-
公开(公告)号：CN104690551B
公开(公告)日：2017-03-01
申请号：CN201510119420.6
申请日：2015-03-18
Applicant: 中国科学院自动化研究所 , 中国工程物理研究院激光聚变研究中心
IPC: B23P21/00
Abstract: 本发明公开了一种机器人自动化装配系统，包括：上位机系统、数据采集系统、机器人控制器、工业机器人、夹持系统、多传感器系统和待装配对象，其中：所述工业机器人用于执行上位机系统所发出的控制指令；多传感器系统用于获得装配对象或装配位置的位姿测量数据；夹持系统用于实现对装配对象的夹持及其控制；上位机系统用于获取多传感器系统的测量数据并进行计算，根据计算结果对机器人的运动进行规划，并反馈给工业机器人。本发明机器人自动化装配系统能够根据检测到的装配对象或装配位置的位姿参数数据，对装配过程进行规划，能够实现对复杂对象的高精度自动化装配。
-
公开(公告)号：CN104690551A
公开(公告)日：2015-06-10
申请号：CN201510119420.6
申请日：2015-03-18
Applicant: 中国科学院自动化研究所 , 中国工程物理研究院激光聚变研究中心
IPC: B23P21/00
CPC classification number: B23P21/00
Abstract: 本发明公开了一种机器人自动化装配系统，包括：上位机系统、数据采集系统、机器人控制器、工业机器人、夹持系统、多传感器系统和待装配对象，其中：所述工业机器人用于执行上位机系统所发出的控制指令；多传感器系统用于获得装配对象或装配位置的位姿测量数据；夹持系统用于实现对装配对象的夹持及其控制；上位机系统用于获取多传感器系统的测量数据并进行计算，根据计算结果对机器人的运动进行规划，并反馈给工业机器人。本发明机器人自动化装配系统能够根据检测到的装配对象或装配位置的位姿参数数据，对装配过程进行规划，能够实现对复杂对象的高精度自动化装配。
-
公开(公告)号：CN112948595B
公开(公告)日：2023-04-25
申请号：CN202110337746.1
申请日：2021-03-30
Applicant: 中国科学院自动化研究所
IPC: G06F16/36 , G06Q10/0639 , G06Q50/26
Abstract: 本发明属于大数据技术领域，具体涉及了一种城市群运行状态知识图谱构建方法、系统及设备，旨在解决现有的方法缺少对城市群各领域运行状态的综合定量分析，不能满足对城市群运行规律深入挖掘的需求的问题。本发明包括：获取多源异构城市群运行数据，将所述多源异构城市群运行数据，转换为城市群运行时空数据集并划分子集，基于所述时空数据子集确定通用城市群运行状态指标，基于所述通用城市群运行状态指标结合城市特点计算指标权重，构建城市群运行状态指标体系进而建城市群运行状态知识图谱。本发明实现了城市群内各运行要素之间的潜在关系的抽取，为城市群运行规律的深度挖掘提供了技术改进。
-
公开(公告)号：CN113601501A
公开(公告)日：2021-11-05
申请号：CN202110813930.9
申请日：2021-07-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种机器人柔性作业方法、装置及机器人，所述方法包括：在作业对象运动到指定位置时，确定作业对象的位姿信息；基于作业对象的位姿信息，以及相机参数信息，确定机器人跟随作业的路径点；基于机器人的作业路径点，以及作业对象的当前位置数据，生成当前运动指令，并将当前运动指令发送至机器人的执行机构，以使执行机构基于当前运动指令实时调整姿态并对作业对象进行柔性作业操作。本发明能够基于当前运动指令实时调整姿态并准确对运动的作业对象进行柔性作业操作，实现对移动的作业对象动态跟踪和高精度的随动柔性作业。
-
公开(公告)号：CN112948595A
公开(公告)日：2021-06-11
申请号：CN202110337746.1
申请日：2021-03-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于大数据技术领域，具体涉及了一种城市群运行状态知识图谱构建方法、系统及设备，旨在解决现有的方法缺少对城市群各领域运行状态的综合定量分析，不能满足对城市群运行规律深入挖掘的需求的问题。本发明包括：获取多源异构城市群运行数据，将所述多源异构城市群运行数据，转换为城市群运行时空数据集并划分子集，基于所述时空数据子集确定通用城市群运行状态指标，基于所述通用城市群运行状态指标结合城市特点计算指标权重，构建城市群运行状态指标体系进而建城市群运行状态知识图谱。本发明实现了城市群内各运行要素之间的潜在关系的抽取，为城市群运行规律的深度挖掘提供了技术改进。
-
