-
公开(公告)号：CN110001224A
公开(公告)日：2019-07-12
申请号：CN201910400642.3
申请日：2019-05-15
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种用于大规模票据盖章及检验的自动化设备，包括硬件部分和软件部分；硬件部分包括：票据操作平台，票据传动组件；架设在票据的传动路径上的盖章支架、水平滑台，设置在水平滑台的下端面的相机以及盖章传动组件；电脑、主控器以及驱动模块，主控器接受电脑的指令，生成响应的驱动信号给驱动模块，对整个设备完成相应的动作控制；软件部分包括：样本学习流程和工作判断流程。本发明能够自动导入大规模的发票，能够自动盖章，自动拍照保存记录用于日后调查，并且能够基于计算机视觉判断盖章位置偏移过大、墨水已经不足，判断盖章效果是否出现问题，对盖章质量进行检验。
-
公开(公告)号：CN109242400A
公开(公告)日：2019-01-18
申请号：CN201811301701.3
申请日：2018-11-02
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种基于卷积门控循环神经网络的物流单号识别方法，首先使用opencv对原始图像进行预处理，通过对快递单图像的版面分析，釆用图像模板匹配定位的方法精确切分出单据图像中的有效信息块，然后基于多切分策略的字符分割法把客户的有效信息切分成单个字符，最后将这些字符有序的输入神经网络得出单据识别信息。本发明把图像预处理、版面分析、文本提取、字符分割、特征提取与汉字分类器识别等相关技术进行有效整合，并采用了后处理方法对识别结果进行校准，最终实现了基于卷积门控循环神经网络的快递单据识别系统。
-
公开(公告)号：CN108846474A
公开(公告)日：2018-11-20
申请号：CN201810490440.8
申请日：2018-05-18
Applicant: 南京信息工程大学
Abstract: 本发明基于多维密集连接卷积神经网络的卫星云图云量计算方法，包括如下步骤：步骤1）多维密集连接神经网络模型结构的训练：通过已标注的样本，对该多维密集连接神经网络进行学习，得到最优的模型参数；网络模型的输出层采用监督学习的方式实现云的分类学习；步骤2）卫星图片云分类：将卫星图片分成每个像素大小为的小块，作为神经网络的输入数据，并得到整个神经网络的输出，通过输出值进行最终分类，根据输出的最大值判定云的种类；步骤3）卫星图片云量计算：根据步骤2）中云的种类，采用空间相关方法计算云图上的总云量。有益效果：很好地提取云图特征，提高多光谱云图检测的准确率，并且相对于其它模型，泛化能力也有比较大的提升。
-
公开(公告)号：CN104504389B
公开(公告)日：2018-11-06
申请号：CN201410798632.7
申请日：2014-12-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于卷积神经网络的为卫星云量计算方法，先建立包含6000~8000训练样本的卫星云图训练样本，手动在卫星云图中标注出各2000~3000样本的厚云，薄云和晴空云图块，以此作为卷积神经网络的训练样本；再将训练样本和卫星云图进行预处理作为卷积神经网络的数据输入，然后进行卷积神经网络检测，以此检测云图中各厚云，薄云和晴空区域所在位置；最后根据云图中厚云、薄云和晴空的位置，分别计算其灰度值，根据其灰度值来进行卫星云图的云量计算。本发明可以把卫星云图图像直接作为CNN的输入，而且将特征提取功能融入神经网络，隐式的对图像的特征进行提取，比现有技术更加方便和精确，具有重要的应用价值。
-
公开(公告)号：CN107085344A
公开(公告)日：2017-08-22
申请号：CN201710357201.0
申请日：2017-05-19
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种全自动设置成像系统中背光的智能装置及方法，该装置，控制板与电脑控制连接，采集和分析相机的图像信息，控制发光阵列的工作状态；总控制器模块用于接受电脑的操作指令后，发出指令给分控制器，使得分控制器驱动模块驱动各个发光阵列的运行。该方法包括步骤1.初始化；步骤2.判断背光区域的成像；步骤3.配对图像和发光阵列；步骤4.电脑发送信息给总控制器模块；步骤5.采集图像；步骤6.计算，步骤7.调整，步骤8.结束。本发明自动计算出区域亮度信息，然后驱动单个区域的发光二极管，改变亮度，使得面对一张色度完全一致的图像，呈现出各个区域的亮度一致的正确效果。
