-
公开(公告)号：CN114882498B
公开(公告)日：2025-04-18
申请号：CN202210565489.1
申请日：2022-05-18
Applicant: 重庆邮电大学
IPC: G06V20/68 , G06V10/25 , G06V10/26 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08 , G06N20/10
Abstract: 本发明涉及一种面向采摘机器人的遮挡和重叠果实识别方法，属于图像识别领域，提出Dense‑TRH‑YOLO模型，在YOLOv5的基础上将Denseblock模块融合到骨干网中，创建了早期层到后期层的段路径，并且将Transfomer模块融入到模型中，提高语义可分辨性并减少类别混淆，增加对遮挡物的识别精度，然后通过Unet++‑PAN颈部结构提取各层图像特征，最后用Efficient IOU Loss损失函数代替原模型的CIOU进行边框回归输出检测框位置和分类置信度，在CIOU的基础上分别计算宽高的差异值代替了纵横比，同时引入Focal Loss解决难易样本不平衡的问题。
-
Patent Agency Ranking
公开(公告)号：CN117289137A
公开(公告)日：2023-12-26
申请号：CN202311271663.2
申请日：2023-09-28
Applicant: 重庆邮电大学
IPC: G01R31/367 , G01R31/382 , G01R31/3842
Abstract: 本发明涉及一种锂离子电池全寿命期的SOC预测方法，属于储能技术领域，包括以下步骤：S1：实时采集锂离子电池充放电状态下的电池容量、温度、电流、电压、内压数据；S2：将采集数据共同构建特征变量，建立特征变量与其匹配的电池SOC建立映射关系，形成样本库；S3：使用Hampel滤波对原Informer中编码器及解码器的自注意力机制进行改进，形成Hampel‑Informer模型，作为全寿命期SOC预测模型；S4：将步骤S2处理后的样本库导入所述全寿命期SOC预测模型进行训练；S5：将当前锂离子电池温度、电流、电压、内压数据导入训练后的全寿命期SOC预测模型，预测电池SOC。
-
公开(公告)号：CN114663791A
公开(公告)日：2022-06-24
申请号：CN202210409662.9
申请日：2022-04-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种非结构化环境下面向剪枝机器人的枝条识别方法，属于智能农业领域。首先采集自然环境下树枝图像，人工标注树枝类型以及修剪方式，然后图像预处理，再对不同尺寸的图像特征进行编码和注意力加权，将原图的果实和树枝进行分割，使得图像中只剩下树枝。最后对二值化图像进行边缘提取，使用SVM分类器得到树枝的类别和修剪方法。本发明解决了在非结构化环境下传统的目标检测易受复杂背景的影响、还要避免在剪枝的过程中果实遮挡以及树枝重叠的问题，还克服了一般深度学习神经网络模型需要大量训练集、计算量大、计算时间长、对计算机硬件要求高，识别精度不够高等缺点，使用轻量化网络结构，大大减少了模型训练的参数量。
-
公开(公告)号：CN115329277A
公开(公告)日：2022-11-11
申请号：CN202210950484.0
申请日：2022-08-09
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种退运动力镍氢电池的SOH预测方法，属于储能技术领域。首先采集电池充电状态下与电池容量衰退相关的数据指标，通过数据清洗保证数据有效性，以电池内阻、电池最大内压为健康因子构建特征值，将健康因子与电池电容共同形成样本集；再通过改进的自适应损失函数优化LightGBM算法，并应用Hyperopt超参数框架获得最优参数组合；将所述样本集载入优化后的算法模型进行训练；采用完成训练后的算法训练模型对SOH进行预测。采用本方法可以提升退运电池SOH预测的效率及精度，确保退运电池的梯次利用可以高效且准确的分类。
-
公开(公告)号：CN114938742A
公开(公告)日：2022-08-26
申请号：CN202210523212.2
申请日：2022-05-13
Applicant: 重庆邮电大学
IPC: A01G3/08
Abstract: 本发明属于机器人自动化剪枝领域，涉及一种小植株剪枝末端执行器，包括枝条剪断机构，以及设置在枝条剪断机构顶部的枝条夹持机构，枝条剪断机构包括壳体，设置在壳体内的传动组件，以及设置在壳体外的圆形锯片，传动组件通过贯穿壳体的第二滑块与圆形锯片连接；壳体上还开设有供第二滑块上下滑动的滑槽。本发明能够从枝叶下方靠近待剪枝条，通过控制手爪夹持力对枝条进行固定，然后剪断，配合机器人以达到自动化剪枝的目的。
-
公开(公告)号：CN114882498A
公开(公告)日：2022-08-09
申请号：CN202210565489.1
申请日：2022-05-18
Applicant: 重庆邮电大学
IPC: G06V20/68 , G06V10/26 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06T7/13 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种面向采摘机器人的遮挡和重叠果实识别方法，属于图像识别领域，提出Dense‑TRH‑YOLO模型，在YOLOv5的基础上将Denseblock模块融合到骨干网中，创建了早期层到后期层的段路径，并且将Transfomer模块融入到模型中，提高语义可分辨性并减少类别混淆，增加对遮挡物的识别精度，然后通过Unet++‑PAN颈部结构提取各层图像特征，最后用Efficient IOU Loss损失函数代替原模型的CIOU进行边框回归输出检测框位置和分类置信度，在CIOU的基础上分别计算宽高的差异值代替了纵横比，同时引入Focal Loss解决难易样本不平衡的问题。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
