-
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：CN111986772B
公开(公告)日：2024-04-12
申请号：CN202010758917.3
申请日：2020-07-31
Applicant: 江苏大学
IPC: G16H20/13 , G06F18/25 , G06F30/23 , G06N3/006 , G06F111/04
Abstract: 本发明提供了一种基于数字孪生的智能药房优化方法，包括：步骤1：构建虚拟药房，将物理药房相关数据与虚拟药房相关参数融合获得融合数据，由物理药房相关数据、虚拟药房相关参数以及融合数据获取药房孪生数据，并建立智能药房的数字孪生模型；步骤2：接收来自医院信息系统的处方信息，建立发药任务模型，虚拟药房根据药房孪生数据实时对储药槽可用性进行预测；步骤3：根据发药任务模型建立优化目标函数，将储药槽可用性预测的结果作为约束条件，使用优化算法计算最优解，根据计算出的最优解制定发药方案；步骤4：虚拟药房根据发药方案向物理药房下达发药指令，物理药房按照发药指令完成发药；本发明能够提高智能药房运行效率。
-
公开(公告)号：CN111932002B
公开(公告)日：2024-03-19
申请号：CN202010748490.9
申请日：2020-07-30
Applicant: 江苏大学
Abstract: 本发明提供了一种基于边缘智能的制造车间生产物料预测性配送方法，包括：步骤1：基于工业物联网与边缘计算技术，构建具有感知、交互与自决策能力的边缘智能制造资源，并形成边缘计算管理平台；步骤2：各智能加工设备基于自身状态与智能分析算法，对在制品的剩余加工时间进行预测，并释放出物料配送任务；步骤3：物流设备基于自身状态，主动响应智能加工设备预测得到的物料配送任务集合；步骤4：物流设备依据物料配送任务集合的信息，自动生成配送路径与运输方式，并按照计划时间执行物料配送活动。本发明旨在解决现有技术中物料配送不及时、加工设备等待时间长，影响生产正常进行的问题。
-
公开(公告)号：CN116442224A
公开(公告)日：2023-07-18
申请号：CN202310406701.4
申请日：2023-04-17
Applicant: 江苏大学
IPC: B25J9/16
Abstract: 本发明公开了一种动态导向RRT*的机械臂路径规划方法，根据环境信息和生长树当前生长状况，引入环境复杂系数，获得自适应概率pv、变生长步长r*和自适应范围半径d，通过以自适应概率pv将目标点设为随机点和垂面采样策略，使采样范围动态导向目标点，显著提高采样效率，改善生长无序性；采用变生长步长策略，使生长树的生长更适应环境复杂程度不同的区域；在自适应范围内重选父节点和节点重连接，优化路径，减少计算量，提高收敛速度和效率；最后从目标点向起点不断追溯父节点生成无碰撞路径。
-
Patent Agency Ranking
公开(公告)号：CN113636254A
公开(公告)日：2021-11-12
申请号：CN202110854813.7
申请日：2021-07-28
Applicant: 江苏大学
IPC: B65G1/137
Abstract: 本发明公开了一种智能仓储系统储物槽自适应优化调整方法与系统，首先构建一种能够自适应调整空间的智能仓储系统，主要包含仓储货架结构、信息采集单元和储物槽自适应优化控制系统；然后，预测出不同原材料未来的储存空间需求信息，获取所有原材料需要占用的储物槽空间尺寸；进而读取仓储货架的整体信息并设置约束条件，构建储物槽自适应优化调整的数学模型；基于数学模型，采用遗传算法对储物槽优化问题进行求解，得到最优的储物槽配置结构方案；最后，智能仓储系统的控制系统根据所得到的最优的储物槽配置结构方案，对仓储货架结构进行调节，实现对各储物槽进行自适应调整。
-
公开(公告)号：CN111932002A
公开(公告)日：2020-11-13
申请号：CN202010748490.9
申请日：2020-07-30
Applicant: 江苏大学
