-
公开(公告)号：CN118447451A
公开(公告)日：2024-08-06
申请号：CN202410620616.2
申请日：2024-05-20
Applicant: 重庆大学
IPC: G06V20/52 , G06V10/82 , G06V10/766 , G06V10/80 , G06T5/80 , G06T5/60 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明面向复杂环境下小目标的机场跑道异物检测方法，其包括通过摄像机对机场跑道采集的图像，对采集的图像进行畸变矫正，还包括创建机场跑道图像数据集并对图像数据集进行优化，还包括对选取的目标检测模型进行优化，再用创建的图像数据集对目标检测模型进行训练和测试，最后用训练及测试合格的目标检测模型对经步畸变矫正后的图像进行异物检测。本发明通过对图像畸变进行矫正，通过对目标检测网络及机场跑道图像数据集进行丰富和优化，提高了目标检测模型对机场跑道小目标的检测准确率。
-
公开(公告)号：CN118523390A
公开(公告)日：2024-08-20
申请号：CN202410615397.9
申请日：2024-05-17
Applicant: 重庆大学
Abstract: 本发明风储离网制氢系统容量优化配置方法，其包括建立风储离网制氢系统容量的优化模型，建立风储离网制氢系统的运行策略，设计用于优化风储离网制氢系统容量配置的改进灰狼算法，执行改进灰狼算法计算得到容量优化配置结果。本发明综合考虑了风储离网制氢系统的建设、维护、置换等成本，构建了系统运行全生命周期收益最大化为目标的经济模型；并通过改进的灰狼算法对引入运行控制策略下的系统经济模型求解，实现了对储能电池单元容量、储氢罐单元容量和电解槽制氢单元容量的协同优化，解决了现有风储离网制氢系统各单元容量不匹配致使系统能量利用率降低、成本提升的问题。
-
Patent Agency Ranking
公开(公告)号：CN116935196A
公开(公告)日：2023-10-24
申请号：CN202310963809.3
申请日：2023-08-02
Applicant: 重庆大学
IPC: G06V20/00 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本发明面向复杂环境下被遮挡目标的新型脑启发目标检测方法，其包括构建目标检查模型，所述目标检测模型包括脑启发模型和DETR模型；将被检测图像输入脑启发模型，得到关于目标的若干个预测框及类标签，并输入DETR模型；DETR模型通过对图像数据预设参考点，标定预测框针对参考点的侧距和框位置，并给出查询对象，以二部匹配实现类标签匹配，通过计算预测框的侧距和框位置，并迭代至设定的偏移幅度阈值范围内，然后选择预测框中目标最高置信度对应的类别和坐标。本发明中脑启发模型能在学习中不断地提取知识以更好更快地学习新任务,对于已有训练样本的特征数据进行释义储存与解构释放，使得混乱数据流可模拟为稳定的动态数据流，减缓了遗忘问题。
-
公开(公告)号：CN119991638A
公开(公告)日：2025-05-13
申请号：CN202510144385.7
申请日：2025-02-10
Applicant: 重庆大学
IPC: G06T7/00 , F03D17/00 , G06T5/60 , G06T5/73 , G06V10/20 , G06V10/774 , G06V10/25 , G06V10/82 , G06V10/766 , G06V20/17 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于计算机视觉的无人机航拍风机叶片缺陷检测方法，其包括：一)将无人机航拍的风机叶片图像经预处理后输入生成对抗网络对进行去模糊处理；二)用经生成对抗网络处理的风机叶片去模糊图像构成数据集；三)对YOLOv5s模型进行改进；四)用步骤二)得到的数据集训练和测试改进后的YOLOv5s模型；五)通过YOLOv5s改进模型检测风机叶片缺陷。本发明将基于生成对抗网络的图像去模糊方法与基于改进的YOLOv5s的小目标检测方法深度融合，极大地降低了图像模糊对风机叶片检测的干扰，有效提升了本发明方法在模糊图像环境下的检测泛化能力。
-
公开(公告)号：CN116934627A
公开(公告)日：2023-10-24
申请号：CN202310959818.5
申请日：2023-07-28
Applicant: 重庆大学
IPC: G06T5/00 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明弱光环境下的目标检测方法，其包括步骤：一)创建弱光环境目标检测数据集；二)对弱光环境目标检测数据集中的图像进行图像增强预处理，然后对图像增强预处理后的弱光环境图像进行数据增强处理；三)对目标检测模型的参数量进行缩减；四)用经步骤二)处理后的图像数据训练经步骤三)处理的目标检测模型，得到训练合格的目标检测模型；五)用经步骤四)训练得到的目标检测模型对弱光环境目标进行检测。本发明提高了对弱光环境下目标检测的准确率、模型泛化能力更强，检测效率更高。
-
公开(公告)号：CN119937618A
公开(公告)日：2025-05-06
申请号：CN202510069180.7
申请日：2025-01-16
Applicant: 重庆大学
IPC: G05D1/495 , G05D1/46 , G05D101/15 , G05D109/20
Abstract: 本发明公开了一种基于无人机的风机叶片动态自主巡检方法，包括控制无人机拍摄风机的全景俯视图；根据全景俯视图确定风机朝向，根据风机朝向控制无人机飞至风机正前方进行拍摄，并提取图像中的轮毂中心点像素坐标和叶片尖端像素坐标，进而规划无人机巡检轨迹及巡检点数量。本发明方法是在风机不停机工况下进行，从而避免了风机停机造成的经济损失；巡检过程全自动化，巡检效率高，且相机拍摄方向与风机朝向平行，并能保证拍摄到的叶片中心线与图像坐标系的轴保持水平，使采集的图像能全覆盖风机叶片，图像采集质量高。
-
公开(公告)号：CN118531443A
公开(公告)日：2024-08-23
申请号：CN202410620618.1
申请日：2024-05-20
Applicant: 重庆大学
Abstract: 本发明基于风光能源离网制氢的碱式电解槽阵列滚动优化策略，其将电解槽的工作状态分为三种：正常制氢状态、冷待机状态和停机状态，建立了反映各电解槽历史工作状态的动态数据库；在一个新控制周期到来时，依据目标函数对输入电解槽阵列的总功率进行分配，并根据功率分配结果和电解槽历史工作状态分配各电解槽的工作状态，然后再根据分配的工作状态下发分配好的功率。本发明能使电解槽处于各工作状态的时间基本均衡，同时允许多台电解槽以非额定功率制氢，有效缓解了电解槽功率波动幅度过高的问题；且以碱式电解槽阵列制氢量最大化为目标，且每一步优化均以电解槽制氢量为目标来分配各电解槽的功率，提高了电解槽阵列系统氢气产量和运行效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.012 seconds)
