-
公开(公告)号：CN110824430A
公开(公告)日：2020-02-21
申请号：CN201911148838.4
申请日：2019-11-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于北斗定位系统的水下定位方法，包括如下操作步骤：S1：长基线定位：将换能器安装在船体上，向位置已知的固定在海底的应答器发出测量信号；S2：短基线定位：将3个以上换能器固定在船体上组成声基阵，由声基阵内的一个换能器向应答器发出测量信号，测量信号经应答器接收后反馈发送至声基阵内所有换能器；S3：超短基线定位：超短基线的所有声单元集中安装在一个收发器中，组成声基阵，通过测定声单元的相位差来确定换能器到目标的方位。本发明可以通过北斗提供实时高精度的空间坐标基准，对于水下跟踪、导航应用，通过浮标北斗的单点定位提供的空间坐标即可以实现水下米级定位，提高水下定位精度。
-
公开(公告)号：CN110786844A
公开(公告)日：2020-02-14
申请号：CN201911062584.4
申请日：2019-11-03
Applicant: 桂林电子科技大学
Abstract: 本发明属于信号处理领域，具体公开了一种生物医学信号处理与分析设备，包括设备整体、帽体、帽檐、太阳能板、和触控屏，设备整体的顶部中间部位固定连接有帽体，帽体的底部外侧与设备整体的顶部中间部位相连，设备整体的底部固定连接有帽檐，帽檐的内侧与设备整体的底部相连，帽檐的外侧中间部位嵌入连接有太阳能板，太阳能板的外侧与帽檐的外侧中间部位相连，帽檐与数据采集机构固定连接，帽檐可以将照射到使用者面部的阳光进行遮挡，且还能将照射的阳光转换为电能，为设备内部电路供电，将转化的电能传输到设备上的蓄电池进行储存，使得设备拥有更长的续航能力，且充分的利用资源，避免造成资源浪费的情况，有效的提高了设备使用的环保性。
-
公开(公告)号：CN118781189A
公开(公告)日：2024-10-15
申请号：CN202410903520.7
申请日：2024-07-08
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于多级3D高斯的密集RGB‑D SLAM方法，涉及三维场景重建和机器人自主导航领域。该方法包括：从RGB‑D相机获取连续的RGB图像和深度图数据流；对RGB‑D数据中的关键帧进行跟踪；设计多级高斯表示技术，将场景的几何和纹理细节分别用不同级别的高斯分布进行描述，并通过映射构建场景的三维地图；设计高斯渲染器对这些高斯分布进行渲染，生成RGB图像、深度图和可见性轮廓图；RGB‑D数据流与渲染结果作为输入反馈给系统的损失优化器，迭代优化多级高斯表示，最终重构出三维场景。本发明采用上述的一种基于多级3D高斯的密集RGB‑D SLAM方法，解决了现有方法在深度误差和渲染质量方面的不足，实现高精度的场景重建和导航。
-
公开(公告)号：CN115880262B
公开(公告)日：2023-09-05
申请号：CN202211643031.X
申请日：2022-12-20
Applicant: 桂林电子科技大学
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06N3/047 , G06N3/0464 , G06N3/0895 , G06N3/084 , G06V10/26 , G06V10/82 , G06V10/764
Abstract: 本发明涉及基于在线噪声抑制策略的弱监督病理图像组织分割方法，包括：获取H&E染色图，对所述H&E染色图进行处理，获得数据集，对所述数据集进行划分，基于划分后的所述数据集训练分类网络，生成伪标签；基于在线噪声抑制策略抑制所述伪标签中存在的噪声，通过抑制噪声后的所述伪标签以及所述伪标签对应的训练集训练语义分割网络，获得训练后的所述语义分割网络的预测结果，将所述预测结果作为最终分割结果。本发明利用数字病理学和深度学习的分类算法及分割算法，可实现仅使用patch级标签实现肺癌/乳腺癌H&E染色图像的组织分割，生成像素级分割结果，直观地展示肿瘤内部组织结构的空间分布情况。
-
公开(公告)号：CN116542929A
公开(公告)日：2023-08-04
申请号：CN202310505574.3
申请日：2023-05-06
Applicant: 桂林电子科技大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习网络DenseNet的AOI缺陷检测方法，包括数据增强、缺陷检测网络和损失函数设计，包括：对工业产品缺陷数据进行扩充；设计缺陷检测网络学习产品数据特征实现缺陷识别；设计损失函数约束检测网络模型。本发明能在生产检测中快速识别出有缺陷的产品，并且识别精度高，甚至能识别出人眼难以观测到的细微缺陷，减少漏检与误检，还可以及时调整检测性能；模型的轻量化还降低了实际部署时的存储资源的开销，减少了计算时间；在样本类别极不平衡的情况下也可以很好地学习到正负样本特征，实现快速准确检测的效果。
-
Patent Agency Ranking
