-
公开(公告)号：CN116467671A
公开(公告)日：2023-07-21
申请号：CN202310311010.6
申请日：2023-03-28
Applicant: 吉林大学
Abstract: 本发明公开了基于深度学习和MASK算子的阵列传感器自适应参数检测方法，属于传感器智能检测技术领域，包括：数据集准备及预处理；基于深度学习和MASK算子的神经网络模型的构建；基于深度学习和MASK算子的神经网络模型的训练；采用上述训练好的神经网络模型检测出实际浓度值与阵列传感器件状态。该检测方法通过MASK算子，可自适应动态处理阵列传感器输入时间序列，并且能充分利用暂失能状态下传感器数据，结合深度神经网络算法进一步提高运算效率与测量精度。该检测方法通过MASK算子，可自适应动态处理阵列传感器输入时间序列，并且能充分利用暂失能状态下传感器数据，结合深度神经网络算法进一步提高运算效率与测量精度。
-
公开(公告)号：CN119676416A
公开(公告)日：2025-03-21
申请号：CN202311226429.8
申请日：2023-09-21
Applicant: 吉林大学
IPC: H04N9/31
Abstract: 本发明涉及投影仪技术领域，具体提供一种基于颜色规避和深度矫正的智能投影仪控制方法，依据投影平面与全域颜色拟合平面的颜色偏差张量，确定出预投影图像上的候选区域，根据预投影图像的形状在候选区域划分出投影区域，依据投影区域与全域深度拟合平面的深度偏差张量，对投影区域进行深度矫正，将完成深度矫正的预投影图像投影在经过颜色规避划分得到的投影区域上。本发明避免了颜色干扰和平整度的影响，保证投影仪在平面及空间非规则、颜色污迹等极端情况下，实现视觉效果下的平整、无色差投影，解决现有投影映射应用上的精度受限、场景单一且成本高昂等问题。
-
公开(公告)号：CN117930199A
公开(公告)日：2024-04-26
申请号：CN202311717779.4
申请日：2023-12-13
Applicant: 吉林大学
Abstract: 本发明涉及自动驾驶技术领域，具体涉及一种相机内参与相机相对激光雷达外参的联合标定方法及装置，通过使用组合振镜及三自由度旋转台结构，延长标定深度、精确调整感知系统相对于标定板的相对位姿，增加特征点数量，提高标定精度，使用上述的辅助标定装置可实现标定过程完全自动化，节省人力成本，提高标定效率。辅助标定装置可以在有限的空间中拓宽标定空间并提高标定精度，在满足实际大场景应用需求(如自动驾驶场景)的同时，降低标定环境需求，提高标定精度。
-
Patent Agency Ranking
公开(公告)号：CN116304912A
公开(公告)日：2023-06-23
申请号：CN202310311018.2
申请日：2023-03-28
Applicant: 吉林大学
IPC: G06F18/2415 , G06N3/08 , G06F18/15 , G06N3/0499
Abstract: 本发明公开了一种基于深度学习transformer神经网络的传感器气体浓度检测方法，属于传感器智能检测技术领域，包括数据集准备及预处理；Transformer神经网络模型的构建；Transformer神经网络模型的训练；用上述训练好的Transformer神经网络模型估算出实际环境参数值与气体浓度值。该算法通过已有的数据集训练过后的模型，实现气体传感器在快速，少样本条件下，对环境中的气体浓度快速检测；具有精度高、通用性强、鲁棒性好、实时性强等优点，可以克服传统方法存在的问题，实现更好的气体浓度检测效果。
-
公开(公告)号：CN119648769A
公开(公告)日：2025-03-18
申请号：CN202411671791.0
申请日：2024-11-21
Applicant: 吉林大学
Abstract: 本发明提供了一种即时深度获取方法、三维成像方法、设备及介质，其中方法包括获取待获取场景的当前时刻第一点云帧、待获取场景的当前时刻第一图像帧；第一点云帧包括第一点云采集、第一深度图；第一图像帧包括若干个第一目标区域；获取下一时刻点云采集、下一时刻图像帧，其中，获取下一时刻点云采集的过程包括：基于第一图像帧的若干个第一目标区域、第一深度图、不同目标区域设定的扫描角度分辨率对待获取场景进行区域自适应扫描与全局扫描，获取下一时刻点云采集；基于下一时刻点云采集获取下一时刻深度图。该方法能够在当前时刻的点云和图像帧的基础上，即时地获取下一时刻的点云采集和深度图，实现了深度信息的实时获取和处理。
-
公开(公告)号：CN118566207A
公开(公告)日：2024-08-30
申请号：CN202410624632.9
申请日：2024-05-20
Applicant: 吉林大学
IPC: G01N21/78
Abstract: 本发明提供一种基于酶抑制法的农药残留检测设备，所述设备由设备空腔、拍照模块、显示模块、供电模块、光补偿模块、PCB板和检测模块构成；其中，所述拍照模块位于所述设备空腔上方；所述显示模块位于所述设备空腔的正前方；所述供电模块位于所述设备空腔的左侧下方；所述光补偿模块位于所述设备空腔的内部侧上方；所述PCB板位于所述检测模块位于所述显示模块的后方。本发明简化了人工农药残留检测的复杂步骤，避免了要在实验室环境下检测的限制，提高了检测效率，有利于自动化农药残留检测设备的市场化。
-
公开(公告)号：CN116340882A
公开(公告)日：2023-06-27
申请号：CN202310311009.3
申请日：2023-03-28
Applicant: 吉林大学
IPC: G06F18/25 , G06F18/214 , G06N3/0455
Abstract: 本发明公开了一种气体传感器阵列自适应前融合检测方法，属于传感器智能检测技术领域，包括：数据集准备及预处理；基于深度学习和MASK算子的神经网络模型的构建；基于深度学习和MASK算子的神经网络模型的训练；采用上述训练好的神经网络模型检测出实际浓度值与阵列传感器件状态。本发明将阵列传感器和干扰气体传感器完整的纳入计算，输入数据为从各传感器采集到的原始数据，经算法融合分析后得到的输出数据为气体浓度值和各传感器件的工作状态，实现真正意义上的端到端信息提取；该算法的成功构建，有助于推进气体传感系统通用性算法框架的构建和自动化的算法优化。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.015 seconds)
