-
公开(公告)号：CN119795191A
公开(公告)日：2025-04-11
申请号：CN202510201379.0
申请日：2025-02-24
Applicant: 南京工业大学
Abstract: 本发明公开基于径向基函数网络的机械臂迭代学习控制方法，该方法解决了传统机械臂控制方法在复杂动态环境中应对非线性特性和外部扰动问题的局限性。本发明所提出的方法包括以下步骤：首先构建机械臂系统动力学模型、采用动态修正策略对参考轨迹的动态修正与优化；然后设计径向基函数神经网络构建非线性补偿项，并设计优化控制器性能的动态权重参数和动态学习增益；最后进行迭代学习控制器的设计，并验证控制算法的稳定性与误差收敛性。本发明通过径向基函数网络、动态调整策略和迭代学习策略，提升了机械臂系统的控制精度、适应能力和误差收敛速度。
-
公开(公告)号：CN119314226A
公开(公告)日：2025-01-14
申请号：CN202411345099.9
申请日：2024-09-25
Applicant: 南京工业大学
IPC: G06V40/20 , G06V10/774 , G06V10/764 , G06V20/40 , G06N3/0455
Abstract: 本发明提供一种基于多模态融合的动态手势识别方法。首先，获取动态手势数据集作为训练样本，包含RGB图像和深度图像两种模态的视频流；对训练样本进行预处理；构建多模态手势分类识别模型；采用动态梯度调制方法优化算法，将预处理后的训练样本输入构建的多模态手势分类识别模型进行训练；获取待识别的动态手势数据，经预处理后输入训练好的多模态手势分类识别模型获取分类识别结果。本发明提出了一种基于多模态融合的动态手势识别方法，通过平衡不同模态的优化速度有效降低了模态间的异质性，可以充分利用RGB图像与深度图像的互补信息，获取丰富的特征信息，提升了多模态动态手势识别模型的性能。
-
公开(公告)号：CN118930849A
公开(公告)日：2024-11-12
申请号：CN202310538472.1
申请日：2023-05-12
Applicant: 中国石油化工股份有限公司 , 中石化(上海)石油化工研究院有限公司 , 南京工业大学
Abstract: 本发明公开了一种高弹性聚草酰胺及其制备方法与应用，其中，所述高弹性聚草酰胺采用聚醚链提供“软段”、草酰胺结构与六元刚性环提供“硬段”，形成软硬相嵌的线型结构，赋予所述聚草酰胺高弹性；具体地，所述高弹性聚草酰胺的分子结构中含有聚醚链结构单元和式(I)所示草酰胺结构单元：#imgabs0#其中，R’为含六元刚性环的基团。利用所述高弹性聚草酰胺制备的纤维具有高的断裂伸长率、高的断裂强度、高的200％应力以及优异的弹性回复率。
-
公开(公告)号：CN118038167A
公开(公告)日：2024-05-14
申请号：CN202410231530.0
申请日：2024-02-29
Applicant: 南京工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/776 , G06V10/77 , G06V10/74 , G06V10/82 , G06N3/0455 , G06N3/0985
Abstract: 本发明提供一种基于度量元学习的小样本图像分类方法，所述方法包括特征映射模块、交叉注意力模块、距离度量模块、损失函数模块四部分构成的度量元学习模型。首先获取图像分类数据集，将数据集按照类别划分为训练集和测试集，且这两个数据集标签类别的交集为空集；从训练集中抽取大量小样本图像分类训练任务，从测试集构建目标小样本图像分类任务；构建由特征映射模块、交叉注意力模块、距离度量模块、损失函数模块组成的度量元学习模型；基于小样本分类训练任务，以最小化总体损失函数为目标，对度量元学习模型进行元训练，得到小样本图像分类模型；对于目标小样本任务，将测试集的支持集和查询集送入训练好的小样本图像分类模型，根据余弦距离度量模块来计算测试集查询样本的标签。本发明提供的基于度量元学习的小样本图像分类方法，减小同类别样本特征之间差异性，提升了特征空间中同类别特征分布的紧凑性，提高了特征提取模块的特征提取能力，从而提升了度量元学习模型在小样本图像分类任务上的分类精度。
-
公开(公告)号：CN118015535A
公开(公告)日：2024-05-10
申请号：CN202410070428.7
申请日：2024-01-17
Applicant: 南京工业大学
Abstract: 本发明设计了一种基于跟踪丢失触发机制的跌倒行为检测方法。具体包括以下步骤：S1、首先获取待检测的视频图像；S2、设定跌倒检测范围；S3、采用头肩部检测器获取行人头肩部的检测框；S4、采用目标跟踪器对行人进行实时跟踪，并绘制行人运动轨迹；S5、判断是否触发跌倒姿态检测器，若发生跟踪丢失则触发跌倒姿态检测器，否则返回步骤S1；S6、将当前帧的图像传入跌倒姿态检测器，若检测到跌倒姿态，则认为发生跌倒行为，并弹出报警框，若未检测出跌倒姿态，则认为未发生跌倒行为；S7、重复步骤S1至S6，直至视频结束。本项目提出的基于跟踪丢失触发机制的跌倒行为检测方法降低了复杂遮挡场景下的漏报率、并且不会将擦地、坐卧等行为误判为跌倒，实现了复杂场景下行人跌倒行为的自动准确检测。
-
Patent Agency Ranking
