-
公开(公告)号：CN114863133B
公开(公告)日：2024-08-16
申请号：CN202210331972.3
申请日：2022-03-31
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于多任务无监督算法的浮选泡沫图像特征点提取方法。其步骤为采用改进的多任务无监督深度学习网络构建分别构建两个孪生网络，网络分支一处理输入未经处理的公共数据集图像，网络分支二输入经图像变换的公共数据集图像，通过随机非空间图像增强来转换图像，多任务神经网络预测每张图片的感兴趣点，网络分支一的图像的兴趣点位置经过图像变换与分支二中图像的兴趣点在空间上对应，使用该自监督算法中提出的损失函数进行训练；使用工业摄像机采集实时浮选图像并对其进行特征点提取，后通过特征点匹配算法进行特征点匹配。本发明有效的解决浮选泡沫图像特征点误匹配的问题，对泡沫浮选的速度特征有着很好的识别能力。
-
公开(公告)号：CN114202692A
公开(公告)日：2022-03-18
申请号：CN202111507874.2
申请日：2021-12-10
Applicant: 湖南科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , B22D11/108 , B22D2/00
Abstract: 本发明提供一种基于深度学习网络的加渣机器人加渣方法及装置。所述方法通过深度学习网络分析加渣机器人的工作环境图像，识别工作环境图像中的障碍物的位置、结晶器的位置及工作人员的位置，进而实现视觉引导来规划加渣机器人行走轨迹，使得加渣机器人精准俘获结晶器位置，有效实现加渣过程中的障碍物规避及人员误入警报。
-
公开(公告)号：CN118820809B
公开(公告)日：2025-04-15
申请号：CN202410785480.0
申请日：2024-06-18
Applicant: 湖南科技大学
IPC: G06F18/23 , G06F17/10 , G06F18/214 , G06N3/006
Abstract: 本发明涉及产品质量软测量领域，尤其涉及一种基于浮选机理和数据混合驱动的指标软测量方法，本发明通过对数据进行预处理，构造浮选生产数据集，定义精矿品位和尾矿品位，结合浮选过程矿物颗粒交换关系和质量平衡关系，构建浮选品位机理模型，作为浮选过程基础模型，对浮选品位机理模型进行浮选系统参数辨识，持续获取最适应当前浮选工况下的系统辨识参数，测量当前新的浮选工况下的浮选品位，获取精矿品位和尾矿品位指标，基于浮选过程回收率经验函数获取回收率指标，进而，能对矿物浮选的优化生产提供关键指标的指导，对保证浮选生产指标、提高浮选产能和回收率具有重要的意义，具有实际的应用价值。
-
公开(公告)号：CN114202692B
公开(公告)日：2024-09-17
申请号：CN202111507874.2
申请日：2021-12-10
Applicant: 湖南科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , B22D11/108 , B22D2/00
Abstract: 本发明提供一种基于深度学习网络的加渣机器人加渣方法及装置。所述方法通过深度学习网络分析加渣机器人的工作环境图像，识别工作环境图像中的障碍物的位置、结晶器的位置及工作人员的位置，进而实现视觉引导来规划加渣机器人行走轨迹，使得加渣机器人精准俘获结晶器位置，有效实现加渣过程中的障碍物规避及人员误入警报。
-
公开(公告)号：CN111330235A
公开(公告)日：2020-06-26
申请号：CN201911055827.1
申请日：2019-10-31
Applicant: 湖南科技大学
Abstract: 本发明公开了一种智能乒乓球场清理机器人。它包括机器人本体、进球口、收纳盒、风扇、CPU处理模块、彩色摄像头、九轴姿态传感器、微波雷达感应传感器模块、测距模块、电机驱动模块、无刷电机控制模块、显示屏、GPS定位模块；所述机器人本体底部安装有行走模块，机器人本体的底部设有进球口，进球口与收纳盒相连，收纳盒的上部设有风扇，收纳盒与风扇之间设有隔网。本发明采用多传感器采集乒乓球场上物体的综合信息，由CPU处理模块进行识别定位，可以实现对乒乓球场进行全方面、无重复的清理，并且能避开障碍物，降低场馆工作人员劳动成本，提高训练人员的训练效率。
-
Patent Agency Ranking
公开(公告)号：CN118606739A
公开(公告)日：2024-09-06
申请号：CN202410770355.2
申请日：2024-06-14
Applicant: 湖南科技大学
