-
公开(公告)号：CN116680598A
公开(公告)日：2023-09-01
申请号：CN202310645003.X
申请日：2023-06-01
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06F18/24 , H02J13/00 , G01R31/00 , G06F18/214 , G06N3/0442
Abstract: 本发明公开了一种用于工地智能配电箱的故障诊断和剩余寿命预测方法，包括以下步骤：从配电箱中采集到的数据通过无线网络传输到云平台；搭建基于LSTM的预处理模型、基于DBN的无监督HI的故障诊断模型和基于DBN和IPF的剩余寿命预测模型：将云平台接收到的数据放入神经网络进行训练；通过训练完成后的网络模型对配电箱中的配件进行检测，预测未来一段时间内某个单一零件是否会发生故障以及剩余使用时间，最终将训练结果返回云平台端显示以及是否加以人为干预。本发明相比现有技术，能够更好地维护工地场景下配电箱的使用，提前预知配电箱故障发生的时间，提高维修效率，大大降低人工成本。
-
公开(公告)号：CN115100574A
公开(公告)日：2022-09-23
申请号：CN202210851338.2
申请日：2022-07-19
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 一种基于融合图卷积网络与Transformer网络的动作识别方法及系统，属于计算机视觉等技术领域，解决现有技术只浅层使用图卷积网络提取空间特征，其局部时空特征建模能力差的问题。本发明对获取的人体骨架序列数据进行预处理，并引入关节速度信息，得到引入关节速度信息的人体骨架序列；基于引入关节速度信息的人体骨架序列构建时空骨架图；构建时空骨架图的自适应时空图卷积单元模块并进行堆叠，堆叠后得到时空图卷积网络；通过融合层将时空图卷积网络和视觉Transformer网络进行融合得到动作识别模型并进行训练；将待预测的人体动作骨架序列处理后送入训练好的动作识别模型进行预测，预测得到动作类别。本发明用于动作识别。
-
公开(公告)号：CN114241006A
公开(公告)日：2022-03-25
申请号：CN202111560295.4
申请日：2021-12-20
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明属于精子监测与自动提取的技术领域，提供了一种基于机器学习的精子跟踪与自动提取方法。目的在于解决目前主要的精子监测方法普遍存在监测精度较低，监测速度慢，不利于精子多目标实时追踪的问题。主要方案包括，获取精子样本的实时图像数据；通过YOLO‑V4、KCF跟踪器、Kalman滤波器实现多精子跟踪；根据跟踪结果计算精子的速度，并根据速度确定目标精子；使用YOLO‑V4检测提取针在图像中的位置；根据提取针的位置以及精子的跟踪位置构造提取针控制器的观测状态；将观测状态输入DDPG深度强化学习模型中的actor网络中，得到控制量。将actor网络输出控制量输入提取针控制器中，并将控制量转换成控制器可执行的控制信号。控制器根据控制信号执行控制量对应的行为。
-
公开(公告)号：CN114167392B
公开(公告)日：2025-05-16
申请号：CN202111455678.5
申请日：2021-11-29
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种FMCW激光测距光源非线性校正系统和方法，属于激光雷达、激光测距、激光三维扫描等领域，解决现有技术无法准确提取目标位置，从而影响对目标的探测识别等问题。本发明首先初始化半导体激光器LD、SOA和FPGA；再对经过SOA放大的锯齿波或三角波光源信号使用光电探测器PD进行采集并传输到FPGA主控单元进行处理，处理后输出功率反馈控制信号到SOA驱动控制器；对经过系统中的马赫‑增德尔干涉仪产生的拍频信号使用PD进行采集并传输到FPGA主控单元进行处理，处理后输出迭代后的锯齿波或三角波调制信号对LD非线性进行校正。本发明用于高精度的激光测距、激光雷达及三维成像等应用场景。
-
公开(公告)号：CN118537552A
公开(公告)日：2024-08-23
申请号：CN202410623391.6
申请日：2024-05-20
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V10/26 , G06V10/60 , G06V10/50 , G06V10/30 , G06V10/56 , G06V10/80 , G06V10/52 , G06V10/82 , G06V10/771 , G06V10/776 , G06V10/44 , G06N3/0455 , G06N3/0464
Abstract: 本发明属于人工智能和计算机视觉领域，提供了一种基于Transformer的彩色眼底图像微血管瘤超精细分割方法，主旨在于解决医学图像中微血管瘤检测和分割的难题，特别是针对糖尿病视网膜病变的早期诊断。主要方案包括：数据预处理，如绿色通道提取、自适应直方图均衡化和去噪；数据增强和图像分割；多层级编码器HVMT和VMT特征提取模块设计；特征融合和微血管瘤概率图生成；采用Focal Tversky Loss函数优化分割结果。本发明用途广泛，尤其在辅助糖尿病视网膜病变的早期诊断中，能显著提高检测准确性和效率，对公共卫生和科学研究具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN118350449A
公开(公告)日：2024-07-16