公开(公告)号：CN110695978A
公开(公告)日：2020-01-17
申请号：CN201911062591.4
申请日：2019-11-03
Applicant: 桂林电子科技大学
Abstract: 本发明属于工业机器人技术领域，具体公开了一种工业机器人运动控制装置，包括装置主体、底座、固定螺栓、控制盒和气缸，装置主体的顶部固定连接有固定杆，固定杆的底部外壁与装置主体的顶部外壁搭接相连，固定杆的另一侧固定连接有摄像头，摄像头的一侧外壁与固定杆的另一侧外壁相连，摄像头提高了该装置的检测效果，体现了该装置的检测性，轴承座提高了该装置的工作效率，体现了该装置的可调节性，活动转盘使装置主体在工作时能够更加高效便捷，提高了该装置的活动效果，活动螺栓提高了该装置的固定效果，体现了该装置的固定性，控制按钮提高了该装置的可控制效果，体现了该装置的可控性，在未来具有广泛的发展前景。
-
公开(公告)号：CN110584914A
公开(公告)日：2019-12-20
申请号：CN201911009824.4
申请日：2019-10-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种舒适型PLC自动化多功能医用护理床，包括床架结构和与床架结构相连接的背起机构、侧翻机构和屈膝机构，与现有技术不同的是：还包括红外传感器、图像传感器、力度传感器、无线发送模块及信号预处理电路，其中：红外传感器和力度传感器分别设置在床架结构的腿部位置和背部位置，与背起机构、侧翻机构连接；无线发送模块设置在床架结构的底部，红外传感器、力度传感器和图像传感器通过无线发送模块及信号预处理电路与云端连接，信号预处理电路将采集到信号进行预处理，通过无线发送模块将预处理后的信号发送至云端，结合本地时间及根据图像传感器识别的病人实时状态，方便医生作进一步分析调整，并提供更合适的医疗方案。
-
公开(公告)号：CN110327055A
公开(公告)日：2019-10-15
申请号：CN201910690101.9
申请日：2019-07-29
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于高阶谱和卷积神经网络的心冲击信号的分类方法，步骤为：S1、获取数据集训练样本；S2、采用切比雪夫和小波变换的滤波方法对步骤S1获得的数据集训练样本进行去噪预处理，得到纯净的心冲击信号；S3、对步骤S2得到的心冲击信号进行高阶谱特征分析，得到信号的幅值和相位的特征信息；S4、构建卷积神经网络模型，将步骤S3得到的特征信息，作为卷积神经网络模型的输入，得到分类结果。该方法利用高阶谱具有时移不变性、尺度变化性和相位保持性进行特征提取得到特征以保留更多的信号信息，还能够抑制高斯有色噪声，从而提升心冲击信号分类的性能；同时，该方法具有更好的泛化性能，并有效解决了高阶谱谱应用的二维模板匹配问题。
-
公开(公告)号：CN110147841A
公开(公告)日：2019-08-20
申请号：CN201910427921.9
申请日：2019-05-22
Applicant: 桂林电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于弱监督及无监督部件检测和分割的细粒度分类方法，步骤为：S1、获取数据集训练样本；S2、基于弱监督部件检测方法和无监督部件检测方法，对步骤S1获得的数据集训练样本进行处理，得到部件假设，即部件检测结果；S3、利用步骤S2得到的部件假设，进行部件制导分割，得到更多对细粒度分类有用的部件；S4、根据步骤S3得到的有用的部件，进行细粒度图像分类的操作，得到分类结果。该方法利用部件检测得到的部件假设来指导前景分割以保留更多的对细粒度分类有用的部件，同时抑制背景噪声，从而提升细粒度分类的性能；同时，该方法在实际应用方面的条件限制更少，大大增加了适用的场景和方法的泛用性。
-
公开(公告)号：CN110147840A
公开(公告)日：2019-08-20
申请号：CN201910427847.0
申请日：2019-05-22
Applicant: 桂林电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了基于显著性无监督部件划分的弱结构物体细粒度分类方法，步骤为：获取数据集训练样本D；对数据集训练样本D进行前景分割处理，得到处理后数据集D1；基于显著性无监督部件划分方法对数据集D1使用显著性信息对花朵图像前景进行无监督的部件结构的划分，并对局部特征提取和编码池化，产生特征数据集D2；将数据集D2结合多种特征SIFT、dense SIFT和Lab color计算融合多特征的中层特征表示，使用全局提取并池化的特征对图像数据集进行分类，得到物体细粒度的分类结果。该方法模拟人类观察物体的过程，有效提高特征编码的判别能力，在弱结构物体分类中，不用引入新类型的特征，即可与全局类的方法形成互补，方便扩展到应用了任何全局特征的分类方法中。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.024 seconds)