公开(公告)号：CN111325166A
公开(公告)日：2020-06-23
申请号：CN202010119569.5
申请日：2020-02-26
Applicant: 南京工业大学
Abstract: 本发明涉及一种基于投影重构和多输入多输出神经网络（MIMO-CNN）的坐姿识别方法，包括：获取人体上半身深度图像及人体前景轮廓图；预处理；对坐姿轮廓的深度信息进行投影，重构得到三视角深度图；设计用于坐姿识别的MIMO-CNN网络并学习模型参数;坐姿识别；模型自学习。优点：预处理后深度图像和人体轮廓图进行结合，排除周围背景对坐姿识别的干扰。使用投影重构方法得到三视角深度图，使得坐姿信息更加丰富。所设计的MIMO-CNN结构，特别适用于投影重构特征信息同时融入了注意力机制，能更好的关注不同坐姿的热点区域，从而提升识别精度，同时采用模型自学习，较好地平衡了实时性和准确性需求，对视角变化和复杂环境背景，具有较强的抗干扰能力。
-
公开(公告)号：CN110739070A
公开(公告)日：2020-01-31
申请号：CN201910918352.8
申请日：2019-09-26
Applicant: 南京工业大学
Abstract: 本发明涉及一种基于3D卷积神经网络的脑疾病诊断方法，包括：1）获取正常和疾病的MRI脑图像数据样本；2）样本预处理，包括脑组织提取以及样本标准化；3）设计用于脑疾病诊断的3D卷积神经网络；4）MRI脑图像作为3D卷积神经网络的输入，进行网络训练提取出特征建立分类诊断模型；5）待测人员MRI脑图像经过预处理后作为输入送到3D卷积神经网络诊断模型中，得到输出标签，判断是否患病。优点：1）使用3D卷积神经网络建立脑疾病诊断模型，从MRI脑图像中自动学习特征。构建多隐含层的深度学习模型由计算机自动获取精准、有效的特征，最终提高了诊断模型的精度和泛化能力。2）适用于阿尔兹海姆症、抑郁症、儿童多动症等多种不同类型脑疾病的诊断。
-
公开(公告)号：CN106203536A
公开(公告)日：2016-12-07
申请号：CN201610783743.X
申请日：2016-08-30
Applicant: 南京工业大学
CPC classification number: G06K9/6267 , G06K9/40 , G06K9/46 , G06K9/60
Abstract: 本发明公开了一种织物疵点的特征提取及检测方法，步骤1，利用摄像头采集一组织物的图像；步骤2，对采集的图像进行预处理；步骤3，基于小波变换提取图像特征向量；步骤4，基于模糊决策粗糙集对图像特征向量进行约简，获得约简集；步骤5，以约简集作为SVM分类器的输入量来训练疵点检测模型；步骤6，根据步骤1～步骤4的过程，获得待测织物的约简集，将待测织物的约简集作为输入量输入训练好的疵点检测模型，计算待测织物的识别结果。本发明即能降低数据维度，又能提取出对疵点检测有用的信息，提高疵点检测模型的识别精度和实时性。
-
公开(公告)号：CN105979220A
公开(公告)日：2016-09-28
申请号：CN201610453943.9
申请日：2016-06-21
Applicant: 南京工业大学
CPC classification number: H04N7/181 , G08B21/043 , G08B21/0453
Abstract: 本发明公开了一种家居养老监控智能移动小车、监控系统及其监控方法，属于家庭智能监控领域。本发明的一种家居养老监控系统，包括全方位云台高清摄像装置、穿戴式无线生理传感装置、信息存储及处理决策中心、智能移动小车，全方位云台高清摄像装置和智能移动小车相互配合根据老人位置信息进行跟踪监控，并采集老人视频信息传输给信息存储及处理决策中心；信息存储及处理决策中心整合分析接收到的信息并作出判断决策，当老人出现异常时，作出呼叫医疗机构及通知家人的决策。本发明可以对老人动态进行精确、全面监控，且能对老人异常情况进行多信息的融合判定，避免出现虚假报警情况，提高了监控系统准确性。
-
公开(公告)号：CN104789510A
公开(公告)日：2015-07-22
申请号：CN201510227863.7
申请日：2015-05-06
Applicant: 南京工业大学
CPC classification number: C12R1/025 , C12N9/84 , C12P37/04 , C12Y305/01011
Abstract: 本发明提供一种青霉素酰化酶、编码基因、产生菌株及其应用，属于生物制药技术领域。青霉素酰化酶产生菌，为木糖氧化无色杆菌（Achromobacter xylosoxidans）PX01，保藏登记号为CCTCC NO：M 2015215。所述霉素酰化酶，具有如SEQ ID NO：2所示氨基酸序列或与该序列具有98%以上同源性的氨基酸序列。所述青霉素酰化酶编码基因具有如SEQ ID NO：1所示的序列或与该序列具有90%以上同源性的序列。本发明还要求保护含有所述编码基因的重组载体、表达盒或重组菌以及所述酶在合成β-内酰胺类抗生素中的应用。该青霉素酰化酶具有耐高温、pH稳定性好、有机溶剂耐受性强的优点。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.032 seconds)
