-
公开(公告)号：CN119311994A
公开(公告)日：2025-01-14
申请号：CN202411855884.9
申请日：2024-12-17
Applicant: 南京师范大学
Abstract: 本发明公开一种光伏污染损失估算方法及系统，其中，所述系统包括数据采集单元和光伏污染损失计算单元，数据采集单元采集光伏面板面板温度、太阳辐照强度、光伏面板实时输出功率以及光伏面板工作面图像信息；光伏污染损失计算单元计算光伏面板污染造成的光伏污染损失；数据采集单元与光伏污染损失计算单元通信连接。本发明将光伏面板面板温度造成的光伏发电损失引入光伏污染损失估算中，利用光伏面板工作面图像信息计算光伏面板的积灰度，同时考虑大气颗粒物浓度、空气湿度以及大气总挥发性有机物浓度对积灰度的影响，使得对光伏污染损失的预测更为精准，也使得对光伏面板进行去污的时机选择更为合理。
-
公开(公告)号：CN118209223B
公开(公告)日：2024-09-17
申请号：CN202410620391.0
申请日：2024-05-20
Applicant: 南京师范大学
Abstract: 本发明公开了一种多层柔性电子一体化薄膜应力超材料传感器及制备方法，在柔性基底上实现了超材料传感器，由3D打印多层柔性材料，在可拉伸电子一体化薄膜上镶嵌多层多梯形谐振单元平面阵列；超材料传感器的谐振频率对梯形贴片结构尺寸的变化非常敏感，通过拉伸梯形结构的衬底，改变刻蚀在衬底上的超表面的结构尺寸，从而改变传感器的谐振频率；进一步利用频谱分析方法实现对应力和应变的传感，同时为了实现紧密的身体接触，传感器的基低根据皮肤表面的3D扫描数据设计，并基于扫描数据通过3D打印模板模塑而成。本发明超材料传感器能够较准确获取姿态应力信息，提高了对于人体姿态数据的标定准确度。
-
公开(公告)号：CN116188999B
公开(公告)日：2023-07-11
申请号：CN202310460965.8
申请日：2023-04-26
Applicant: 南京师范大学
IPC: G06V20/10 , G06V10/774 , G06V10/40 , G06V10/762 , G06V10/80 , G06V10/778 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于可见光和红外图像数据融合的小目标检测方法，包括：采集待检测目标在各种环境条件下的可见光图像、红外图像；搭建通道注意金字塔网络对输入两种图像进行特征提取，将预定义三维锚框投影到两种特征图上，搭建转置卷积优化上采样，设置用于检测小目标的检测层；搭建ELU激活函数的卷积层，使用匹配ELU激活函数，同时在主干网络引入GSA注意力模块，通过设置Buff域分类器允许模型从多个数据集中学习其特征提取能力，提高在数据较少的数据集的检测性能。本发明利用各种环境条件下的可见光、红外图像来弥补维度信息的缺失，解决如何在混乱的环境中提高对小目标的检测精度的问题。
-
公开(公告)号：CN116295507A
公开(公告)日：2023-06-23
申请号：CN202310603851.4
申请日：2023-05-26
Applicant: 南京师范大学
IPC: G01C22/00 , G01C21/16 , G06F18/10 , G06F18/15 , G06F18/214 , G06F18/241 , G06V20/50 , G06V10/20 , G06V10/30 , G06V10/72 , G06V10/764 , G06V10/82 , G06T7/73 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F123/02
Abstract: 本发明提出一种基于深度学习的激光惯性里程计优化方法，该方法包括基于深度学习的惯性传感器运动分类与可用度评估、基于深度学习的激光点云可用度评估和基于深度学习的激光惯性里程计优化。其中惯性传感器运动分类与可用度评估，是通过SENet+模型对惯性传感器数据进行运动分类，并基于运动分类结果完成惯性传感器可用度评估；激光点云可用度评估，是通过PointNet++模型对激光点云进行分类分割与可用度评估；激光惯性里程计优化，是基于惯性传感器、激光点云可用度信息，通过MLP模型生成并调整系统整体误差函数中各残差函数权重，提高激光惯导系统在复杂环境下定位建图的鲁棒性。
-
公开(公告)号：CN113267779A
公开(公告)日：2021-08-17
申请号：CN202110536632.X
申请日：2021-05-17
Applicant: 南京师范大学
IPC: G01S13/933 , G01S13/86
Abstract: 本发明公开了一种基于雷达与图像数据融合的目标检测方法和系统，所述方法包括编码器网络的对象检测，视锥体方法的数据关联以及雷达检测的图像特征补充。所述系统包括巡检区域环境感知模块、毫米波信号处理模块、点云分析与处理模块、深度学习计算机和显示模块，各模块之间采用有线或无线传输方式。本发明采用毫米波雷达作为巡检区域环境感知传感器设备，有效避免了光线等环境因素对安防系统性能的影响；通过读取目标所在子区域的雷达点云数据进行处理分析，减少了深度学习计算机处理巡检区域非动态冗余信息所带来的计算量，有效提高了目标检测的实时性。
