-
公开(公告)号：CN119027675B
公开(公告)日：2025-02-11
申请号：CN202411516152.7
申请日：2024-10-29
Applicant: 湖南大学
IPC: G06V10/26 , G06N3/0455 , G06N3/0464 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种厨余垃圾遮挡物体识别和遮挡关系判断方法，构建厨余垃圾图像的遮挡数据集，标有其中各目标物体的可见掩码、完整掩码、类别；首先，利用遮挡数据集训练实例分割模型和掩码还原模型；实例分割模型的输入为厨余垃圾图像，输出为各目标物体的类别和可见掩码；掩码还原模型的输入为实例分割模型输出的可见掩码和厨余垃圾图像，输出为完整掩码；其次，将待识别判断的厨余垃圾图像，使用训练好的实例分割模型和掩码还原模型，获得各目标物体的类别、可见掩码、完整掩码；最后，结合可见掩码和完整掩码判断各目标物体是否被遮挡及遮挡关系。本发明对可回收垃圾进行实例分割和掩码还原，能获得物体类别、位置、遮挡关系和完整的形状信息。
-
公开(公告)号：CN119027675A
公开(公告)日：2024-11-26
申请号：CN202411516152.7
申请日：2024-10-29
Applicant: 湖南大学
IPC: G06V10/26 , G06N3/0455 , G06N3/0464 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种厨余垃圾遮挡物体识别和遮挡关系判断方法，构建厨余垃圾图像的遮挡数据集，标有其中各目标物体的可见掩码、完整掩码、类别；首先，利用遮挡数据集训练实例分割模型和掩码还原模型；实例分割模型的输入为厨余垃圾图像，输出为各目标物体的类别和可见掩码；掩码还原模型的输入为实例分割模型输出的可见掩码和厨余垃圾图像，输出为完整掩码；其次，将待识别判断的厨余垃圾图像，使用训练好的实例分割模型和掩码还原模型，获得各目标物体的类别、可见掩码、完整掩码；最后，结合可见掩码和完整掩码判断各目标物体是否被遮挡及遮挡关系。本发明对可回收垃圾进行实例分割和掩码还原，能获得物体类别、位置、遮挡关系和完整的形状信息。
-
公开(公告)号：CN118456445B
公开(公告)日：2024-10-11
申请号：CN202410910725.8
申请日：2024-07-09
Applicant: 湖南大学
IPC: B25J9/16 , G06V20/60 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/80 , G06N5/04
Abstract: 本发明公开了一种基于模态融合的多任务固体废物视觉抓取方法，包括：获取固体废物场景图像，对其中固体废物标注类别和有效抓取姿势，构建训练样本集；构建并使用训练样本集训练多任务固体废物抓取网络，输入为固体废物场景图像，输出为图像中各固体废物的类别和抓取姿势；其中，网络包括彩色图像和深度图像两条模态支路，在BN层进行归一化操作之后，用另一支路中缩放因子更大的通道替换自身支路中不重要的通道，再将两条支路得到的特征图拼接并输入网络其余部分进行抓取配置生成；最终使用训练好的多任务固体废物抓取网络，对图像中的固体废物进行分类并生成抓取姿势。本发明提高对固体废物的分类精度和抓取质量。
-
公开(公告)号：CN117255325B
公开(公告)日：2024-01-16
申请号：CN202311521994.7
申请日：2023-11-15
Applicant: 湖南大学
Abstract: 车载计算单元的压力，又合理借用外部算力完成本发明公开了一种智能网联V2X场景验证系 验证，对现有的智能网联设备和环境进行充分合统和方法，车载V2X场景协调及分析系统接收场 理的使用，产生了经济价值。景原始信息并进行整合、分析和协调，根据整合后的数据对车载V2X场景进行判断，得到预警信息，将场景原始信息发送至PC端分析验证系统，将预警信息发送至移动端显示系统；PC端分析验证系统接收场景原始信息进行存储、分析和验证，实现场景原始信息的验证功能；移动端显示系统接收预警信息，接收OBU设备传输的实时V2X
-
公开(公告)号：CN118795354A
公开(公告)日：2024-10-18
申请号：CN202411282822.3
申请日：2024-09-13
Applicant: 湖南大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明公开了一种基于充电积分算法的电池寿命状态分析方法及系统，获取车辆动力电池的SOC‑OCV曲线，根据预设划分区间对SOC轴进行划分并编号，得到若干个SOC区间，获取车辆动力电池在预设周期内的充电循环数据，以预设充电间隔对充电循环数据进行切片，得到若干个充电循环切片，计算若干个充电循环切片在若干个SOC区间上的积分电量并选取基准切片，对基准切片进行填充和置信度进行判断，将满足置信度要求的填充后基准切片的积分容量值线性扩大，估算出车辆动力电池的当前实际容量，根据当前实际容量和额定容量计算得出车辆动力电池的寿命状态预测结果。该方法利用充电循环电流稳定性评估车辆动力电池的寿命状态，极大提高了效率。