-
Patent Agency Ranking
公开(公告)号：CN106228197A
公开(公告)日：2016-12-14
申请号：CN201610678002.5
申请日：2016-08-15
Applicant: 南京信息工程大学
CPC classification number: G06K9/6274 , G06N3/08
Abstract: 本发明公开了一种基于自适应极限学习机的卫星图像云量识别方法，首先利用云图历史数据训练极限学习机神经网络，然后通过KNN算法找出测试样本的k个近邻，将k个近邻的算术平均值作为神经网络的输入，得到分类结果，最后采用空间相关方法计算云图上的总云量。本发明克服了传统技术中神经网络的输入数据零散、结果误差大的缺陷。
-
公开(公告)号：CN102967305B
公开(公告)日：2015-07-01
申请号：CN201210418160.9
申请日：2012-10-26
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于大小回字标志物的多旋翼无人机位姿获取方法，首先根据无人机与标志物的相对高度来确定目标标志物，所述标志物为外边长长度为10倍关系的正方形大小回字；其次根据确定的目标标志物，建立无人机CCD摄像头与目标标志物之间的关系模型；最后根据建立的模型，利用直接线性变换法获取无人机的方位角和相应时刻无人机的位置信息。该方法可以精确的获取无人机的位姿。
-
公开(公告)号：CN102252859B
公开(公告)日：2013-06-05
申请号：CN201110143729.0
申请日：2011-05-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种用于检测汽车列车行驶过程中牵引车和挂车之间最大横向摆动量的汽车列车直线行驶横向稳定性自动辨识系统，其特征是采用了一种基于机器视觉和GPS的汽车列车横向稳定性自动辨识方法，该方法利用安装在牵引车和挂车底部的两个摄像头，实时采集汽车列车下方直线标志线的图像信息，运用机器视觉检测算法分别计算牵引车和挂车底部固连点相对于直线标志线的距离，同时利用GPS获得列车沿直线标志线的行驶速度，根据同一时刻牵引车和挂车相对直线标志线的距离统计出牵引车和挂车之间的最大横向摆动量，该检测系统具有较高的检测精度，能够满足汽车列车最大横向摆动量实时、可靠检测和横向稳定性自动辨识的需要。
-
公开(公告)号：CN102955978A
公开(公告)日：2013-03-06
申请号：CN201110254607.9
申请日：2011-08-31
Applicant: 南京信息工程大学
Inventor： 夏旻
IPC: G06Q10/04
Abstract: 本发明涉及时装生产产量管理领域，特别是涉及具有周期特性的时装生产控制方法。为了有效利用时装销售的周期性，提供一种高准确性和高可靠性的时装销售额预测方法，并有效利用数据的周期性指导时装企业生产，本发明公开了一种基于周期性灰色系统的时装生产控制方法。这种方法采用对历史数据进行周期截断整合的方式对数据进行处理，然后构建灰色系统对未来的销售进行预测，从而有效提高了时装零售的预测精度和预测的可靠性，为时装企业的生产决策提供参考。不仅能有效的解决历史样本过短的问题，而且能提高预测的准确性和可靠性。
-
公开(公告)号：CN119865432A
公开(公告)日：2025-04-22
申请号：CN202510094343.7
申请日：2025-01-21
Applicant: 国网河南省电力公司经济技术研究院 , 国网经济技术研究院有限公司 , 国网冀北电力有限公司经济技术研究院 , 南京信息工程大学 , 河南九域腾龙信息工程有限公司
Abstract: 本发明提供一种用于电力通信网的仿真处理方法与系统，属于仿真软件技术领域，具体包括：以通信区域对应的电力设备的分布数据为基础，并结合不同的电力设备所对应的供电电力拓扑的节点，确定通信区域的仿真模型的构建需求满足要求时，基于通信区域的通信设备所处的通信拓扑节点，确定通信设备关联的电力设备，以关联的电力设备的设备监测数据为基础，进行通信设备中的仿真模型的构建目标的确定，以仿真模型的构建目标以及构建目标之间的通信拓扑的关联情况，进行通信区域的仿真模型的构建处理，基于通信区域的仿真模型与通信网络的匹配情况进行所述通信区域的仿真处理顺序的确定，从而提升了仿真处理的效率和准确性。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.028 seconds)
