-
公开(公告)号：CN118134973A
公开(公告)日：2024-06-04
申请号：CN202410113885.X
申请日：2024-01-27
Applicant: 南京林业大学
IPC: G06T7/30 , G06T5/70 , G06T3/4038 , G06T7/11
Abstract: 本发明公开了一种基于Gocator传感器的点云拼接与配准系统以及方法，包括：通过多传感器采集标定块和被测物体的点云数据并进行去噪；拟合点云直线，利用标定块与被测物体的高度差分割出标定块点云；根据标定块点云计算传感器之间的横向偏移角度；将多传感器采集的点云在各自的坐标系内旋转至与y轴平行的位置；以任一传感器采集的点云为基准点云，将另一传感器采集的点云沿着z轴和y轴平移；以基准点云中的标定块点云为目标点云，将初始点云的标定块点云作为源点云，采用改进ICP算法迭代配准点云。本发明可以检测出传感器是否存在偏移，根据传感器参数自动调整ICP算法的参数，优化ICP算法，提高拼接速度与精度。
-
公开(公告)号：CN117540202B
公开(公告)日：2024-05-14
申请号：CN202311178807.X
申请日：2023-09-13
Applicant: 南京林业大学
IPC: G06F18/214 , G06F18/25 , G06N3/0464 , G06F18/2415 , G06N3/09
Abstract: 根据本发明公开了一种基于多信息融合深度集成网络的故障诊断方法和系统，故障诊断方法包括如下步骤：利用多个传感器采集被测零件不同健康状态下的振动信号；将多个传感器采集到的振动信号以相同大小的窗长切分出多个样本形成样本集，并将该样本集按照比例划分出训练集和测试集；构建一个由依次串接的基于复合指标的加权融合策略模块、跨尺度注意特征提取模块和权重拓扑学习模块的多信息融合深度集成网络模型；将训练集输入到所述多信息融合深度集成网络模型中训练；将测试集输入到已经训练好参数的多信息融合深度集成网络模型中进行健康状态判别。
-
公开(公告)号：CN111330861B
公开(公告)日：2024-05-10
申请号：CN202010268968.8
申请日：2020-04-08
Applicant: 南京林业大学
Abstract: 本技术公开了一种旋转式木材等级分选装置，包括传送带机构、电动升降台和分选机构，传送带机构的后方设有电动升降台，传送带机构和电动升降台之间设有间隙，且间隙处上方和下方均设有相机一，分选机构位于电动升降台一侧；分选装置包括分选台、立柱、顶部结构和吸盘搬运结构，分选台的中部通过立柱与顶部结构连接，分选台的圆周方向上开设有多个收集槽，每个收集槽处均对应有一个收集筐，顶部结构的圆周方向上设有一圈圆形轨道，吸盘搬运结构与圆形轨道滑动连接。本技术可以机器自主识别并划分板材的等级，然后自主实现板材的分选。可以完全地由机械实现分选功能，将工人从重复繁琐的劳动中解放出来，还可以大大提高生产的效率。
-
公开(公告)号：CN110583239B
公开(公告)日：2024-03-26
申请号：CN201911027299.9
申请日：2019-10-27
Applicant: 南京林业大学
Abstract: 本技术公开了一种三点可调夹持式振动采摘装置，包括左夹持机构、右夹持机构、中夹持振动机构和底座；左夹持机构位于中夹持振动机构的左侧，右夹持机构位于中夹持振动机构的右侧；左夹持机构的底部固定连接在底座上，中夹持振动机构的底部通过直线传动机构一与底座连接且直线传动机构一用于驱动中夹持振动机构在底座上水平直线移动，右夹持机构通过直线传动机构二与底座连接且直线传动机构二用于驱动右夹持机构在底座上水平直线移动。本技术通过振动使得所选取的蓝莓枝条上的成熟蓝莓尽可能不受破损的掉落，且能实现成熟蓝莓的精准采摘，劳动强度低，人工成本低。
-
公开(公告)号：CN116309375A
公开(公告)日：2023-06-23
申请号：CN202310159967.3
申请日：2023-02-23
Applicant: 南京林业大学
Abstract: 本发明公开一种实木板材双面缺陷检测及智能加工坐标确定方法，包括：采集N块实木板材样本双面图像，对图像进行预处理；对图像进行缺陷标注，并将其作为数据集用来训练实木板材缺陷检测深度学习离线网络模型；在线采集实木板材双面图像，并进行预处理，将实木板材双面图像按行对齐；将实木板材图像输入至训练好的模型内，获得实木板材缺陷坐标；优化实木板材缺陷坐标，获得实木板材图像上的加工位置坐标；将加工位置坐标从实木板材图像上转换至实际板材上。本发明通过集成双目视觉获取实木板材双面图像并进一步地进行缺陷检测，对检测到的双面缺陷坐标进行基于图像的工艺优化，实现实木板材的双面缺陷检测，并获取实际板材的加工坐标点。
-
Patent Agency Ranking
公开(公告)号：CN114817609B
公开(公告)日：2022-11-25
申请号：CN202210396144.8
申请日：2022-04-15
Applicant: 南京林业大学