IPC: G06F18/23213 , G06F18/22 , G06F18/25 , G06F18/10
Abstract: 本发明涉及一种融合多源浮选工况信息的泡沫速度优化设定方法，涉及浮选智能优化生产技术领域，通过浮选生产测控平台采集浮选工况数据，并进行数据预处理得到若干浮选工况数据源案例集；基于浮选工况匹配距离，结合K‑Means聚类方法获取K组子类案例集，结合选矿品位预测模型和回收率计算模型得到关键生产指标，通过泡沫速度设定模型和评价与学习模型获取每组子案例集下的最优案例；将浮选工况新案例在案例库中进行案例检索，若没有匹配的案例，将新案例加入浮选工况源案例集，进行案例修正，并继续进行案例检索，若匹配到相似案例，则获取最优匹配案例；并从案例库中导出，进行案例重用，获取泡沫速度最优设定值；解决了浮选工况过程的波动问题，有效改善了浮选关键生产指标。
-
公开(公告)号：CN114863133A
公开(公告)日：2022-08-05
申请号：CN202210331972.3
申请日：2022-03-31
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于多任务无监督算法的浮选泡沫图像特征点提取方法。其步骤为采用改进的多任务无监督深度学习网络构建分别构建两个孪生网络，网络分支一处理输入未经处理的公共数据集图像，网络分支二输入经图像变换的公共数据集图像，通过随机非空间图像增强来转换图像，多任务神经网络预测每张图片的感兴趣点，网络分支一的图像的兴趣点位置经过图像变换与分支二中图像的兴趣点在空间上对应，使用该自监督算法中提出的损失函数进行训练；使用工业摄像机采集实时浮选图像并对其进行特征点提取，后通过特征点匹配算法进行特征点匹配。本发明有效的解决浮选泡沫图像特征点误匹配的问题，对泡沫浮选的速度特征有着很好的识别能力。
-
公开(公告)号：CN116522543A
公开(公告)日：2023-08-01
申请号：CN202310527114.0
申请日：2023-05-11
Applicant: 湖南科技大学
IPC: G06F30/17 , G06F30/27 , G06F111/04 , G06F111/06
Abstract: 本发明涉及智能制造领域，尤其涉及一种多约束条件下钢水保护渣消耗模型求解方法，本发明构建的多约束条件下钢水保护渣消耗－模型为炼钢生产全流程综合生产指标(PPI)优化的最终目标，通过合理配置炼钢连铸全流程的生产资源，包括生产原料、设备、能源，优化PPI指标，从而实现优化全周期内的EPI指标，达到提高炼钢厂效益和效率的目的；运用基于NSGA‑II的运行指标优化求解方法，采用回溯搜索算法以获取最优每吨钢水消耗的保护渣量，求解过程快速高效，具有强稳定性。
-
公开(公告)号：CN116449788A
公开(公告)日：2023-07-18
申请号：CN202310618453.X
申请日：2023-05-30
Applicant: 湖南科技大学
IPC: G05B19/418
Abstract: 本发明涉及一种钢厂铸坯生产过程故障检测与产能优化的方法,涉及多变量统计过程控制领域，钢厂铸坯产能优化技术方法包括数据处理、模型建立、参数回归、故障检测和产能优化四个步骤，数据处理步骤用以对输入样本数据进行筛选，剔除输入样本数据中的异常数据和故障数据，模型建立步骤用以对整个铸坯生产过程进行建模，用数学方式表示出铸坯的生产流程，参数回归步骤用以将输入样本数据代入至所述步骤S2中建立的所述模型中，验证模型的可行性，故障检测和产能优化步骤用以判断所述输入样本数据对应的生产指标是否存在生产缺陷并调整输入样本中控制变量的取值使得钢厂铸坯产能最大化。
-
公开(公告)号：CN116280938A
公开(公告)日：2023-06-23
申请号：CN202310483610.0
申请日：2023-05-04
Applicant: 湖南科技大学
Abstract: 本发明涉及自动加渣控制领域，尤其涉及一种基于视觉伺服的加渣机螺旋输料管轨迹校正方法，本发明通过采集加渣机螺旋输料管移动区域的图像，将所获取的图像输入YOLOv5目标检测模型，得到螺旋输料管的标注图像，将所述标注图像输入至SURF特征匹配模型中，得到螺旋输料管的精确坐标，确定螺旋输料管的偏移误差，基于偏移误差控制机械臂对螺旋输料管的移动轨迹进行矫正，本发明通过实时矫正加渣轨迹，且矫正过程计算量小，定位精度高，实时性好，避免加渣过程中的螺旋输料管在按照规划路径前进出现偏移误差时，无法及时校正，加渣的不均匀的现象。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.017 seconds)
