applicant: 深圳职业技术大学
IPC: G06F3/0354 , G06F3/038 , G06V20/60 , G06T7/66 , G06T7/70
Abstract: 本发明涉及无线控制技术领域，尤其涉及一种显示屏的无线控制方法及装置。该方法对每一张图像中光斑的像素位置进行识别；基于摄像头的内参和镜头空间位置、红外光源的空间位置、光斑的像素位置以及反光球的半径，确定反光球的球心空间位置；基于两个反光球的球心空间位置、显示屏的屏幕坐标系转换到空间坐标系的旋转变换矩阵和平移变换矩阵，确定手持器指向显示屏而产生的光标位置，以利用光标位置对显示屏进行无线控制；其中，两个反光球的球心空间位置和光标位置共线。上述技术方案能够通过手持器设置的指向自由控制对显示画面的点击操作。
-
公开(公告)号：CN119385753A
公开(公告)日：2025-02-07
申请号：CN202411522648.5
申请日：2024-10-29
Applicant: 深圳职业技术大学
Abstract: 本发明实施例公开了一种基于视触跨模态感知的盲人导航方法、设备及介质。其中，所述方法由智能穿戴设备的处理器执行，智能穿戴设备包括智能眼镜和智能腰带，智能腰带设置有至少两个振动单元，方法包括：获取基于智能眼镜的第一摄像头拍摄的第一环境图像，获取基于智能眼镜的第二摄像头拍摄的第二环境图像，根据第一环境图像和第二环境图像得到目标深度图像；将目标深度图像划分为至少两个区域图像，确定各区域图像的最小深度值，将各最小深度值转换为对应强度的电压信号，区域图像和振动单元相对应；将各电压信号传输至智能腰带，驱动与电压信号对应的振动单元振动，通过多点振动设计实现从视觉到触觉的精准转换，为用户提供跨模态的导航体验。
-
公开(公告)号：CN118166630B
公开(公告)日：2024-09-20
申请号：CN202410305789.5
申请日：2024-03-18
Applicant: 深圳职业技术大学
Abstract: 本发明涉及车道划线技术领域，尤其涉及一种高速公路的车道划线方法及装置。该方法首先确定出高速公路的路肩位置，然后基于路肩位置控制至少一个划线设备沿路肩的平行线方向进行车道划线，从而能够提高高速公路的车道划线效率。
-
公开(公告)号：CN119809601A
公开(公告)日：2025-04-11
申请号：CN202411862086.9
申请日：2024-12-17
Applicant: 深圳职业技术大学
IPC: G06Q10/20 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/0985 , G06Q10/04 , G06Q10/0631
Abstract: 本发明公开了基于预测模型的生产设备智能动态维护方法，属于设备维护技术领域，包括以下步骤：S1、设备数据收集、处理与转换；S2、构建CNN‑SVR预测模型，预测设备的剩余使用寿命；S3、构建生产调度模型，生产调度模型和CNN‑SVR预测模型由系统控制，生产调度模型根据设备的健康状况灵活调整生产计划。本发明采用上述的基于预测模型的生产设备智能动态维护方法，通过CNN模型和SVR模型对设备的运行状态进行实时监控和分析，并预测设备的RUL，根据设备的实际状态动态调整维护计划，避免传统固定维护中因过早或过晚维护而导致的资源浪费、设备故障及维护成本增加等问题。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.042 seconds)