IPC: G06F16/583 , G06F16/51 , G06V10/56 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于提升树的实木地板颜色的自动排序方法，包括：采集多张实木地板表面图像并预处理；对实木地板图像进行颜色空间变换；建立实木地板图像的颜色深浅序列；设定每张实木地板图像颜色深度值；提取实木地板图像的颜色特征向量；建立实木地板颜色回归树数学模型并对其参数进行调优；通过最优回归树数学模型计算得到待测实木地板图像的颜色深度值；根据实木地板图像的颜色深度值的大小将实木地板图像的颜色进行在线排序。本发明以初步建立实木地板颜色深浅序列为先验知识，提取实木地板颜色特征向量，然后使用梯度提升决策树对实木地板颜色特征向量进行回归，实现实木地板颜色的无级分类，同时，还能实现实木地板颜色深浅自动排序。
-
公开(公告)号：CN114972332A
公开(公告)日：2022-08-30
申请号：CN202210833979.5
申请日：2022-07-15
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于图像超分辨率重建网络的竹集成材裂纹检测方法，包括：连续采集竹集成材受三点加载作用力产生扩展尖端裂纹的原始高清图像，去黑边裁剪得到与原始高清图像相对应的原始高分辨率图像；对原始高分辨率图像进行处理，得到低分辨率图像；将改进残差网络模型作为生成器，将生成器和判别器组合得到生成对抗网络模型；训练生成对抗网络模型；本发明克服了超分辨率图像重建中的细节信息丢失和边缘模糊；提高了竹集成材超分辨率图像重建的真实性；提高了网络性能；重建后的图像精度高，真实性高；利用从生成器生成出的超分辨率图像中提取出的信息对生成器模型进行二次检验，该检验方法从客观角度评价了生成器的性能。
-
公开(公告)号：CN114897027A
公开(公告)日：2022-08-12
申请号：CN202210589411.3
申请日：2022-05-26
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于深度小波核变分自编码器的机械故障诊断方法和系统，所述诊断方法包括如下步骤：获取针对机电液系统不同故障的两通道非线性振动数据并按1：1比例随机划分为训练集和测试集；将核函数映射模块、深度核特征学习模块和分类模块依次串接组成深度小波核变分自编码器；其中，核函数映射模块采用核函数映射方法将采集的数据集投影到高维特征空间，深度核特征学习模块采用小波变分自编码器进行堆叠学习并获得分类向量，分类模块对分类向量进行故障分类；采用训练集对深度小波核变分自编码器进行训练，完成非线性故障信息的深度提取，并将测试集输入到已训练好的深度小波核变分自编码器中，自动实现机电液系统的故障诊断。
-
公开(公告)号：CN114742111A
公开(公告)日：2022-07-12
申请号：CN202210571899.7
申请日：2022-05-24
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于参数自适应特征模态分解故障诊断方法和系统，故障诊断方法包括如下步骤：采集机械设备的故障振动信号；基于最大信号循环峭噪比的群智能优化方法自动地确定特征模态分解的模态个数和滤波器长度，并采用参数优化的特征模态分解将采集的振动信号划分为一系列模态分量；计算各模态分量的平方包络谱特征能量比，并选取具有最大平方包络谱特征能量比的模态分量作为主模态分量；通过从主模态分量的平方包络谱中提取故障特征频率，实现机械故障识别。该诊断方法继承了特征模态分解强鲁棒性和高运算效率的优点，能够从强噪声背景下提取出有用的周期性故障特征信息，实现设备故障的高效检测。
-
公开(公告)号：CN113158580B
公开(公告)日：2021-12-10
申请号：CN202110506961.X
申请日：2021-05-10
Applicant: 南京林业大学
IPC: G06F30/27 , G06N3/00 , G06N3/12 , G06F111/04 , G06F111/06 , G06F113/24
Abstract: 本发明公开实木板材的一维排样方法，包括：读取经切割缺陷后的N段实木板材长度Li信息；读取需求量为bj的待排零件的长度lj信息；建立实木板材一维排样数学模型；基于改进最大最小蚁群系统的方法生成初始种群：基于改进遗传算法多次迭代得到最优排样方案；将改进遗传算法得到的迭代最优解进行记录；根据记录中的至今最优解自适应更新信息素的界限；采用动态混合策略进行信息素更新。本发明克服了随机选择的盲目性；加快了蚁群系统的收敛速度，提高了求解速率，排样时间快，利用率高；有助于维持种群多样性，减少局部最优和早熟问题的出现，增强了算法的全局搜索能力；采用迭代最优解和全局最优解的动态混合策略，有助于增强算法合理引导搜索的能力。
-
-
-
-
-
-
-
-
-
Search Results
221
records
(took 0.036 seconds)
