-
公开(公告)号：CN119892882A
公开(公告)日：2025-04-25
申请号：CN202510095550.4
申请日：2025-01-21
Applicant: 河南科技大学
Abstract: 一种结合视频监控的杀虫灯物联网部署优化方法及系统，包括建立杀虫灯的全向感知模型、摄像头的方向感知模型、将农田网格化，利用农田的不规则的性将农田分为覆盖区域和障碍区域，之后将问题转化为二次覆盖问题，设计双层优化算法进行求解，实现最佳部署方式。提出将摄像机集成在杀虫灯中，作为一种新型的杀虫灯物联网系统，该系统可以在杀灭害虫的同时检测入侵者。
-
公开(公告)号：CN119741544A
公开(公告)日：2025-04-01
申请号：CN202411810630.5
申请日：2024-12-10
Applicant: 河南科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/40 , G06N3/045
Abstract: 一种基于深度学习的异常烟丝检测方法，包括如下步骤：在烟丝输送过程中对烟丝进行连续拍摄，得到原始烟丝图像；将原始烟丝图像输入到预先训练好的烟丝检测模型中进行检测并且输出烟丝异常结果，烟丝检测模型以YOLOv5s网络模型为基础，包括主干网络、瓶颈层网络和预测层网络，烟丝检测模型对原始烟丝图像进行检测的方法包括：利用主干网络的多个特征提取模块对原始烟丝图像进行特征提取输出多个基本特征图，并且最后一个特征提取模块输出的基本特征图经过SPPF模块处理；利用瓶颈层网络对基本特征图进行深度特征增强得到增强特征图；利用预测层网络基于增强特征图输出预测结果。本发明能够在烟丝输送过程中快速、精确地对烟丝进行检测，确定烟丝异常情况。
-
公开(公告)号：CN119625333A
公开(公告)日：2025-03-14
申请号：CN202411726677.3
申请日：2024-11-28
Applicant: 河南科技大学
Abstract: 基于改进视觉特征提取与匹配优化的强鲁棒性SLAM方法，包括骤：实时采集环境图像，并且将环境图像输入到预先训练好的SLAM模型中生成动态环境模型并且优化，SLAM模型基于SuperPoint算法构建，SLAM模型包括多尺度特征融合模块、注意力模块、三元组损失模块、随机一致算法模块和综合特征融合模块。本发明提供一种基于改进视觉特征提取与匹配优化的强鲁棒性SLAM方法及系统，能够处理复杂环境中多特征、多源数据的融合与优化，适用于室内外复杂场景，显著提高视觉惯性SLAM的精度、鲁棒性和适应性，降低外界干扰对系统的影响。
-
公开(公告)号：CN119582639A
公开(公告)日：2025-03-07
申请号：CN202411757173.8
申请日：2024-12-03
Applicant: 河南科技大学
IPC: H02M7/5387 , H02M7/487 , H02M1/12 , H02J3/38 , G05B13/04
Abstract: 本发明涉及并网逆变器控制技术领域，且公开了一种基于中点电位波动控制因子的并网逆变器模型预测控制方法，通过使用模型预测控制对并网逆变器进行控制过程中，首先将SVPWM方法和模型预测控制方法相结合，简化了目标函数的设计，只需计算中点电位偏差即可选出最优开关序列；其次，中点电位平衡控制在空间调制中实现，将大扇区进一步划分为多个小扇区，确定参考电压矢量所在小扇区的位置，从确定的小扇区中选择开关序列进行遍历，减少了遍历次数，提高计算效率；最后，设计中点电位控制因子，在保证中点电位平衡的前提下使得高幅值的共模电压含量大大降低。而且，整体控制结构明了，实现简单，控制器的动态性能和稳态跟踪性能均得到提升。
-
公开(公告)号：CN119322529A
公开(公告)日：2025-01-17
申请号：CN202411414255.2
申请日：2024-10-11
Applicant: 河南科技大学
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本发明公开了一种基于改进型自抗扰的四旋翼无人机姿态控制方法，涉及无人机控制领域；对于四旋翼无人机姿态自抗扰控制系统，本发明通过构造一个新型的arcfal函数，并使用该函数代替传统自抗扰控制器中非线性状态误差反馈控制律(Nonlinear State Error Feedback,NLSEF)的fal函数，解决了传统自抗扰控制器应对突发外部干扰时，所出现的NLSEF误差补偿能力差的问题，使得四旋翼无人机姿态控制系统具有更高的稳定性和更强的抗干扰能力。
-
Patent Agency Ranking
公开(公告)号：CN118120651A
公开(公告)日：2024-06-04
申请号：CN202410453464.1
