公开(公告)号：CN112894882A

公开(公告)日：2021-06-04

申请号：CN202011610327.2

申请日：2020-12-30

Applicant: 哈尔滨工业大学芜湖机器人产业技术研究院

Inventor： 徐劲松 ,  任鹏 ,  丁坤 ,  焦传佳

IPC: B25J19/00

Abstract: 本发明公开了一种基于工业互联网的机器人故障检测系统，包括：设于机器人电机上的振动传感器，振动传感器感应的振动信号通过智能网关发送至诊断平台，诊断平台基于振动信号来诊断机器人的故障类型；所述诊断平台上集成有振动特征提取单元及人工神经网络模型，振动特征单元的输出端与人工神经网络的输入端连接。利用离散小波分析方法对机器人监测信号进行故障特征提取，在利用人工神经网络对故障进行分类和分析，可高效实现故障特征的完整提取和故障分类，可靠性好。

公开(公告)号：CN112598658A

公开(公告)日：2021-04-02

申请号：CN202011588757.9

申请日：2020-12-29

Applicant: 哈尔滨工业大学芜湖机器人产业技术研究院

Inventor： 丁坤 ,  徐劲松 ,  高云峰 ,  曹雏清

IPC: G06T7/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于轻量级孪生卷积神经网络的病识别方法，包括如下步骤：构建细粒度病变特征联合训练模型，包括数据生成器，数据生成器与特征提取器连接，特征提取器与孪生卷积神经网络连接，孪生卷积神经网络与特征判别网络连接；对细粒度病变特征联合训练模型进行训练，基于损失函数值最小的细粒度病变特征联合训练模型生成细粒度病变特征识别模型；将待识别图像输入细粒度病变特征识别模型中，输出对应的皮肤病类别。基于孪生卷积神经网络进行正负样本联合训练的方法，模型可以提取到更具判别性的特征，有效缓解了原始数据集中病变图像特征存在类间差异小，类内差异大情况，增强了模型的特征判别能力。