-
公开(公告)号：CN104199458A
公开(公告)日：2014-12-10
申请号：CN201410403021.8
申请日：2014-08-15
Applicant: 浙江大学
IPC: G05D1/10
Abstract: 本发明公开了一种水下作业机器人。本发明包括带有密封舱室的机身、所述机身内装有用于无线接收导入程序指令的控制系统、该控制系统带有电机驱动电路、底板、前夹板、后夹板、四个垂直螺旋桨推进器和两个前后螺旋桨推进器，所述水下作业机器人与智能手机上的控制端之间通过蓝牙通讯，智能手机主控板通过传感器获取深度、姿态信息，从而控制螺旋桨相应的转速及转向，达到定深运动和悬停；所述水下机器人前夹板、后夹板之间的设置有配重器；所述水下机器人机身的密封舱内装载有电源、传感器、用于无线接收导入程序指令的控制系统电路。本发明整体上密封性好，静稳性高，可操作性强，并具有一定的可扩展性。
-
Patent Agency Ranking
公开(公告)号：CN111161213A
公开(公告)日：2020-05-15
申请号：CN201911250467.0
申请日：2019-12-09
Applicant: 浙江大学
Abstract: 本发明公开一种基于知识图谱的工业产品缺陷图像分类方法，该方法能结合工业生产当中的经验知识和缺陷本身图像特征来对工业产品缺陷进行分类，解决了以往卷积神经网络仅从图像本身的特征对缺陷进行分类的缺点。本方法可在减少对缺陷样本依赖的同时，大大提高深度学习在工业产品缺陷分类时的准确度。
-
公开(公告)号：CN110880176A
公开(公告)日：2020-03-13
申请号：CN201911134257.5
申请日：2019-11-19
Applicant: 浙江大学
Abstract: 本发明公开一种基于对抗生成网络的半监督工业图像缺陷分割方法，使用少量标注的带有缺陷的负样本和大量没有缺陷的正样本来训练神经网络从而得到能对缺陷自动识别的分割网络。在神经网络的构建过程中分别使用了基于D-LinkNet的分割网络和基于U-net重构网络，通过交叉训练的方式来分离负样本和正样本的特征空间从而使分割网络能正确分割出负样本中的缺陷。本方法能大大减少对工业缺陷样本图像的依赖，同时能大幅度减少分割模型在分割缺陷时的误差。
-
公开(公告)号：CN110880176B
公开(公告)日：2022-04-26
申请号：CN201911134257.5
申请日：2019-11-19
Applicant: 浙江大学
Abstract: 本发明公开一种基于对抗生成网络的半监督工业图像缺陷分割方法，使用少量标注的带有缺陷的负样本和大量没有缺陷的正样本来训练神经网络从而得到能对缺陷自动识别的分割网络。在神经网络的构建过程中分别使用了基于D‑LinkNet的分割网络和基于U‑net重构网络，通过交叉训练的方式来分离负样本和正样本的特征空间从而使分割网络能正确分割出负样本中的缺陷。本方法能大大减少对工业缺陷样本图像的依赖，同时能大幅度减少分割模型在分割缺陷时的误差。
-
公开(公告)号：CN111161213B
公开(公告)日：2022-03-11
申请号：CN201911250467.0
申请日：2019-12-09
Applicant: 浙江大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开一种基于知识图谱的工业产品缺陷图像分类方法，该方法能结合工业生产当中的经验知识和缺陷本身图像特征来对工业产品缺陷进行分类，解决了以往卷积神经网络仅从图像本身的特征对缺陷进行分类的缺点。本方法可在减少对缺陷样本依赖的同时，大大提高深度学习在工业产品缺陷分类时的准确度。
-
公开(公告)号：CN204065835U
公开(公告)日：2014-12-31
申请号：CN201420462586.9
申请日：2014-08-15
Applicant: 浙江大学
IPC: G05D1/10
Abstract: 本实用新型公开了一种水下作业机器人。本实用新型包括带有密封舱室的机身、所述机身内装有用于接收无线指令的控制电路、该控制电路还带有电机驱动电路；所述的电机驱动电路用于驱动四个垂直螺旋桨推进器和两个前后螺旋桨推进器，其中所述的四个垂直螺旋桨推进器垂直对称固定在底板四个凸台上，底板位于机身下方；所述的两个前后螺旋桨推进器水平对称固定在前夹板上，前夹板与后夹板对应，两者之间为机身，所述的前夹板、后夹板之间还设置有配重器，所述机身的密封舱室内装载有电源和传感器。本实用新型整体上密封性好，静稳性高，可操作性强，并具有一定的可扩展性。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
