-
公开(公告)号：CN110602462A
公开(公告)日：2019-12-20
申请号：CN201910923558.X
申请日：2019-09-27
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于AI的工业图像检测装置及方法，以嵌入式设备为采集前端，PC机作为上位机实现划痕检测。本系统大致由图像采集、图像传输和图像处理三部分构成。针对工业界零件检测的实际需求，采用了低功耗的STM32F407微处理器芯片，降低了成本。嵌入式端先将采集的图像缓存在存储芯片中，然后通过以太网传输至PC端Qt编写的上位机软件并显示，两者采用TCP/IP通信，同时具有串口通信的功能。图像检测采用YOLOv3目标检测网络实现，利用TensorFlow C++API将提前训练好的识别划痕的网络移植到上位机，对输入视频或图像进行预测，输出划痕位置的标识。
-
公开(公告)号：CN110557838A
公开(公告)日：2019-12-10
申请号：CN201910822485.5
申请日：2019-09-02
Applicant: 南京工程学院
Abstract: 本发明提供了无线内容分发网络中基于契约理论的缓冲资源分配方法，首先确定缓冲中的积压长度、缓冲区容量、数据到达速率和服务速率之间的关系。运用鞅理论，确定缓冲区溢出概率表达式。根据缓冲区溢出概率表达式，给出无线内容分发网络中，用户和中继结点的效用函数。进一步给出契约理论中的个人理性和激励相容两个条件，从而构建最大化中继结点效用函数，且受限于个人理性和激励相容条件的优化问题，用内点法，确定最优的缓冲资源分配方案，及其对应的最优价格。最大化中继结点的效益，同时可以激励用户使用缓冲辅助中继（Buffer-aided Relay）传输方式，进一步提升无线内容分发网络的分发性能。
-
公开(公告)号：CN119882445A
公开(公告)日：2025-04-25
申请号：CN202510059603.7
申请日：2025-01-15
Applicant: 南京工程学院
IPC: G05B13/04
Abstract: 本发明公开了一种风热机组约束最优模型预测抗干扰控制方法、系统、设备和介质，属于热工过程自动控制技术领域，方法包括：实时估计风热机组的集总扰动的观测值；利用扰动预测器预测集总扰动在预测时域的未来动态；将集总扰动的观测值和未来动态融合到风热机组状态空间模型中进行稳态目标序列的求解，并构建基于稳态目标序列和风热机组状态的无限预测时域约束优化问题；构造带扰动预估补偿的最大受控容许集；将无限预测时域约束优化问题转化为等效二次规划型约束优化问题进行求解，获取风热机组抗干扰控制律。本发明兼顾变量约束与扰动抑制的双重控制目标，同时能够有效利用集总扰动未来一段时间内的前馈信号，提高风热机组的抗干扰性能。
-
公开(公告)号：CN117576728A
公开(公告)日：2024-02-20
申请号：CN202311581158.8
申请日：2023-11-24
Applicant: 南京工程学院
IPC: G06V40/10 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/0455 , G06N3/094
Abstract: 本发明提供一种基于计算机视觉的松褐天牛监测方法和系统，其中方法包括获取目标区域的多个第一图像；采用YOLO‑v8目标检测算法，对每个第一图像中的松褐天牛进行第一次识别，并对第一次识别结果采用检测框标记；将检测框中的第二图像输入至对抗卷积自编码器，以提取第二图像的深层特征；将第二图像的深层特征输入至高斯过程分类器，以对第二图像中的松褐天牛进行第二次识别，得到第一图像中松褐天牛的数量。本发明通过图像采集和图像识别，实现松褐天牛识别和数量统计，为林业管理提供有效的病虫防治支持。
-
公开(公告)号：CN112185404B
公开(公告)日：2023-09-19
申请号：CN201910601964.4
申请日：2019-07-05
Applicant: 南京工程学院
IPC: G10L21/0216 , G10L21/0264 , G10L25/51
Abstract: 本发明公开了一种基于子带信噪比估计的低复杂度双端检测方法，包括以下步骤。首先将一帧信号通过分解滤波器得到子带信号，并进行降采样处理；其次在每个子带信号的每帧内找最大值，再将其转到对数域，得到阶梯包络；然后分别估计语音包络和噪声包络，得到当前帧的信噪比估计值；最后将子带信噪比映射为双端判决阈值，将自适应判决阈值应用到相关性判决因子上。使系统进入双讲状态时，及时冻结自适应滤波器的更新步长。本发明在复杂的噪声环境下，能有效提高回声抵消器的双端检测的准确率，在音频会议系统中具有良好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN111898637B