申请日：2024-04-16
Applicant: 河南科技大学
Abstract: 本发明提供有一种奶牛健康与繁殖状况的实时监控集成系统，包括牛舍、设置在牛舍顶部的挡墙、固定安装在挡墙外侧且位于牛舍上方的围栏和设置在位于挡墙一侧的草料区。该奶牛健康与繁殖状况的实时监控集成系统，通过将智能脖内部的无线信号收发器II与无线信号收发器I进行频率频段配对设置，进而在奶牛身体状况出现异常时，奶牛佩戴的智能脖圈能够向对应区域的无线信号收发器I发出对应编码奶牛的异常信息并点亮智能脖圈外侧的报警指示灯，同时可通过控制处理单元控制AI摄像头拍摄捕捉对应编码奶牛的位置，且在夜间控制处理单元能够同步控制对应区域的照明灯打开，从而人员能够快速的找出身体状况出现异常的奶牛。
-
公开(公告)号：CN119675511A
公开(公告)日：2025-03-21
申请号：CN202411801120.1
申请日：2024-12-09
Applicant: 河南科技大学
Abstract: 一种基于改进滑模扰动观测器的永磁同步电机模型预测控制方法，包括：获取k时刻永磁同步电机的当前参数和逆变器的直流侧电容电压；基于当前参数计算k+1时刻的q轴预测电流iq(k+1)；将k+1时刻的q轴预测电流iq(k+1)和当前转速ω输入到滑模扰动观测器中进行估计得到估计参数；基于给定的参考转速ω*、参考电流id*和估计参数进行参考电压预测，得到d轴参考电压ud*和q轴参考电压uq*；利用价值函数计算出k+1时刻的逆变器中点电压Uo(k+1)，价值函数为：#imgabs0#其中λ为平衡权重系数；根据k+1时刻的逆变器中点电压Uo(k+1)及权重系数λ对逆变器中点电位进行控制；根据最小价值函数选择的电压矢量对逆变器进行控制。本发明提供一种基于改进滑模扰动观测器的永磁同步电机模型预测控制方法及系统，具有更加良好的稳态性能和动态性能。
-
公开(公告)号：CN119399502A
公开(公告)日：2025-02-07
申请号：CN202411444231.1
申请日：2024-10-16
Applicant: 河南科技大学
IPC: G06V10/75 , G06V10/762 , G06V10/26
Abstract: 本发明涉及自主导航下的视觉SLAM技术领域，且公开了一种基于图像差分和粒子滤波的动态场景RGB‑D SLAM方法，首先，基于FAST特征和BRIEF描述子的视觉SLAM匹配特征点，引入PROSAC算法进行匹配优化。其次，基于优化的匹配点集计算基础矩阵，将前一帧RGB图像重投影到当前图像，通过差分两张图像来粗略检测物体运动。再次，基于粒子滤波跟踪以增强物体运动检测，具体的，将差分图像信息用作粒子滤波的测量信息，更新粒子的权重，从而优化移动对象位置估计。在每次迭代中，计算移动对象位置的MAP估计。进而，通过矢量量化深度图来进一步优化检测结果，以精确地分割移动对象。最后，通过移除位于分割区域中的特征，为实现相机精确自运动估计，以及有效建图提供基础。
-
公开(公告)号：CN117237698A
公开(公告)日：2023-12-15
申请号：CN202310987932.9
申请日：2023-08-07
Applicant: 河南科技大学
IPC: G06V10/764 , G06V10/774 , G06N3/126 , G06V10/82 , G06N3/086 , G06N3/0985
Abstract: 本发明提供一种适度关注易负样本的单阶段目标检测分类损失算法，通过对经典Focal Loss添加可调制参数，控制难负样本损失和易负样本损失在总损失中的权重，即在检测算法训练过程中，在关注难负样本的同时，增加易负样本在总损失中的权重，使得检测算法能够从易负样本中学习到目标的特征信息。
-
公开(公告)号：CN119494779A
公开(公告)日：2025-02-21
申请号：CN202411933208.9
申请日：2024-12-26
Applicant: 河南科技大学
IPC: G06T3/4053 , G06T3/4046 , G06V20/17 , G06V10/143 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0895
Abstract: 本发明提供一种基于退化感知的机载红外图像超分辨率重建系统，包括退化表示学习框架、残差状态空间块、跨模态特征集成框架。本发明首先通过自监督学习框架从红外图像中提取退化信息；然后论证了通过基于空间模型的特征提取方法来捕获可见光和红外图像各自特征的空间依赖性；最后充分利用可见光对红外图像进行特征补充，生成视觉感知效果更加真实的无人机红外超分辨率结果。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.028 seconds)
