公开(公告)号：CN118736565A

公开(公告)日：2024-10-01

申请号：CN202410869578.4

申请日：2024-07-01

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 伍锡如 ,  杨泽新 ,  张雨秋

IPC: G06V20/68 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于YOLOv8的水果检测策略优化方法，具体涉及农业果蔬检测技术领域。目的是优化水果的检测方式，提高水果图像识别的准确性和鲁棒性。该方法是由如下步骤实现的：步骤一：收集水果图像，建立水果图像数据集；步骤二：对水果图像进行预处理，标定水果图像并建立训练集和测试集；步骤三：搭建YOLOv8模型框架；步骤四：替换原有模型的检测策略，使用WISEIOU训练策略；步骤五：使用改进后的水果检测模型对水果训练集进行训练；步骤六：使用测试集测试训练后的模型，并输出模型。本发明适用于智慧农业果蔬系统。

公开(公告)号：CN118692075A

公开(公告)日：2024-09-24

申请号：CN202410869281.8

申请日：2024-07-01

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 伍锡如 ,  杨泽新 ,  张雨秋 ,  柳标

IPC: G06V20/68 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于YOLOv8的百香果成熟度检测方法，具体涉及农业果蔬检测技术领域。目的是优化百香果生长期阶段的检测方式，提高百香果生长期阶段图像识别的准确性和鲁棒性。该方法是由如下步骤实现的：步骤一：收集百香果生长期阶段图像，建立百香果生长期阶段图像数据集；步骤二：对百香果生长期阶段图像进行预处理，标定百香果生长期各阶段图像并建立训练集和测试集；步骤三：构建训练使用的深度学习网络模型，搭载YOLOv8框架；步骤四：设定模型训练参数，图像处理参数，分类识别检测参数等；步骤五：使用调整好的百香果生长期各阶段目标检测识别模型对百香果生长期各阶段图像训练集进行训练；步骤六：使用测试集测试训练后的模型，训练结果合理输出模型。本发明适用于智慧农业果蔬系统。

公开(公告)号：CN118692076A

公开(公告)日：2024-09-24

申请号：CN202410869402.9

申请日：2024-07-01

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 伍锡如 ,  杨泽新 ,  张雨秋 ,  刘昊鹏

IPC: G06V20/68 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于YOLOv8的百香果数据集优化与检测方法，具体涉及农业果蔬检测技术领域。目的是优化百香果的检测方式，提高百香果图像识别的准确性和鲁棒性。该方法是由如下步骤实现的：步骤一：收集和整理百香果图像数据集，对图像进行预处理，进行尺寸调整、归一化；步骤二：建立百香果图像数据集，将收集好的百香果图像进行标签标注；步骤三：使用YOLOv8深度学习模型，在标注好的百香果图像数据集上进行训练，训练得到百香果检测模型；步骤四：添加Augment模块，对训练数据进行数据增强，对图像进行随机裁剪、翻转、颜色抖动；步骤五：使用改进后的百香果检测模型，对待检测的百香果图像进行识别，输出识别结果。本发明适用于智慧农业果蔬系统。

公开(公告)号：CN120052773A

公开(公告)日：2025-05-30

申请号：CN202510465293.9

申请日：2025-04-15

Applicant: 桂林电子科技大学

Inventor： 伍锡如 ,  曾婧 ,  刘金霞

IPC: A47L11/38 ,  A47L11/40

Abstract: 本发明公开了一种墙面清洁机器人。所述墙面清洁机器人包括控制系统、吸附系统、移动系统、障碍识别系统、清洁装置、水箱、支架；所述控制系统设于所述支架顶部；所述吸附系统设于所述支架两侧，包括通孔、负压风机、负压吸盘；所述移动系统设于所述支架底部；所述障碍识别系统所述支架两侧；所述清洁装置设于所述支架内部，包括清洁驱动电机以及清洁刷头；所述水箱设于所述支架顶部，并通过水管连接至喷头处以达到清洁效果。本发明提供一种墙面清洁机器人，能够实现无人操作、自动化清洁，尤其适用于过高或难以触及的墙面清洁，具有高效、节能、安全等优点，解决了现有技术中的墙面清洁装置清洁效果差、实用性差、清洁效率低等技术问题。

公开(公告)号：CN115319755B

公开(公告)日：2025-05-16

申请号：CN202211137827.8

申请日：2022-09-19

Applicant: 桂林电子科技大学

Inventor： 党选举 ,  张一晨 ,  原翰玫 ,  李晓 ,  伍锡如 ,  张向文 ,  张斌 ,  季运佳 ,  邹水中

IPC: B25J9/16

Abstract: 本发明公开一种基于反馈校正的GRU神经网络机器人柔性关节补偿控制方法，针对负载转矩传感器的情况下，通过反映负载大小变化的电机驱动电流与关节扭转角之间的特性，描述关节在不同负载下的迟滞特性，在GRU神经网络的基础上引入反馈结构，利用模型输出值与期望输出值之间的误差组成补偿量，反馈给GRU神经网络模型，用于校正GRU神经网络模型的输出值，以提高关节的GRU神经网络模型精度。柔性关节迟滞模型预测随负载变化的扭转角，作为补偿量，修改关节的角度设定值，从关节输入端，间接实现对关节迟滞特性造成误差的有效补偿。本发明是一种低成本补偿控制方法，有利于低成本高精度轻型工业机器人的高端智能制造中的大量普及。