公开(公告)日：2022-09-02
申请号：CN202010597594.4
申请日：2020-06-28
Applicant: 南京工程学院
IPC: G06K9/62
Abstract: 本发明具体涉及一种基于ReliefF‑DDC特征选择算法，包括S1、获取训练集样本，确定算法各参数值：S2、将所有特征权重置0，置、为空集；S3、从训练集中选取样本并更新其包含的所有维度的特征的权重，利用ReliefF计算特征与各类别之间的相关性来确定“重要特征”，排除无关特征；S4、输出中大于阈值时对应的特征向量，按降序排列添加至集合；S5、利用DDC算法，根据特征之间与决策变量的相关性分析去除冗余特征；S6、得到最佳特征子集，将所选特征用于非侵入式负荷识别。本方法有效降低特征维数，提高负荷识别率并缩短算法运行时间。
-
公开(公告)号：CN114283830A
公开(公告)日：2022-04-05
申请号：CN202111554165.X
申请日：2021-12-17
Applicant: 南京工程学院
IPC: G10L21/0208 , G10L21/0216 , G10L25/27 , G10L25/45 , H04M9/08 , G06N20/00
Abstract: 本发明公开了基于深度学习网络的麦克风信号回声消除模型构建方法。本发明采用归一化最小均方算法消除由多路径和房间声学冲激响应引入的线性回声，然后利用残余回声信号和近端麦克风信号计算IRM作为训练目标，并将经过归一化最小均方算法处理的近端麦克风信号和远端参考信号作为输入，构建具有实时编码器‑解码器结构的CRN模型；最后，将预估残余信号从近端麦克风信号中减去重构语音，本发明联合归一化最小均方算法与基于CRN模型的深度学习网络实时回声消除算法，可以提高麦克风回声消除的性能，具有良好的应用前景。
-
公开(公告)号：CN111854623B
公开(公告)日：2022-02-11
申请号：CN202010746133.9
申请日：2020-07-29
Applicant: 南京工程学院
Abstract: 本发明公开了一种物体微小形变的快速检测方法，包括如下步骤：将N个半导体激光器构成半导体矩阵；在被监测物体的表面，涂上大小均匀的黑白网格，网格交叉点作为观察点；点亮激光器阵列使光斑投影在观察点的中心位置；在被监测物体未工作时，随机点亮激光器阵列，采集n个观察点反射光信号的n次测量结果，记为标定向量；在被监测物体工作后，采用步骤S4中的点亮方式点亮激光器阵列，采集n个观察点反射的光信号的n次测量结果，记为检测向量；计算标定向量和检测向量差的二范数，将二范数与设定阈值对比，判断被测物体是否发生形变。本方法可以准确高效的判断出物体的细微位移，同时不会对被测物体产生破坏和影响，而且检测效率和精度很高。
-
公开(公告)号：CN113361088B
公开(公告)日：2021-12-17
申请号：CN202110605767.7
申请日：2021-05-31
Applicant: 南京工程学院
IPC: G06F30/20 , G06K9/62 , G06F111/08 , G06F119/06 , G06F119/10
Abstract: 本发明提出了一种基于边缘计算的低能耗高铁轮对轴温监测及诊断方法，针对将轮对实时轴温数据全部上传云端计算时延较大，影响高铁运行时温度监测系统效率的情况，提出了一种利用边缘计算的低能耗轴温数据监测及诊断方案。该方案将轴温监测数据划分为两部分，一部分轴温数据发送给云计算中心进行计算，另一部分轴温数据发送给边缘结点（多台边缘计算设备）进行计算，实现低时延低能耗的监测和诊断，提高轮对轴温数据监测的实时性，从而提高轮对轴温监测系统的效率。
-
公开(公告)号：CN110049507B
公开(公告)日：2021-07-20
申请号：CN201910367715.3
申请日：2019-05-05
Applicant: 南京工程学院
Abstract: 本发明提供了无线内容分发网络中基于鞅理论的最优缓冲资源分配方法。首先确定缓冲中的积压长度、缓冲区容量、数据到达速率和服务速率之间的关系。运用鞅理论，确定缓冲区溢出概率表达式。给定每个服务用户能容忍的最大缓冲区溢出概率，确定每个服务用户需要的最小缓冲区容量。根据中间节点贡献的缓冲区容量与服务的用户需要的最小缓冲区容量关系，确定用户与边缘设备的连接关系，从而构建最小化缓冲区溢出概率和的优化问题，用注水法，确定最优的缓冲资源分配方案。降低了中间节点缓冲区溢出的概率，提高内容分发的效率，进一步提升无线内容分发网络的分发性能。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.023 seconds)
