-
公开(公告)号:CN107155112A
公开(公告)日:2017-09-12
申请号:CN201710375057.3
申请日:2017-05-24
Applicant: 湖北工业大学
IPC: H04N19/573 , H04N19/58 , H04N19/59
CPC classification number: H04N19/573 , H04N19/58 , H04N19/59
Abstract: 本发明公开了一种多假设预测的压缩感知视频处理方法,所述处理方法的结构框架包括编码端和解码端;在所述编码端,视频中的帧分成关键帧和非关键帧,根据压缩感知理论,关键帧和非关键帧均通过测量矩阵Φ获得测量值;在所述解码端,所述关键帧进行BCS‑SPL重构,然后分别进行多预测假设和残差重构;所述非关键帧进行残差重构,并根据关键帧产生的边信息进行解码。本发明中提出的一种基于MH预测的新的分布式压缩视频感测框架,可以在低复杂度编码器处捕获和压缩视频,并且在解码器处有效地重建视频,改MH‑BCS‑SPL框架能够提供更好的图像重建质量。
-
公开(公告)号:CN105222823A
公开(公告)日:2016-01-06
申请号:CN201510641302.1
申请日:2015-09-30
Applicant: 湖北工业大学
IPC: G01D18/00
Abstract: 本发明公开一种汽车组合仪表的集成式的检测设备,该检测设备创新的将组合仪表的检测功能集成于一体。包括全功能的车用信号发生器,高精度图像采集系统以及高性能的工业计算机。全功能的车用信号发生器可以产生测试组合仪表过程中所有所需的信号,包括主控器、电阻信号产生单元、开关量信号产生单元、频率信号产生单元、CAN信号产生单元以及电压信号采集单元。高精度的图像采集系统用于采集组合仪表实时的状态信息,主要包括工业相机和与之配套的图像算法。工业计算机作为运行上位机软件的平台。该系统具有全功能,快速的检测组合仪表的功能是否正常,并自动生成检测报告的功能。
-
公开(公告)号:CN105203148A
公开(公告)日:2015-12-30
申请号:CN201510634848.4
申请日:2015-09-30
Applicant: 湖北工业大学
IPC: G01D18/00
Abstract: 本发明公开一种汽车组合仪表的视觉检测方法,采用的检测系统包括待测仪表、相机、PC机和信号发生器,由PC机发送指令给信号发生器,信号发生器产生相应信号给待测仪表,仪表做出反应,同时PC机控制相机拍照获取图像,再通过图像处理来判断仪表盘是否合格,其特征在于,所述视觉检测方法包括下述步骤:创建模板,每次检测时进行模板匹配;参数设置一个矩形,框定每一个单项的检测区域,对控制灯的检测就是通过图像处理检测框定区域内的灰度值和色调值,对指针的检测就是提取区域内的红色部分,拟合成一条直线,再计算夹角。通过机器视觉对组合仪表进行检测,大大缩短了检测时间,提高了效率,替代人眼检测,更加的精确。
-
公开(公告)号:CN119959786A
公开(公告)日:2025-05-09
申请号:CN202510032361.2
申请日:2025-01-09
Applicant: 湖北工业大学
IPC: G01R31/382 , G01R31/378 , G01B11/16 , G01K11/3206 , G01N21/55
Abstract: 本发明属于电池监测技术领域,公开了一种锂电池内部状态监测系统及方法。本发明提供的锂电池内部状态监测系统包括光纤传感单元、解调仪和数据处理单元;光纤传感单元包括设置于锂电池内部且并行的三条光纤链路,三条光纤链路分别用于获取锂电池内部的温度信息、应变信息以及气体信息;解调仪与光纤传感单元连接,用于接收温度信息、应变信息和气体信息并进行解调,将得到的解调信息发送至数据处理单元;数据处理单元用于根据解调信息得到监测信息。本发明能够实现锂电池多参数的实时监测,能够提高监测精度,还具有抗电磁干扰、抗腐蚀、布设方式简单、占用空间小的优点。
-
公开(公告)号:CN118710020B
公开(公告)日:2024-11-22
申请号:CN202411186408.2
申请日:2024-08-28
Applicant: 湖北工业大学
IPC: G06Q10/0631 , H02J3/00 , G06Q30/0201 , G06Q10/0637 , G06Q50/06 , G06F17/10
Abstract: 本发明提供一种基于混合博弈的多虚拟电厂优化调度方法、系统及介质,该方法包括:步骤1、确定优化调度的参与主体,所述参与主体包括多个虚拟电厂和需求侧;步骤2、基于混合博弈理论建立合作博弈模型和非合作博弈模型;步骤3、根据所述需求侧的用电量需求与设定的用电量阈值的大小关系,基于所述合作博弈模型和/或所述非合作博弈模型求解得到所述参与主体的最优策略组合。本发明能根据多个虚拟电厂的自身发电量情况实现最优调度,且能保障小规模虚拟电厂稳定运行。
