-
公开(公告)号：CN110490165B
公开(公告)日：2021-05-25
申请号：CN201910792280.7
申请日：2019-08-26
Applicant: 哈尔滨理工大学
Abstract: 一种基于卷积神经网络的动态手势跟踪方法,涉及计算机视觉技术领域,为了应对在复杂场景中手势跟踪过程中遇到的肤色干扰导致跟踪效果差和跟踪的实时性不足等问题，包括以下步骤：步骤一：将复杂背景下的动态手势跟踪作为视觉任务；步骤二：选择手势图像样本进行滤波处理，然后制作手势训练集；步骤三：确定YOLOv3‑gesture手势检测网络结构；步骤四：利用规划区域检测框架完成动态手势跟踪；步骤五：对YOLOv3‑gesture模型进行训练，得到动态手势跟踪模型；步骤六：利用得到的模型完成动态手势跟踪。本发明在复杂场景中手势跟踪过程中遇到的肤色干扰时，跟踪效果强，跟踪的实时性足。
-
Patent Agency Ranking
公开(公告)号：CN109434804A
公开(公告)日：2019-03-08
申请号：CN201811631367.8
申请日：2018-12-29
Applicant: 哈尔滨理工大学
IPC: B25J7/00
Abstract: 一种自动更换末端执行器的微纳操作机器臂。由于操作空间的局限性，传统操作系统不能实现电动夹持装置位姿灵活调整，且末端执行器不能自动更换，对系统的操作效率造成影响，现有的微纳操作机器臂更换末端执行器，需要移动夹取目标末端执行器后，进行微操作，影响了操作的准确性。基于此提出一种自动更换末端执行器的微纳操作机器臂，本设计将末端执行器放入电动夹持装置中，故不用进行夹取操作，就可以直接进行微纳操作。本发明中，圆盘转台（1），样品台（2），旋转定位装置（3）包括圆盘转台以及微型电动马达，光源（4），卡槽（5）放置不同功能的末端执行器；电动夹持装置（6）可以按照多自由度进行转动，以准确完成微纳操作，CCD相机和电子显微镜（7）。本发明用于微纳操作控制领域。
-
公开(公告)号：CN110490165A
公开(公告)日：2019-11-22
申请号：CN201910792280.7
申请日：2019-08-26
Applicant: 哈尔滨理工大学
Abstract: 一种基于卷积神经网络的动态手势跟踪方法,涉及计算机视觉技术领域,为了应对在复杂场景中手势跟踪过程中遇到的肤色干扰导致跟踪效果差和跟踪的实时性不足等问题，包括以下步骤：步骤一：将复杂背景下的动态手势跟踪作为视觉任务；步骤二：选择手势图像样本进行滤波处理，然后制作手势训练集；步骤三：确定YOLOv3-gesture手势检测网络结构；步骤四：利用规划区域检测框架完成动态手势跟踪；步骤五：对YOLOv3-gesture模型进行训练，得到动态手势跟踪模型；步骤六：利用得到的模型完成动态手势跟踪。本发明在复杂场景中手势跟踪过程中遇到的肤色干扰时，跟踪效果强，跟踪的实时性足。
-
公开(公告)号：CN109902572A
公开(公告)日：2019-06-18
申请号：CN201910065786.8
申请日：2019-01-24
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于深度学习的车辆检测方法。传统车辆检测需要结合图像场景选择合适的特征，为此提出一种基于深度学习的车辆检测方法，此方法利用R-FCN算法进行车辆检测，避免了传统车辆检测中需要设计手工特征的问题，同时提高了准确性和鲁棒性。所述车辆检测方法包括以下步骤：A、定义车辆视觉任务；B、制作车辆检测数据集；C、确定共享卷积网络结构；D、采用随机深度的方法优化共享卷积网络；E、训练整体的R-FCN模型，得到最终的车辆检测网络。F、利用新样本对车辆检测网络测试，得到新样本的检测结果。
-
公开(公告)号：CN109407717A
公开(公告)日：2019-03-01
申请号：CN201811105246.X
申请日：2018-09-21
Applicant: 哈尔滨理工大学
IPC: G05D23/19
CPC classification number: G05D23/1917
Abstract: 本发明公开了一种基于自适应模糊PID的温度控制器，包括控制系统、中央处理器、显示系统、执行系统和检测系统。中央处理器芯片设置有模糊PID控制程序，模糊决策表存放在中央处理器芯片的闪烁存储器中。目标温度从控制系统输入。程序运行，温度传感器采集实时温度后，通过AD转换器将温度信息传入中央处理器芯片中，中央处理器根据实时温度与目标温度的偏差，通过查询模糊决策表取得控制量，控制固态继电器的导通时间。从而控制制冷与加热系统，实现温度控制。本发明采用自适应模糊PID控制温度，具有实时控制效果，能满足工业生产中对温度控制要求速度快、精度高的需求。
-
公开(公告)号：CN109685030A
公开(公告)日：2019-04-26
申请号：CN201811631744.8
申请日：2018-12-29
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于卷积神经网络的马克杯杯口缺陷检测分类方法，包括以下步骤：A、由图像采集系统采集马克杯杯口图像信息；B、利用opencv去除采集到图像的噪声和数据集扩充；C、利用LabelImg对马克杯杯口图像进行缺陷标记，将标记好的训练集图像统一格式化为固定大小：2M*2M；D、利用格式化后的训练集对待训练卷积神经网络进行训练；E、利用训练后卷积神经网络模型对缺陷标记后的图像进行图像特征提取；F、区域推荐网络根据图像特征生成相同数量的正样本候选框和负样本候选框；G、对目标推荐区域内检测目标进行分类。至此，整个系统完成了对马克杯杯口缺陷检测分类。本发明可以有效的用于马克杯杯口缺陷检测分类，提高检测自动化程度和效率并减少人为因素对检测过程的影响以及工人的劳动强度。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
