-
公开(公告)号：CN118400774A
公开(公告)日：2024-07-26
申请号：CN202410506513.3
申请日：2024-04-25
Applicant: 电子科技大学
IPC: H04W28/084 , H04W28/082 , H04B7/185
Abstract: 该发明公开了一种低轨卫星网络边缘计算卸载与资源分配联合优化方法，属于卫星通信网络与边缘计算技术领域。本发明将"分而治之"的思想引入到强化学习算法当中，提出了一种分层多智能体强化学习(Hierarchical Multi‑Agent DRL，HMADRL)算法。该算法将复杂的JCORA问题分解为两层子问题。上层子问题是全局性的计算卸载优化问题，下层子问题是卫星本地的资源分配优化问题。本发明巧妙地将JCORA问题拆分成两个层级的子问题,有效解决了传统深度强化学习在应对混合动作空间时所面临的挑战。通过这种层次化的分解手段，本发明能够更加精准地驾驭问题的复杂性，并实现更高效的JCORA优化,显著提升了低轨卫星网络边缘计算性能，展现出较传统方法更高的效率和精确度。
-
公开(公告)号：CN117085962A
公开(公告)日：2023-11-21
申请号：CN202310740622.7
申请日：2023-06-20
Applicant: 金锋馥(滁州)科技股份有限公司 , 电子科技大学
Abstract: 本发明公开了一种自适应包裹尺寸变化的高效包裹分离控制方法，包括以下步骤：S01、将预定的阈值作为对待被识别的包裹的判断因素；S02、视觉系统采集并确定所述待被识别包裹的尺寸Xi，判断是否超出判断因素；S03、基于步骤02，当判定 时，第一时间启动针对超尺寸的包裹，执行对该区域差速自适应保护动作，并记录当前帧下目标个数Nf；S04、基于获取的所述目标个数Nf计算超阈值目标坐标(Xi，Yi)的分布位置。该发明提供的自适应包裹尺寸变化的高效包裹分离控制方法，在不影响系统效率的情况下通过检测包裹尺寸进而有效防止此类情况出现，同时可以根据用户需求或者为了提高效率将包裹按照规定进行方向排列依次排队从出口输出。
-
公开(公告)号：CN114560072A
公开(公告)日：2022-05-31
申请号：CN202210199144.9
申请日：2022-03-02
Applicant: 电子科技大学 , 中电科技集团重庆声光电有限公司
Abstract: 本发明公开一种基于阵列式结构驱动的变形机翼，包括可变形的主翼和不可变形的副翼，所述主翼和副翼通过螺栓连接；所述副翼设置在所述主翼的上下两侧，且所述主翼与副翼之间设置有间隙；所述主翼的前缘内部安装有阵列式驱动装置，当所述阵列式驱动装置通电后，阵列式驱动装置沿宽度方向收缩，带动主翼收缩，变形机翼的后缘向下弯曲。本发明公开一种基于阵列式结构驱动的变形机翼，创新地使用了三段式的机翼布局设计，使用两个不变形的副翼来进行整流，使得流经变形主翼的气流更加稳定，增加了机翼的气流利用的效率，节省了燃料，提高了飞行效率。
-
公开(公告)号：CN119478364A
公开(公告)日：2025-02-18
申请号：CN202411571765.0
申请日：2024-11-06
Applicant: 金锋馥(滁州)科技股份有限公司 , 电子科技大学
IPC: G06V10/25 , G06V10/44 , G06V10/764 , G06V10/75
Abstract: 本发明公开了一种包裹多面分布式密集标签视觉特征定位及信息解码方法，涉及图像特征识别技术领域。本发明包括分别提取输入图像与模板标签图像的特征点，创建并启动标签定位线程，提取输入图像与模板标签图像的特征点，并通过特征点匹配对疑似目标标签区域进行定位，获取疑似标签位置并提取疑似标签图像。本发明通过从图像采集、标签定位到信息解码均在独立的流程中进行，实现数据采集处理流水结构，从而提高生产效率，通过利用图像特征检测技术，对产品包裹全方位采集的图像分别进行处理，获取包裹各个面图像中的疑似标签位置，从而实现包裹多面密集标签定位的目的。
-
公开(公告)号：CN117789843A
公开(公告)日：2024-03-29
申请号：CN202311849225.X
申请日：2023-12-28
Applicant: 电子科技大学
IPC: G16C20/10
Abstract: 本发明公开了一种基于生成对抗网络的生物发酵理化数据仿真生成方法，涉及生物发酵过程理化参数仿真生成领域。该方法获取生物发酵过程中多种类型的理化参数，并将其构建为二维矩阵，使用逆距离加权法修复缺失和异常值，将修复后的数据映射到统一值域，并叠加为三维特征矩阵，作为生成对抗网络模型的输入。生成对抗网络的生成器和判别器均使用空间通道注意力模型，生成器生成的多种类型的理化参数数据会与原修复后的数据融合，将融合后的数据再进行训练。与现有数据仿真技术相比，该方法生成的生物发酵理化数据在完整性、时间和空间相关性等质量指标上更优，可为生物发酵模型训练提供高质量的仿真数据集。
-
Patent Agency Ranking