-
公开(公告)号:CN118050640A
公开(公告)日:2024-05-17
申请号:CN202311639816.4
申请日:2023-11-30
Applicant: 湖北工业大学
IPC: G01R31/367 , G01R31/392 , G01R31/396
Abstract: 本发明提供一种基于面积特征与数据驱动的锂电池RUL预测方法及系统,包括:获取在设定倍率下充电的电压数据及温度数据,计算温度和电压变化的比值得到DTV曲线,采用去噪平滑方法对DTV曲线进行预处理;在平滑的DTV曲线中选取三个特征点,包括两个波峰值点和一个波谷点,计算三个点所连接的三角形的面积S;建立基于点积注意力的BILSTM模型,利用面积S作为输入,得到电池的最大剩余容量预测值;利用得到的最大剩余容量预测值计算得到电池的RUL值。本发明引入区域三角面积的概念,并提取区域面积S作为健康因子,建立电池退化过程中的微相变与宏观信号之间的联系,引入点积注意力,增强模型的对强关联性特征的捕捉能力,提高预测精度和泛化性。
-
公开(公告)号:CN115588030A
公开(公告)日:2023-01-10
申请号:CN202211182814.2
申请日:2022-09-27
Applicant: 湖北工业大学
Abstract: 本发明提供了一种基于孪生网络的视觉目标跟踪方法及设备。所述方法包括:分别输入作为跟踪目标的模板图像及作为搜索范围的检测图像;采用残差网络分别提取所述模板图像的特征和所述检测图像的特征,将提取的特征输入到建立的模型预测器,得到目标样本的背景信息;将得到的目标样本的背景信息与当前帧的池化结果进行对比,最后生成目标框。本发明在特征提取优化方案设计引入ResNet网络,极大地提高有效训练的深度神经网络层数,相较传统孪生网络算法中CNN模型取得很大的精度提升,通过模型预测器充分采用背景信息,算法在迭代优化的过程中会模拟出更加靠的目标模板,为模型预测器提供强大的数据支持。
-
公开(公告)号:CN109262607A
公开(公告)日:2019-01-25
申请号:CN201810929256.9
申请日:2018-08-15
Applicant: 武汉华安科技股份有限公司 , 湖北工业大学
IPC: B25J9/16
Abstract: 本发明涉及一种机器人坐标系转换方法,S1:在用户坐标系与机器人世界坐标系的公共空间中,寻找公共点,并分别读取该公共点在用户坐标系和机器人坐标系中的位置;S2:找出用户坐标系与机器人世界坐标系之间的转换关系;S3:将S1获得的公共点位置坐标带入S2中的转换关系,通过最小二程法可确定步骤2中转换关系式。本发明提出一种机器人坐标系转换方法,极大简化了在用户坐标系与机器人世界坐标系之间的转换问题,该转换方法能直接从用户坐标系转换到机器人世界坐标系,计算简便,流程清晰。
-
公开(公告)号:CN108537999A
公开(公告)日:2018-09-14
申请号:CN201810505339.5
申请日:2018-05-24
Applicant: 湖北工业大学
IPC: G08B7/06
Abstract: 本发明公开了一种八路竞赛抢答器,所述控制电路连接抢答电路和计时电路:抢答电路:可供八名选手同时使用,当选手选手按动按钮,会将最先抢到的选手编号进行锁存,并在屏幕上显示;计时电路:当主持人启动“开始”键后,定时器进行减计时,参赛选手在设定的时间内进行抢答,抢答有效;如果定时时间已到,无人抢答,则抢答无效。与传统抢答器相比,本发明中采用74LS148八路锁存器的功能特点,用74LS148和其他常用的74LS系列数字集成电路,大大降低了生产成本。
-
公开(公告)号:CN107169504A
公开(公告)日:2017-09-15
申请号:CN201710200172.7
申请日:2017-03-30
Applicant: 湖北工业大学
CPC classification number: G06K9/6218 , G06K9/6273 , G06K2209/01 , G06N3/0454 , G06N3/084
Abstract: 本发明公开一种基于扩展非线性核残差网络的手写字符识别方法,在利用深度网络的结构特点上,提供一种新型深度学习方法—基于扩展非线性核残差网络算法。并将该深度学习算法应用在手写字符识别中,提出基于扩展非线性核残差网络的手写字符识别方法。该方法能深度地描述样本数据和期望数据的相关性,能高效的从原始数据中自动地学习数字图像特征;其次,该方法引入了合适的类内无监督聚类算法,克服了深度学习网络在手写字符识别领域现有的技术不足。本发明简单且易于实现,提升手写字符识别性能的同时,也提高了网络的训练效率。
-
-
-
-
-
-
-
-
-