公开(公告)号：CN119882440A

公开(公告)日：2025-04-25

申请号：CN202510038411.8

申请日：2025-01-10

Applicant: 桂林电子科技大学

Inventor： 卢毅 ,  伍锡如 ,  张本鑫 ,  刘培宇 ,  刘金霞

IPC: G05B13/04

Abstract: 本发明涉及一种非线性摆系统的预测控制模型方法及系统，主要包括以下步骤：根据非线性摆系统的工作状态，构建非线性摆系统的动力学模型；结合迟滞量化器对控制输入进行量化，缓解了网络资源受限对非线性摆系统协同性能的限制；设计一种可在线学习的学习型模型预测控制算法，在线预测最优控制增益矩阵，有效减小通信缺陷对系统性能的影响；构建了与Markov切换拓扑相关的Lyapunov函数，将其作为学习型模型预测控制算法的代价函数。本发明可以进一步降低非线性摆系统的传输效率，通过神经网络的实时自适应调整，学习型模型预测控制算法有效地实现了代价函数的最小化，优化了反馈控制矩阵。

公开(公告)号：CN118732558A

公开(公告)日：2024-10-01

申请号：CN202410764321.2

申请日：2024-06-14

Applicant: 桂林电子科技大学

Inventor： 刘昊鹏 ,  伍锡如 ,  陈乐庚

IPC: G05B19/042

Abstract: 本发明涉及一种执行器饱和时离散马尔可夫跳变系统的有限时间记忆事件触发控制方式及系统，主要包括以下步骤：步骤S1：构建离散马尔可夫跳变系统；步骤S2：设计具有执行器饱和的状态反馈控制器；步骤S3：根据所述步骤S1和S2，生成执行器饱和时离散马尔可夫跳变系统的有限时间记忆事件触发控制模型；步骤S4：根据步骤S3，证明离散马尔可夫跳变系统在有限时间内具有稳定性。本发明可以进一步降低离散马尔可夫跳变系统中的数据传输要求，有效降低通信资源消耗。

公开(公告)号：CN118208630A

公开(公告)日：2024-06-18

申请号：CN202410537711.6

申请日：2024-04-30

Applicant: 桂林电子科技大学

Inventor： 伍锡如 ,  郝家琦 ,  刘金霞

IPC: F16L55/32 ,  F16L55/40 ,  F16L101/30

Abstract: 本发明公开了一种管道检测机器人，包括中心导轨结构、方向移动装置、驱动移动装置、检测控制装置、稳定支撑装置，所述中心导轨结构水平横放于机器人中心，导轨一侧设置一个限位板，另一侧设置一个万向节连接到方向移动装置，所述方向移动装置连接在中心导轨一侧，所述驱动移动装置位于中心导轨另一侧，通过固定在驱动移动装置上的电机驱动机器人行驶，所述检测控制装置分为两部分，一部分为位于方向移动装置外侧双目视觉识别摄像头，用于检测外部环境和识别方向，另一部分为位于方向移动装置和稳定支撑装置中间的控制芯片，其通过控制底座固定在丝杆上，所述稳定支撑装置位于机器人中央，通过铜柱固定在芯片底座与驱动移动装置中间。本发明的管道机器人可广泛应用于城市供水管道、石油管道、天然气管道等领域，具有检测精度高、操作便捷等优点，有望为管道检测和维护领域带来革命性的改进。

公开(公告)号：CN117057525A

公开(公告)日：2023-11-14

申请号：CN202310781600.5

申请日：2023-06-29

Applicant: 桂林电子科技大学

Inventor： 林怡 ,  张龙 ,  丰超 ,  伍锡如

IPC: G06Q10/0631 ,  G06Q50/04

Abstract: 本发明提供了一种基于Q‑learning和EDA求解半导体最终测试调度方法，属于柔性作业车间调度问题领域。包括以下步骤：建立柔性作业车间调度模型及其约束条件，对种群和参数进行初始化；在算法初始化阶段建立概率矩阵，并用轮盘赌的方法选择出一定popsize的非劣势解，一定程度上保留种群的多样性，引入Q‑learning算法来引导种群的进化方向，利用Q学习来更新概率矩阵，避免陷入局部最优，加快其收敛速度；在EDA算法的基础上结合强化学习Q‑learning算法构建智能体模型，设计状态集、动作集、奖励方法、行动选择改进贪婪策略等，在种群迭代时进行启发式规则学习，从而提高算法时间和解的精确度，进而提高半导体车间的自适应性和可靠性。

公开(公告)号：CN116703767A

公开(公告)日：2023-09-05

申请号：CN202310658448.1

申请日：2023-06-05

Applicant: 桂林电子科技大学

Inventor： 卢毅 ,  张本鑫 ,  伍锡如 ,  王硕 ,  朱志斌 ,  刘玉凤

IPC: G06T5/00 ,  G06T7/13 ,  G06F111/08

Abstract: 本申请提供了一种基于图像先验特性的图像恢复方法、装置、系统及介质，涉及图像处理技术领域，该方法包括：基于正则化的TV模型确定图像恢复模型，基于柯西函数建立多元柯西函数；基于所述图像恢复模型和所述多元柯西函数构建用于图像恢复的最优化模型；获取待恢复的图像，将所述待恢复的图像输入所述最优化模型，利用交替向量乘子法交替迭代求解所述最优化模型，得到恢复后的图像；本申请能够提高恢复图像的清晰度。