公开(公告)号：CN107844739A
公开(公告)日：2018-03-27
申请号：CN201710625586.4
申请日：2017-07-27
Applicant: 电子科技大学
CPC classification number: G06K9/00724 , G06K9/6223 , G06T7/251
Abstract: 本发明的基于自适应同时稀疏表示的鲁棒性目标追踪方法，包括以下步骤：S1、根据拉普拉斯噪声能量的大小，自适应的建立同时稀疏追踪模型；S2、对所建立的追踪模型进行求解；S3、对模板进行更新。本发明提供的追踪方法追踪识别效果好，抗干扰性较强，能够实现较为精确和实时的目标追踪，追踪方法较为稳定。
-
公开(公告)号：CN107316321A
公开(公告)日：2017-11-03
申请号：CN201710480345.5
申请日：2017-06-22
Applicant: 电子科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种多特征融合目标跟踪方法及基于信息熵的权值自适应方法，其中，多特征融合目标跟踪方法包括以下步骤：S1、构建系统状态模型和系统观测模型；S2、根据系统状态模型，采样得到当前时刻的粒子集；S3、提取候选目标的多个特征，并计算相关系数和相关距离；S4、加权融合各特征，并计算粒子的先验概率密度似然函数，预测目标的位置。与现有技术相比，本发明的有益效果是：利用颜色、纹理及边缘特征进行目标特征提取，及引用相关性测量多特征的相关距离，从而提高了多特征对目标描述的准确性和全面性。以及基于信息熵的自适应更新多特征融合的权值，提高了方法对抗复杂场景的鲁棒性以及运行效率，适用于目标被遮挡，背景光照不断变化，目标的尺度变化等复杂场景。
-
公开(公告)号：CN119338783A
公开(公告)日：2025-01-21
申请号：CN202411426528.5
申请日：2024-10-14
Applicant: 金锋馥(滁州)科技股份有限公司 , 电子科技大学
IPC: G06T7/00 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于深度学习的密集包裹视觉实时精确检测方法，涉及计算机视觉技术领域，包括：通过2D工业相机获取密集包裹图像，对图像进行预处理；基于YOLOv5n网络的GhostConv卷积层，通过因式卷积，将卷积分解为一维水平和一维垂直方向的卷积操作，提取一级特征，通过所有一级特征生成多尺度特征图；进行位置回归，迭代计算旋转框的回归损失函数，达到最大迭代次数或者函数收敛，完成YOLOv5n网络的训练；通过训练好的YOLOv5n网络对密集包裹图像进行密集包裹视觉实时精确检测。通过优化YOLOv5n网络结构，实现在低性能设备上对密集、堆叠及旋转包裹的高效、精准检测，兼顾实时性与高精度，提升检测鲁棒性和整体效率，同时降低硬件成本，适用于复杂物流场景。
-
公开(公告)号：CN118788605A
公开(公告)日：2024-10-18
申请号：CN202410867804.5
申请日：2024-07-01
Applicant: 金锋馥(滁州)科技股份有限公司 , 电子科技大学
Abstract: 本发明公开了基于视觉检测的智能机器人自动播种式分拣设备，涉及视觉智能分拣技术领域，包括平移座以及竖直滑动安装在平移座上的升降座，平移座水平滑动安装在基板的导轨上，所述导轨的两侧均设置有固定安装在基板上的货架，货架为多层结构且每层均通过竖直的隔板分隔为多个相互独立且大小相同的货区。本发明的导轨两侧均设有货架，且货架对称布置；通过对输送件结构的巧妙设计，使得其既能向一侧货架倾斜，又能向另一侧货架倾斜，从而能够将货物输送至两侧的货架上；如此一来，就能够降低单侧货架的高度，从而减少输送件纵向的输送路径，以提高分拣的速度。
-
公开(公告)号：CN117979028A
公开(公告)日：2024-05-03
申请号：CN202410224968.6
申请日：2024-02-29
Applicant: 电子科技大学
IPC: H04N19/62 , H04N19/192 , H04N19/11 , H04N19/14
Abstract: 该发明公开了一种基于浅深空间频率信息的视频预测方法，明属于计算机视觉和机器学习技术领域。首先设计三维频率损失(3DFL)指标对预测视频质量进行评估；然后提出浅深特征提取网络(SDFNet)以同时提取视频帧的浅层和深层特征；最后设计频域自适应模块(FATranslator),针对不同频率信息使用不同卷积核进行特征提取。通过提取并整合深层空间特征与传统模型中经常被忽视的浅层空间特征,该方法显著提高了预测视频的清晰度和时间一致性。实验结果表明,与多个基准模型相比,本发明所提方法能生成物体边缘和运动更加清晰的预测视频。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.021 seconds)
