-
公开(公告)号：CN111230857A
公开(公告)日：2020-06-05
申请号：CN201910165083.2
申请日：2019-03-05
Applicant: 南昌工程学院
IPC: B25J9/16 , B25J13/08 , B25J19/02 , G06K9/00 , G06T7/55 , G06T7/73 , G06T7/80 , H04N5/247 , H04N5/235
Abstract: 本发明公开了基于机器视觉和深度学习的目标定位与抓取，属于机器视觉领域，基于机器视觉和深度学习的目标定位与抓取，包括摄像机组、机械臂和安装架，摄像机组包括左摄像机和右摄像机，左摄像机和右摄像机均连接于安装架上端，安装架上端中心处连接有安装筒，安装筒内侧设有辅助角锥，辅助角锥配合有辅助水平测定仪本方案利用光学自准直成像原理，通过LED发光元件和线阵CCD成像技术设计来辅助摄像机组初始状态的的水平调节，确保摄像机组的初始水平度，以便为后续摄像机组的角度调节提供调整精确的参照，基本上消除因摄像机组初始水平度误差对标定精度的影响，同时可进一步提高相关算法的有效性。
-
公开(公告)号：CN119048497B
公开(公告)日：2025-02-18
申请号：CN202411523262.6
申请日：2024-10-30
Applicant: 南昌工程学院
IPC: G06T7/00 , G06V10/774 , G06V10/40 , G06V10/80
Abstract: 本申请公开了一种PCB缺陷检测方法、系统、设备和存储介质，属于缺陷检测技术领域；其中方法包括：获取PCB数据集，以对获取的PCB数据集的图像进行预处理；构建YOLO‑v10n网络模型，将YOLO‑v10n网络模型中的SPPF模块修改为EASPF模块；构建特征融合网络BiFPN，并将提取到的特征传入特征融合网络BiFPN中；在主干网络和特征融合网络BiFPN之间加入自适应MBAM注意力机制模块；将PCB数据集输入到改进后的YOLO‑v10n网络模型进行预训练，得到最优权重；根据最优权重对待检测图像进行检测，对检测结果进行评价，实现对PCB缺陷的检测；通过构建和改进YOLO‑v10n网络模型，提高了对PCB缺陷检测的精度，降低漏检率。
-
公开(公告)号：CN119048496B
公开(公告)日：2025-02-18
申请号：CN202411523259.4
申请日：2024-10-30
Applicant: 南昌工程学院
IPC: G06T7/00 , G06V10/774 , G06V10/40
Abstract: 本申请公开了一种PCB缺陷检测方法、系统、设备及存储介质，属于工业产品缺陷检测技术领域；其中方法包括：获取PCB数据集，对PCB数据集进行图像预处理和缺陷标注；创建虚拟运行环境，在虚拟运行环境中构建YOLOv10模型，并对YOLOv10模型进行轻量化处理；将空间到深度卷积SPD_conv模块优化为DSPD模块，并将DSPD模块配置到YOLOv10模型中，得到DSPD_YOLOv10模型；构建双向特征金字塔网络BiFPN，并将其配置到DSPD_YOLOv10模型的颈部网络中；根据所述PCB数据集对所述DSPD_YOLOv10模型进行训练，根据训练好的所述DSPD_YOLOv10模型对待检测样品进行检测；通过使用DSPD_YOLOv10模型来对PCB缺陷检测，实现了对PCB缺陷的高精度、高效率检测。
-
公开(公告)号：CN119048497A
公开(公告)日：2024-11-29
申请号：CN202411523262.6
申请日：2024-10-30
Applicant: 南昌工程学院
IPC: G06T7/00 , G06V10/774 , G06V10/40 , G06V10/80
Abstract: 本申请公开了一种PCB缺陷检测方法、系统、设备和存储介质，属于缺陷检测技术领域；其中方法包括：获取PCB数据集，以对获取的PCB数据集的图像进行预处理；构建YOLO‑v10n网络模型，将YOLO‑v10n网络模型中的SPPF模块修改为EASPF模块；构建特征融合网络BiFPN，并将提取到的特征传入特征融合网络BiFPN中；在主干网络和特征融合网络BiFPN之间加入自适应MBAM注意力机制模块；将PCB数据集输入到改进后的YOLO‑v10n网络模型进行预训练，得到最优权重；根据最优权重对待检测图像进行检测，对检测结果进行评价，实现对PCB缺陷的检测；通过构建和改进YOLO‑v10n网络模型，提高了对PCB缺陷检测的精度，降低漏检率。
-
公开(公告)号：CN113405536A
公开(公告)日：2021-09-17
申请号：CN202110681099.6
申请日：2021-06-18
Applicant: 南昌工程学院
Abstract: 本发明公开了一种水利湖泊远程遥感监控系统，包括壳体、风速检测仪、监控摄像头、水质检测头、信号发射器；所述壳体的顶部与风速检测仪的底部固定连接，所述壳体的内侧壁与水质检测头的端部固定连接，本发明通过外界风力的吹动带动转轴的转动，进而使得第一锥齿轮带动第二锥齿轮的转动，使得转杆带动转盘转动，转盘的转动将会使得固定块带动传动盘转动，使得传动盘带动传动杆转动，进而使得连接盘转动，实现了监控摄像头的全方位监控，提高了监控摄像头的监控范围，为水质检测提供了动力，节约了资源，保证了监控的质量，实现了对水面环境的良好监控，和水量的良好监控，便于人员及时作出应对，减小了经济的损失，节约了资源。