-
Patent Agency Ranking
公开(公告)号：CN117255325A
公开(公告)日：2023-12-19
申请号：CN202311521994.7
申请日：2023-11-15
Applicant: 湖南大学
Abstract: 本发明公开了一种智能网联V2X场景验证系统和方法，车载V2X场景协调及分析系统接收场景原始信息并进行整合、分析和协调，根据整合后的数据对车载V2X场景进行判断，得到预警信息，将场景原始信息发送至PC端分析验证系统，将预警信息发送至移动端显示系统；PC端分析验证系统接收场景原始信息进行存储、分析和验证，实现场景原始信息的验证功能；移动端显示系统接收预警信息，接收OBU设备传输的实时V2X数据，实现预警提示和设备调试功能。基于成熟车载OBU的基础，采用分散计算的处理方式，减轻车载计算单元的压力，又合理借用外部算力完成验证，对现有的智能网联设备和环境进行充分合理的使用，产生了经济价值。
-
公开(公告)号：CN116337084B
公开(公告)日：2023-08-08
申请号：CN202310593671.2
申请日：2023-05-25
Applicant: 湖南大学
IPC: G01C21/20
Abstract: 本发明公开了一种部分同路段多机器人配送包裹的路径规划方法，包括：S1，针对为客户配送包裹的多个机器人，建立路径规划问题的数学模型；S2，求解所述数学模型，获得各机器人的初始行驶路径方案；S3，对所有当前行驶路径按配送包裹负载从小到大排序，并按顺序对每条当前行驶路径，均以减少机器人行驶总距离为目标，使用其相邻初始行驶路径进行部分同路段整合优化。本发明可以得到使用更少机器人且行驶路径总距离成本更小的机器人配送包裹行驶路径方案。
-
公开(公告)号：CN118456445A
公开(公告)日：2024-08-09
申请号：CN202410910725.8
申请日：2024-07-09
Applicant: 湖南大学
IPC: B25J9/16 , G06V20/60 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/80 , G06N5/04
Abstract: 本发明公开了一种基于模态融合的多任务固体废物视觉抓取方法，包括：获取固体废物场景图像，对其中固体废物标注类别和有效抓取姿势，构建训练样本集；构建并使用训练样本集训练多任务固体废物抓取网络，输入为固体废物场景图像，输出为图像中各固体废物的类别和抓取姿势；其中，网络包括彩色图像和深度图像两条模态支路，在BN层进行归一化操作之后，用另一支路中缩放因子更大的通道替换自身支路中不重要的通道，再将两条支路得到的特征图拼接并输入网络其余部分进行抓取配置生成；最终使用训练好的多任务固体废物抓取网络，对图像中的固体废物进行分类并生成抓取姿势。本发明提高对固体废物的分类精度和抓取质量。
-
公开(公告)号：CN117949832A
公开(公告)日：2024-04-30
申请号：CN202410354310.7
申请日：2024-03-27
Applicant: 湖南大学
IPC: G01R31/367 , B60L58/16 , G01R31/392
Abstract: 本发明公开了一种基于优化神经网络的电池SOH分析方法，包括获取车辆运行原始数据进行预处理得到电池特征样本；基于电池特征样本对BP神经网络的输入层进行设计，确定BP神经网络各层结构；结合粒子群算法对BP神经网络的网络参数进行训练得到初步更新的BP神经网络，将电池特征样本输入至初步更新的BP神经网络再次进行训练，再根据预设的损失函数进行反向传播，得到更新后的BP神经网络预测模型；将更新后的BP神经网络预测模型在云平台进行算法部署，获取实时电池特征样本并输入至云平台，分析得到电池SOH预测结果。解决BP神经网络具有大量参数、调参困难、训练时间长的问题，具有较好的模型表达能力，提高数据处理响应速度。
-
公开(公告)号：CN116363138B
公开(公告)日：2023-08-22
申请号：CN202310638350.X
申请日：2023-06-01
Applicant: 湖南大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , B07C5/00
Abstract: 本发明公开了一种用于垃圾分拣图像的轻量化集成识别方法，搭建轻量化集成识别网络，包括基础预测模型、两个轻量化集成分类器单元B1、B2；基础预测模型分为前端结构和末端分类器单元B0；B1、B2的主干结构采用与B0相同，并在最后一个卷积层与全局池化层之间增加通道注意力机制；训练基础预测模型；将B1、B2的通道注意力机制之前的结构参数固定为与B0一致，并使用其当前训练集训练B1、B2的其余结构参数；基于错误预测结果的类别，更新B1、B2的训练集使两者差异化，并重新训练对应的分类器单元；使用投票模块结合B0、B1、B2对垃圾分拣图像进行轻量化的集成识别。本发明可大幅提升垃圾分拣图像的分类精度。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.016 seconds)
