-
公开(公告)号：CN111823212B
公开(公告)日：2024-11-15
申请号：CN202010698942.7
申请日：2020-07-20
Applicant: 武汉工程大学 , 武汉引行科技有限公司
Abstract: 本发明公开了一种垃圾瓶清捡机器人及控制方法，包括底板、中间层隔板、外壳和机械臂，还包括有微型主机、开发板、双目视觉摄像头、激光雷达，机器人通过微型主机作为高位机，开发板作为低位机进行控制，通过微型主机包括的神经网络芯片识别垃圾瓶，然后控制手眼系统等设备进行清捡。机器人通过激光雷达和GPS模块等设备生成地图、自动巡检并规避障碍，还可以通过远程控制器对其进行远程操作和获取各类数据。本发明提供的机器人可用于垃圾瓶的自动清捡，其优点在于：实现垃圾瓶的自动清捡和分类，降低垃圾瓶回收难度，美化城市环境，并节约劳动力和清洁的成本。
-
公开(公告)号：CN114852315B
公开(公告)日：2024-10-18
申请号：CN202210513454.3
申请日：2022-05-11
Applicant: 武汉工程大学
IPC: B64C19/00
Abstract: 本发明提供一种无人机运输系统、方法及存储介质，属于智能交通技术领域，包括无人机和控制中心，无人机用于获取环境参数和无人机机械参数，并从设置在无人机上的湿度传感器中获得湿度数据；判断湿度数据是否大于或等于温度阈值，若是则从设置在无人机上的存储器中导出预先存储的环境故障解决方案；若否则判断无人机机械参数是否为预设异常值，若是则从存储器中导出预先存储的自身机械故障解决方案；若否则生成未知异常信号，并将未知异常信号发送至控制中心中。本发明提升了无人机的运输效率，可以有效的解决自动驾驶交通工具适应性差，应对突发状况能力弱的问题，且能够大大地提升无人机的运输效率，降低的故障率，应用前景广泛。
-
公开(公告)号：CN114863937B
公开(公告)日：2024-06-18
申请号：CN202210536031.3
申请日：2022-05-17
Applicant: 武汉工程大学
Abstract: 本发明提供了基于深度迁移学习与XGBoost的混合鸟鸣识别方法，通过计算log‑Mel频谱图的一阶差分系数和二阶差分系数，反映鸟鸣信号的变化过程，在保留物种有效信息的同时减少环境噪声等无关因素的影响，提升了识别鸟类物种的准确率；减少了环境背景噪声等无关因素的影响，有效识别了自然场景下的多种鸟类物种。本发明采用深度迁移学习微调VGG16模型构建特征提取器，提升了少样本训练数据下深度卷积神经网络的泛化能力，减少了参数训练，提升了运行效率。本发明将鸟鸣信号更准确的映射为鸟类物种，对自然环境中多种鸟类鸣声均具有良好的识别性能。
-
公开(公告)号：CN113449117B
公开(公告)日：2023-09-26
申请号：CN202110701932.9
申请日：2021-06-24
Applicant: 武汉工程大学
IPC: G06F16/36 , G06F16/332 , G06F40/211 , G06F40/30 , G06F18/2415 , G06N3/0442 , G06N3/08
Abstract: 本发明提供了一种基于Bi‑LSTM和中文知识图谱的复合问答方法，通过将语义解析技术改进并引入问答系统，使用基于深度学习的复合问句分解方法，将复杂的长难句改写为多个简单句并分别作答，提高了语义解析技术对复合问题的处理能力，实现了解析复合自然语言问句和生成复合自然语言答案的功能，提高了问答系统的智能理解能力、准确率，使问答系统处理复合问句的过程具有可解释性，丰富了原复合问句的语义信息，去除了原复合问句的冗余信息，解决了难以回答句式结构复杂、主题多样复杂问句的问题和复合答案生成中的答案信息丢失的问题。
-
公开(公告)号：CN111531580B
公开(公告)日：2023-02-07
申请号：CN202010342977.7
申请日：2020-04-27
Applicant: 武汉工程大学
Abstract: 本发明提供一种基于视觉的多工业机器人故障检测方法及系统，其中，一种基于视觉的多工业机器人故障检测方法，包括以下步骤，S1：采集多工业机器人标准作业视频，建立多个单工业机器人标准作业模式视频帧序列A13，执行S2；S2：实时采集多工业机器人作业视频，建立多个单工业机器人实时作业视频帧序列A22，执行S3；S3：将单工业机器人实时动作图像与对应的单工业机器人标准作业模式视频帧序列A13中的图像进行匹配，采用两阶段法检测单工业机器人是否动作异常，若是，执行S4，若否，执行S2；S4：控制该工业机器人急停。本发明具有采用非接触式的方式发现工业机器人本体突发故障，避免在人机协作时发生机器人伤人的安全事故、检测过程简单准确的优点。