-
Patent Agency Ranking
公开(公告)号：CN110006444B
公开(公告)日：2020-09-22
申请号：CN201910215637.5
申请日：2019-03-21
Applicant: 南京师范大学 , 南京智能高端装备产业研究院有限公司
Abstract: 本发明公开了一种基于优化混合高斯模型的抗干扰视觉里程计构建方法，包括：读取采集连续视频帧序列图像，进行灰度化处理；对图像进行相似度判定，若结果为相似度较小则舍弃，直至判定结果为相似度较大；提取前n1帧相邻帧灰度图像中的特征点；对每个特征点建立混合高斯模型；利用混合高斯模型进行目标检测，得到有效特征点；将有效特征点作为初始数据，获得有效特征点在当前帧序列灰度图像中的位置坐标，获取后续帧灰度图像的有效特征点；将获得的相邻灰度图像间的有效特征点组成有效特征点对，估算相机的位置与运动轨迹；循环上述步骤，重新获取有效特征点并进行运动估计，直到所有的序列帧图像处理完毕，完成视觉里程计的构建。
-
公开(公告)号：CN110524540A
公开(公告)日：2019-12-03
申请号：CN201910802060.8
申请日：2019-08-28
Applicant: 南京师范大学
IPC: B25J9/16
Abstract: 本发明公开了一种机械臂系统的自适应容错抗干扰的控制方法；包括以下步骤：步骤1，建立一种较机械臂系统更一般的具有未知参数和不匹配扰动的非线性系统；步骤2，针对未知的不匹配扰动，设计了一个扰动观测器；步骤3，针对非线性系统，并根据扰动观测器估计的扰动以及机械臂的执行器发生的故障，设计自适应控制器，并对自适应控制器进行稳定性分析。本发明通过引入功率积分器技术，提出了一种新的自适应控制方案；针对执行器卡住等不确定执行器故障，提出了一种新的容错控制方法；并且本发明所设计的自适应控制器可以保证闭环系统的输入到状态稳定。
-
公开(公告)号：CN109740651A
公开(公告)日：2019-05-10
申请号：CN201811581807.3
申请日：2018-12-24
Applicant: 南京师范大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于1-范数数据处理变换和卷积神经网络的肢体识别方法，包括如下步骤：步骤1，通过移动传感器采集三轴加速度数据，并对每种活动类型打上相应标签；步骤2，对采集到的数据进行1-范数处理，并划分训练集和测试集样本；步骤3，对上述处理过的数据进行卷积神经网络的训练，得到最合适权值和偏执值，整理后生成.pb文件；步骤4，将文件出入移动智能终端，得到准确的人体肢体动作检测效果。本发明识别速度快，识别准确度高。只要采集的数据数量和类型足够，可以将能够分类的动作类别扩展到更多；在公路监控、人体姿态识别等方面具有重要实际应用意义。
-
公开(公告)号：CN109459037A
公开(公告)日：2019-03-12
申请号：CN201811635695.5
申请日：2018-12-29
Applicant: 南京师范大学镇江创新发展研究院
Abstract: 本发明公开了一种基于SLAM智能载体的环境信息采集方法，通过对多种环境信息的采集，实现对未知环境进行多元环境信息分布图的构建，并通过分析智能载体周围环境信息的分布实现对环境物体及其特征的识别，通过三维空间内的物体整体分布情况及其特征，辅助智能载体进行定位与导航。本发明还提出基于该方法的系统，所述系统包括环境信息采集模块、SLAM智能载体和远程信息处理计算机系统。本发明能够实现对未知环境进行多元环境信息分布图的构建，并通过人工智能算法对环境信息数据进行分析和精度的优化。区别于传统SLAM技术的空间建模方法，本发明可以在特定环境中同时进行智能载体定位辅助、环境特征检测、物体识别、人员搜救等。
-
公开(公告)号：CN108168548A
公开(公告)日：2018-06-15
申请号：CN201810149228.5
申请日：2018-02-13
Applicant: 南京师范大学
Abstract: 本发明公开了一种通过机器学习算法与模型辅助的行人惯性导航系统和方法，属于惯性与组合导航领域，以及人工智能领域。该方法通过安装于人体足部的惯性/地磁传感器组件，以及集中或分布式安装于人体其他部位的传感器组件识别人体不同类型的步态特征。自适应地采用不同的机器学习算法与模型对足部与其他部位的传感器信息进行训练，实现通过其他部位传感器信息模拟足部惯性传感器信息的目的，从而可对行人导航系统进行实时故障检测，并且可在足部惯性传感器出现超量程前的一个步态周期以内进行预报，再基于模拟生成的一种或多种虚拟足部惯性传感器信息，通过系统重构原理构建行人导航系统，实现故障与超量程情况下的惯性行人导航功能。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.032 seconds)
