-
公开(公告)号：CN118081717A
公开(公告)日：2024-05-28
申请号：CN202410285898.5
申请日：2024-03-13
Applicant: 江苏大学
Abstract: 本发明公开了一种3‑DOF串联机构与并联机构混联式采摘机械臂，机械臂包括支撑底座、串联手臂段、并联手臂段，支撑底座是机械臂的基础支撑部分，提供了整个系统的稳定性和支持，串联手臂段是机械臂的主要运动部分，负责实现在X、Y和φ方向上的运动，使机械臂能够灵活移动并定位到目标位置。并联手臂段提供了额外的自由度，采用1T2R(1Translation,2Rotation)的运动模式，使机械臂能够在采摘过程中更灵活地适应不同形状和高度的采摘对象。本发明采用串联机构与并联机构混联式设计，通过引入多自由度设计，机械臂变得更加灵活，能够适应各种植物形状和布局，从而提高采摘的适应性和成功率。
-
公开(公告)号：CN118081714A
公开(公告)日：2024-05-28
申请号：CN202410105859.2
申请日：2024-01-25
Applicant: 江苏大学
Abstract: 本发明公开了一种冗余多自由度的串联式采摘机械臂，包括肩关节、中间关节、腕关节；肩关节采用万向节结构；中间关节的一端与肩关节的一端可转动连接，所述中间关节为可转动部件；腕关节包括球齿轮支撑架、球齿轮、齿轮，所述球齿轮支撑架与中间关节的另一端可转动连接；球齿轮嵌装在球齿轮支撑架上部，在球齿轮相对的两侧设有齿轮，每个齿轮均与球齿轮啮合；每个齿轮与球齿轮支撑架可转动连接。本发明通过改进肩关节和腕关节的组合，在满足工作环境和工作需求的条件下，增加对作物采摘的平滑性，同时还能在末端出现特殊状况后，合理快速的对机械臂的各个关节进行收缩，降低机械臂的损伤，提高采摘的效率。
-
Patent Agency Ranking
公开(公告)号：CN119399144A
公开(公告)日：2025-02-07
申请号：CN202411453719.0
申请日：2024-10-17
Applicant: 江苏大学
Abstract: 本发明公开了一种基于改进YOLOv8‑seg芯片表面缺陷分割模型及其训练方法和应用，搭建改进YOLOv8‑seg分割检测模型的网络，其中，Backbone模块包括多层的ShuffleNetV2网络结构，对图片进行多次卷积处理，提取出3个有效特征层；Neck模块采用Concat_SDI网络结构和EMA注意力机制网络结构，利用Concat_SDI网络结构对Backbone模块输出的有效特征层进行多层次特征融合得到特征图，利用EMA注意力机制网络结构对特征图进行特征加权；head模块为分割头，基于Neck模块的输出结果，以输出最终的特征信息；在完成改进YOLOv8‑seg分割检测模型的网络结构搭建后，进行训练、验证以及测试。本发明利用改进yolov8‑seg分割检测模型对芯片表面缺陷进行精准分割、检测，尤其是面对复杂背景和低对比度缺陷时，仍然能够保证检测的精度。
-
公开(公告)号：CN120070343A
公开(公告)日：2025-05-30
申请号：CN202510101449.5
申请日：2025-01-22
Applicant: 江苏大学
IPC: G06T7/00 , G06V10/25 , G06V10/774 , G06V10/52 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进YOLOv8的小样本芯片表面缺陷检测模型构建方法及应用，采集芯片表面缺陷的原始图像；将预处理后的原始图像和随机噪声输入生成对抗网络GAN，由生成对抗网络获得扩增图像；对原始图像和扩增图像中的芯片表面缺陷分别进行标注，获得芯片表面缺陷数据集；在YOLOv8网络模型Neck部分引入多尺度卷积注意力模块MSCAM，MSCAM的引入能够增强模型对不同尺度特征的感知能力，提高对复杂背景下缺陷的检测精度，同时将Head部分修改分类损失函数为焦点损失函数，进而构建改进型YOLOv8目标检测模型。利用改进型YOLOv8目标检测模型可以对芯片表面缺陷进行检测，本发明可以有效解决小样本问题和类别不平衡问题。
-
公开(公告)号：CN119399146A
公开(公告)日：2025-02-07
申请号：CN202411453724.1
申请日：2024-10-17
Applicant: 江苏大学
Abstract: 本发明公开了一种改进型YOLOv8芯片表面缺陷检测模型构建方法及应用，通过搭建改进型YOLOv8目标检测模型的网络结构，包括Backbone模块、Neck模块和Head模块；Backbone模块包括多层DCNv3网络、C2f网络和SPPF网络，对图片进行多层卷积处理后输出第一有效特征层、第二有效特征层和第三有效特征层；Neck模块采用BiFPN双向特征金字塔特征融合结构，将Backbone模块输出的3个有效特征层输入Concat_BiFPN网络中进行双向自适应融合，随后分别经CBAM注意力机制网络输出；Head模块包括Detect网络结构，Detect网络结构与CBAM注意力机制网络连接，输出目标检测结果；利用改进型YOLOv8目标检测模型结构对芯片表面缺陷精准识别，提高对不同类型缺陷的适应性。
-
公开(公告)号：CN119399145A
公开(公告)日：2025-02-07
申请号：CN202411453723.7
申请日：2024-10-17
Applicant: 江苏大学
IPC: G06T7/00 , G06V10/80 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/0455 , G06N3/0985 , G06V10/764 , G06V10/766 , G06N3/084 , G06N3/045
Abstract: 本发明公开了一种基于元学习的芯片表面缺陷目标检测网络及其训练方法和应用，通过构建支持元学习的芯片表面缺陷目标检测网络，包括依次连接的编码器、解码器、检测头；编码器采用Resnet网络，Resnet网络包括多个Layer，以输出不同大小的特征图；解码器由多个多尺度特征融合模块组成，对特征图进行多尺度特征融合得到用于预测目标位置的预测特征图，检测头能够实现对中心点位置信息和分类信息进行回归预测以及对中心点与目标预测框之间的距离进行回归预测；训练好的芯片表面缺陷目标检测网络结构可用于对芯片表面缺陷进行检测。
-
公开(公告)号：CN119399143A
公开(公告)日：2025-02-07
申请号：CN202411453712.9
申请日：2024-10-17
Applicant: 江苏大学
IPC: G06T7/00 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种改进型YOLOv8芯片表面缺陷轻量化目标检测模型及其训练方法与应用，搭建改进型YOLOv8芯片表面缺陷轻量化目标检测模型，包括Backbone部分、Neck部分和Head部分，Backbone部分多个AKConv模块和C2f模块堆叠而成，对输入的图片进行多次卷积，并输出多层有效特征层至Neck模块；Neck部分包括多尺度特征增强模块和跨尺度通道融合模块CCFM，多尺度特征增强模块采用RepGFPN网络，对Backbone部分输出的多层有效特征层进行有效融合；跨尺度通道融合模块CCFM用于自动调节特征融合权重；Head部分输出芯片表面缺陷检测结果；利用训练好的改进型YOLOv8目标检测模型对芯片表面缺陷进行检测，可以克服对于小目标、复杂背景时检测效果不佳的缺陷，提升缺陷检测的速度与精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