申请号：CN202410479868.8
申请日：2024-04-22
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明涉及信息技术领域，公开了一种基于文本语义的多任务多智能体协同控制方法，解决连续动作空间下多任务多智能体系统中任务间干扰严重和策略共享能力弱的问题，主要方案包括以下步骤：设计适应多任务状态维度变化以及根据文本语义信息区分任务的策略网络模型与评估网络模型；设计用于多任务多智能体协同控制的层级回放池；设计深度强化学习的策略模型更新方法。针对连续动作空间下的多个任务，提出深度强化学习多智能体协同控制方法，并设计了统一不同任务状态输入以及根据任务文本语义信息区分任务模块，提升智能体对任务状态维度变化的适应能力以及对任务的区分能力，设计了用于多任务多智能体的层级回放池，降低任务之间的干扰。
-
公开(公告)号：CN118038445A
公开(公告)日：2024-05-14
申请号：CN202410030153.4
申请日：2024-01-09
Applicant: 浙江香满亭生物科技有限公司 , 电子科技大学长三角研究院(衢州)
IPC: G06V20/68 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06V10/764
Abstract: 本发明公开了一种基于多模态模型的花菇分级采摘方法及系统，该方法包括以下步骤：获取花菇图像数据，进行预处理以及数据集生成；搭建多模态的花菇分级模型，所述多模态的花菇分级模型包括花菇检测与区域提取模块、图像特征提取模块以及多模态特征融合分级模块；将摄像头、机械臂与多模态分级模型进行关联；通过摄像头采集并实时传输花菇采集数据至多模态分级模型中，生成花菇分级与定位信息；获取机械臂的位置信息，生成采摘运动轨迹信息；根据运动轨迹信息控制机械臂对花菇进行分级采摘。本发明结合花菇级别的评判标准，利用多模态特征融合的方法，实现花菇的图像文本多模态分级检测，并级联摄像头、机械臂等硬件，实现对不同级别花菇的自动分级、定位及采摘，能够保证较好的分级采摘准确性。
-
公开(公告)号：CN120013992A
公开(公告)日：2025-05-16
申请号：CN202510082300.7
申请日：2025-01-20
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T7/246 , G06F18/25 , G06V20/17 , G06V20/54 , G06V10/762 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/048 , G06N3/045 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于自然语言描述的无人机多模态特征融合目标跟踪方法及系统，属于计算机视觉与图像处理技术领域，解决现有技术在无人机采集的图像质量差或图像特征不明显时，易造成目标跟踪能力及长时跟踪能力差的问题。本发明无人机视角的图像中的交通事故场景进行自然语言描述，获取语言提示；构建场景‑上下文特征金字塔网络对无人机视角的图像进行上下文信息增强处理获得特征增强后的图像；对增强后的图像和语言提示分别进行视觉编码和语言编码，获得视觉特征以及语言特征向量进行视觉‑语言双模态特征局部对齐；将得到的对齐之后的新语言特征与视觉特征进行充分融合，获得多模态特征进行目标跟踪。本发明用于无人机多模态特征融合目标跟踪。
-
公开(公告)号：CN119956649A
公开(公告)日：2025-05-09
申请号：CN202510024604.8
申请日：2025-01-07
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明属于智能检测领域，特别涉及一种路面病害线扫描式检测方法。主旨在于解决如何高效、准确地检测路面病害，以便及时发现并评估路面病害，提高道路寿命，降低维护成本，保障行车安全的问题。通过在载具前端固装扫描装置获取可表征路面形位信息的线阵点云数据，并据此设计了一种两步式扫描截面拟合信息的获取方法。进而依据坐标点偏离扫描截面拟合直线大小智能识别路面异常点。此外，通过固接在载具上的标识读取装置实时读取等间隔布置于路肩的标识，将待检路面划分为若干检测单元，实现分段式检测。通过对异常点的聚类和量化分析，有效评估各检测单元中的病害区域。最后，结合阈值判别法和基准模板比较法检测路面病害异常和前后变化。
-
公开(公告)号：CN119879788A
公开(公告)日：2025-04-25
申请号：CN202510020130.X
申请日：2025-01-07
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明属于智能检测领域，提供了一种路面平整程度线扫描式监测方法。旨在解决现有路面平整度监测方法中存在的数据处理复杂度高、工作强度大、准确度低、检测效率低等问题。主要方案包括：使用机动车作为载具，在载具尾部固装标识读取装置和扫描装置，形成激光扫描面，以线扫描式地获取表征路面信息的线阵三维点云数据。检测步骤包括：根据线阵点云数据进行最小二乘法拟合处理，得到路面拟合直线；结合路面拟合直线，得到评估路面平整程度的关键形位参数；通过标识读取装置读取等间隔布置于路肩的标识，对路面进行分段式检测，以获取异常位置到标识的距离；结合路面平整程度关键形位参数，通过阈值法和基准模板比较法检测路面平整程度异常和异变。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.032 seconds)