Abstract: 本发明提供了一种基于边缘智能的制造车间生产物料预测性配送方法，包括：步骤1：基于工业物联网与边缘计算技术，构建具有感知、交互与自决策能力的边缘智能制造资源，并形成边缘计算管理平台；步骤2：各智能加工设备基于自身状态与智能分析算法，对在制品的剩余加工时间进行预测，并释放出物料配送任务；步骤3：物流设备基于自身状态，主动响应智能加工设备预测得到的物料配送任务集合；步骤4：物流设备依据物料配送任务集合的信息，自动生成配送路径与运输方式，并按照计划时间执行物料配送活动。本发明旨在解决现有技术中物料配送不及时、加工设备等待时间长，影响生产正常进行的问题。
-
公开(公告)号：CN118447012A
公开(公告)日：2024-08-06
申请号：CN202410680256.5
申请日：2024-05-29
Applicant: 江苏大学
IPC: G06T7/00 , G06V10/40 , G06V10/82 , G06V10/764 , G06V10/766
Abstract: 本发明公开了一种基于Transformer的芯片表面缺陷检测方法、装置和电子设备，系统包括图像预处理模块、特征提取模块、高斯热力图前景监督模块、可学习查询向量模块、编码器、解码器；特征提取模块内置ResDCA‑Net特征提取网络，利用ResDCA‑Net特征提取网络对图像中缺陷进行特征提取；高斯热力图前景监督模块从特征中筛选出前景特征Token；编码器接收前景特征Token，并从中提取出多尺度特征；可学习查询向量模块用于输出可学习查询向量；解码器接收多尺度特征和可学习查询向量，解码得到芯片表面缺陷检测结果。本发明能够对形状复杂多变芯片缺陷特征进行高质量表征、增加对前景缺陷特征的关注、大幅降低基于Transformer编码器计算量、提高模型的收敛速度，实现芯片缺陷的高质量检测。
-
公开(公告)号：CN118195357A
公开(公告)日：2024-06-14
申请号：CN202410434852.5
申请日：2024-04-11
Applicant: 江苏大学
IPC: G06Q10/0637 , G06Q50/04 , G06N7/01 , G06N7/02 , G06N3/126 , G06F18/10 , G06F18/213 , G06F18/2415
Abstract: 本发明公开了一种不确定环境下智能制造车间关键性能预测方法及智能管理平台，通过获得智能制造车间内部设备的状态数据形成数据集，对数据集进行预处理获取关键节点；基于模糊动态贝叶斯网络，构建随时间变化的关键性能发展趋势模型；将关键节点作为关键性能发展趋势模型的输入，利用关键性能发展趋势模型对智能车间异常进行预测；基于步骤的预测结果，若智能车间存在异常，采用模糊遗传算法进行求解优化，调整智能车间的生产计划。本发明针对不确定环境下智能车间关键性能预测，能够解决现有技术中预测不准确、优化目标不足，影响正常生产进行的问题。
-
公开(公告)号：CN115019302A
公开(公告)日：2022-09-06
申请号：CN202210660801.5
申请日：2022-06-13
Applicant: 江苏大学
IPC: G06V20/68 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/82 , G06T7/73 , G06T7/521 , G06T7/80 , G06N3/04 , G06N3/08 , A01D91/04
Abstract: 本发明公开了一种改进型YOLOX目标检测模型构建方法及其应用，本申请针对YOLOX基本目标检测模型并进行网络改进，主要分为三个模块：主干特征提取模块、加强特征提取模块和预测特征模块。主干特征提取网络的基础上增添了SE注意力机制模块，通过自主学习的方式来获取到每个特征通道的重要程度，明确建模网络卷积特征通道之间的相互依赖关系来提高网络生成的表示质量，从而筛选出针对通道的注意力，有效地改善网络性能。加强特征提取网络采用ASFF自适应空间特征融合结构；基于所构建的改进型YOLOX目标检测模型结合RealSense相机获取到的深度信息输出三维坐标，实现目标定位。本发明在自然环境下果实采摘问题中，相对于传统方法识别精度要高且识别速度要更快。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.018 seconds)