Patent Agency Ranking
公开(公告)号：CN110044920B
公开(公告)日：2021-04-06
申请号：CN201910345423.X
申请日：2019-04-26
Applicant: 中国科学院自动化研究所
IPC: G01N21/95
Abstract: 本发明属于焊接技术领域，具体涉及一种线状工件焊点焊接质量检测系统及方法，旨在解决人工检测效率低、一致性差和成本高的问题。本发明实施例公开了一种线状工件焊点焊接质量检测系统及方法，该方法包括步骤：S1、获取带有焊点的工件的图像；S2、基于步骤S1获取到的所述图像获取所述焊点在所述工件上的位置信息；S3、驱动焊点检测仪器移动至所述焊点的位置；S5、驱动所述焊点检测仪器绕所述焊点旋转，以获取所述焊点的焊接质量数据。实现了以自动完成对焊点的焊接质量检测，避免人工检测效率低、一致性差和成本高的发生。
-
公开(公告)号：CN109615604B
公开(公告)日：2020-12-18
申请号：CN201811278791.9
申请日：2018-10-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种基于图像重构卷积神经网络的零件外观瑕疵检测方法，该方法通过构建好的网络模型，对输入图像进行瑕疵检测。在网络模型训练过程中，对原始输入图像进行预处理后初步提取瑕疵区域，根据所提取出的瑕疵特点进行自适应多尺度图像重构及随轮廓局部图像重构，创建输入图像重构集合，最后利用重构图像集合进行卷积神经网络的训练。在检测过程中，对输入图像做与训练过程中相同的预处理，然后将处理后的图像按其尺寸等分成若干个设定边长的正方形的图像块，并将每个图像块按位置标记编号，将每一个图像块输入到已经训练完成的卷积神经网络模型中进行特征提取及分类。最后，输出检测结果并定位。本发明提高了提高零件外观瑕疵检测的准确性和鲁棒性。
-
公开(公告)号：CN109584206B
公开(公告)日：2021-07-06
申请号：CN201811221719.2
申请日：2018-10-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于表面瑕疵检测技术领域，具体提供了一种零件表面瑕疵检测中神经网络的训练样本的合成方法。训练样本的合成方法包括：步骤S1：获取带瑕疵零件样本的图像；步骤S2：从带瑕疵零件样本的图像中获取瑕疵图像；步骤S3：提取瑕疵图像的图像特征并将扰动加入图像特征来生成训练样本。通过这样的方法获取训练样本，只需获取少量的带有瑕疵的零件，通过获取少量的瑕疵零件表面的图像，对图像中存在的瑕疵进行提取获取各种瑕疵的图像，从各种瑕疵的图像中提取瑕疵的图像特征，再对各图像特征加入相应的扰动以生成数量巨大的训练样本，满足了神经网络的训练需求，解决了用于神经网络训练的训练样本获取困难，无法获取大量训练样本的问题。
-
公开(公告)号：CN109598287B
公开(公告)日：2021-06-08
申请号：CN201811278762.2
申请日：2018-10-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种基于深度卷积生成对抗网络样本生成的外观瑕疵检测方法，包括：将原始采集的小样本精密零件瑕疵图像提取瑕疵区域，构成原始小样本瑕疵块数据集，并利用该数据集训练DCGAN模型并生成全新的瑕疵块；将原始小样本精密零件瑕疵数据集中的每一张完整图像拆分成若干图像块数据，构成图像拆分训练数据集，并将数据集与生成瑕疵块数据集一起作为训练集训练Faster R‑CNN模型；对待检测的零件瑕疵图像进行图形块拆分，并通训练好的Faster R‑CNN模型行瑕疵检测及分类。本发明解决了小样本瑕疵检测问题、提高了小目标对象的检测及分类精度。
-
公开(公告)号：CN110942095A
公开(公告)日：2020-03-31
申请号：CN201911178510.7
申请日：2019-11-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种显著物体区域检测方法及系统，所述检测方法包括：通过采用多层卷积网络从待检测图像中进行特征抽取，获得多层级特征图；对多层级特征图进行显著值非线性回归处理，得到初级显著图；对所述初级显著图进行三次双线性插值处理，获得与所述待检测图像匹配的终极显著图。本发明通过采用多层卷积网络进行特征图抽取获得多层级特征图，进而进行显著值非线性回归处理得到初级显著图，通过三次双线性插值处理得到所述待检测图像匹配的终极显著图，从而实现端到端的特征抽取，可提高抽取图像显著物体区域的效率。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.033 seconds)