-
Patent Agency Ranking
公开(公告)号：CN110597093B
公开(公告)日：2022-12-06
申请号：CN201910836802.9
申请日：2019-09-05
Applicant: 武汉工程大学
Abstract: 本发明提供了一种自适应停车场智能感控设备动态协作系统和协作方法，包括智能感控设备和用于人机交互的上位机；本发明通过实时获取停车场当前智能感控设备状态和当前环境信息，根据智能感控设备的能力和可执行的子目标需求规划待停车辆的总目标需求，做出智能感控设备的动态协作决策，提高了智能停车场中智能感控设备的协作效率，具有较强的实用价值。
-
公开(公告)号：CN115330997A
公开(公告)日：2022-11-11
申请号：CN202210742355.2
申请日：2022-06-27
Applicant: 武汉工程大学 , 武汉引行科技有限公司
IPC: G06V10/25 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于YOLOv4神经网络的控制箱装配缺陷检测方法、装置及存储介质，包括如下步骤：构建多个类别零部件的样本训练集和样本测试集，基于YOLOv4神经网络构建初始卷积神经网络检测模型，并通过样本训练集进行训练，通过样本测试集测试卷积神经网络检测模型；对正确装配控制箱内多个类别零部件进行图像拍摄，并从零部件图像得到标准参数；对待检测控制箱内多个类别零部件进行图像拍摄，得到待检测零部件图像；将待检测零部件图像输入最终的卷积神经网络检测模型，输出待检测零部件图像的检测参数，通过标准参数校验检测参数，得到待检测控制箱是否存在装配缺陷的检测结果。本发明能够在复杂环境下快速、高效地完成控制箱装配缺陷检测任务。
-
公开(公告)号：CN115239643A
公开(公告)日：2022-10-25
申请号：CN202210781655.1
申请日：2022-07-04
Applicant: 武汉工程大学 , 武汉引行科技有限公司
Abstract: 本发明提供一种基于G‑YOLO神经网络的工业零件检测方法、装置及存储介质，通过拍摄设备对工业零件进行拍摄，并制作工业零件初始数据集，构建样本训练集和样本测试集，基于G‑YOLO神经网络构建初始G‑YOLO工业零件检测模型，并通过预处理后的样本训练集和样本测试集分别对初始G‑YOLO工业零件检测模型进行模型训练和性能测试，得到G‑YOLO工业零件检测模型，G‑YOLO工业零件检测模型泛化能力强，可以满足多种工业零件的检测，解决了现有方法对于工业零件在复杂环境下检测速度慢的问题，极大提高检测速度，满足工业环境下的零件实时检测需求。
-
公开(公告)号：CN114863937A
公开(公告)日：2022-08-05
申请号：CN202210536031.3
申请日：2022-05-17
Applicant: 武汉工程大学
Abstract: 本发明提供了基于深度迁移学习与XGBoost的混合鸟鸣识别方法，通过计算log‑Mel频谱图的一阶差分系数和二阶差分系数，反映鸟鸣信号的变化过程，在保留物种有效信息的同时减少环境噪声等无关因素的影响，提升了识别鸟类物种的准确率；减少了环境背景噪声等无关因素的影响，有效识别了自然场景下的多种鸟类物种。本发明采用深度迁移学习微调VGG16模型构建特征提取器，提升了少样本训练数据下深度卷积神经网络的泛化能力，减少了参数训练，提升了运行效率。本发明将鸟鸣信号更准确的映射为鸟类物种，对自然环境中多种鸟类鸣声均具有良好的识别性能。
-
公开(公告)号：CN112732967B
公开(公告)日：2022-04-29
申请号：CN202110023565.1
申请日：2021-01-08
Applicant: 武汉工程大学 , 武汉引行科技有限公司
Abstract: 本发明涉及一种图像自动标注方法、系统及电子设备，接收待标记图像，将待标记图像输入到自动图像标注模型中，以使所述自动图像标注模型中的第二主干卷积神经网络、第二卷积注意力网络、第二多尺度特征融合分支网络依次对所述待标记图像进行处理，得到第K级第三图像特征图，并使所述自动图像标注模型中的第二标签预测网络对所述第K级第三图像特征图进行处理，得到所述待标记图像的语义标签，其中K为正整数。利用自动图像标注模型对待标记图像进行处理，可以方便快捷地对待标记图像进行标注，还可以在进行图像标注时能够提供不同比例的图像特征来对图像进行标注，从而使得对图像的注释更为全面。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.036 seconds)