-
Patent Agency Ranking
公开(公告)号：CN107237388A
公开(公告)日：2017-10-10
申请号：CN201710638248.4
申请日：2017-07-31
Applicant: 南昌工程学院
IPC: E03F1/00
Abstract: 本发明具体公开了一种不透水地面雨水导渗系统，包括雨水口，雨水口顶部设有水篦子，雨水口中部的侧壁上开设有与排水通道连通的排水口，雨水口下部的侧壁上开设有导水口，导水口与埋设于不透水地面下方土层中的导水管道连通，导水管道与若干个设于不透水地面下方土层中的渗水井相连通，且若干个渗水井之间也通过导水管道相连通；所述渗水井内填充有鹅卵石或者下放有筒壁密布有若干渗水孔的井筒。本发明能够很好地实现将雨水导渗入不透水地面以下的土层，提高了城市区域整体的蓄水量，并可有效减少降雨对城市防洪、排水措施的压力，同时对城市绿化带土壤中的水分补给也起到了显著的作用，减少了绿化用水，节约了城市水资源。
-
公开(公告)号：CN118918483A
公开(公告)日：2024-11-08
申请号：CN202411406887.4
申请日：2024-10-10
Applicant: 江西省煤田地质勘察研究院 , 南昌工程学院
IPC: G06V20/10 , G06V10/82 , G06N3/0442 , G06N3/08 , G06F18/213 , G16C20/20
Abstract: 本申请公开了一种基于植被图像和混合水质模型的水质预测方法及系统，属于水质预测技术领域，该方法包括：获取水体周围植被的高光谱图像数据及数据预处理；提取高光谱图像中的植被地表反射率和NDVI指数；获取水质历史数据及水质数据预处理；构造数据集并进行划分；建立人工蜂群算法、长短期记忆和注意力机制（ABC‑LSTM‑Attention）混合水质预测模型；将训练集输入到水质预测模型中训练；输入待预测的水质数据进入训练好的模型即可输出预测的水质数据。该方法不仅能够考虑水质参数的历史数据，还能考虑周围植物环境对水质的影响，以提升水质预测精度。
-
公开(公告)号：CN112532932B
公开(公告)日：2023-02-24
申请号：CN202011316439.7
申请日：2020-11-20
Applicant: 南昌工程学院
IPC: H04N7/18 , H04N23/611 , H04N23/695 , H04N23/67 , F16M11/06 , F16M11/18
Abstract: 本发明公开了一种具有目标跟踪功能的监控装置，包括：安装座，其上滑动设置有滑架，滑架上设置有角度调节机构；人脸识别模块，设置在安装座上，人脸识别模块上设置有用于面像目标文件输入的输入端，面像目标文件输入后保存在人脸识别模块上的CPU内，还包括用于对图片进行图像处理的图像处理模块以及用于控制角度调节机构动作的模糊控制器，CPU、图像处理模块以及模糊控制器依次连接；伺服控制器，设置在安装座上，伺服控制器分别与角度调节机构和模糊控制器连接；还有摄像头，设置在安装座上，用于全方位的对目标对象进行视频采集，摄像头的输出端与图像处理模块连接，摄像还与所述伺服控制器连接；本发明提供了一种具有目标追踪功能的监控装置。
-
公开(公告)号：CN115641272A
公开(公告)日：2023-01-24
申请号：CN202211280337.3
申请日：2022-10-19
Applicant: 南昌工程学院
Abstract: 本发明公开一种基于自适应加权TV正则化的盲图像反卷积工作方法，包括如下步骤：S1，通过将自适应加权矩阵与梯度算子相结合，形成新型盲反卷积模型；S2，使用交替方向乘子法(ADMM)对形成的新型盲反卷积模型进行求解，根据设置的条件进行盲图像反卷积；S3，通过评估指标对复原的图像进行数值评估，并从视觉效果上评估复原图像的质量。
-
公开(公告)号：CN113256623B
公开(公告)日：2021-10-26
申请号：CN202110723382.0
申请日：2021-06-29
Applicant: 南昌工程学院
Abstract: 本发明公开了一种基于改进MASK RCNN的FPC缺陷检测方法，步骤如下：S1.ROI处理和图像裁剪，采集目标检测图像，对FPC原始图像数据预处理，裁剪成适合网络输入的小图像；S2.对预处理后的图像进行数据增强处理，扩大模型训练的数据集；S3.人工标注；S4.确定特征图block横向堆叠次数N，针对FPC缺陷检测的种类和数量，确定特征图block横向堆叠次数N；S5.模型训练，将标注好的图像数据集送进改进MAKS RCNN网络模型进行训练；S6.对训练好的FPC缺陷检测模型进行性能评估；S7.参数优化微调，结合S6的评估结果，对模型进行进一步的优化。本发明实现了FPC缺陷的自动检测，且通过掩膜分割图像缺陷可得到缺陷大小，方便工作人员复判，大幅度降低了企业检测成本。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.026 seconds)
