-
公开(公告)号：CN114167392A
公开(公告)日：2022-03-11
申请号：CN202111455678.5
申请日：2021-11-29
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种FMCW激光测距光源非线性校正系统和方法，属于激光雷达、激光测距、激光三维扫描等领域，解决现有技术无法准确提取目标位置，从而影响对目标的探测识别等问题。本发明首先初始化半导体激光器LD、SOA和FPGA；再对经过SOA放大的锯齿波或三角波光源信号使用光电探测器PD进行采集并传输到FPGA主控单元进行处理，处理后输出功率反馈控制信号到SOA驱动控制器；对经过系统中的马赫‑增德尔干涉仪产生的拍频信号使用PD进行采集并传输到FPGA主控单元进行处理，处理后输出迭代后的锯齿波或三角波调制信号对LD非线性进行校正。本发明用于高精度的激光测距、激光雷达及三维成像等应用场景。
-
公开(公告)号：CN119935011A
公开(公告)日：2025-05-06
申请号：CN202510024576.X
申请日：2025-01-07
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明涉及智能检测领域，提供了一种基于线扫描式点云处理方法的轨道异常检测装备。旨在解决现有轨道检测方法中人工工作强度大、准确度低、无法实现同一位置前后变化比较的问题。主要方案包括载具、标识读取装置、扫描装置和检测步骤。载具通过速度传感器获取实时运行速度，标识读取装置可读取轨道外侧的标识。扫描装置上的扇形激光源垂直向下投射激光，形成激光扫描面，实时获取轨道表面轮廓信息的线阵式三维点云数据。检测步骤包括最小二乘法直线拟合、识别双轨边沿点和中位点、求取轨道关键形位参数、分段式检测和通过阈值法和基准模板比较法检测轨道异常和异变。本发明用于实时检测轨道形位异常和异变，无需额外位姿检测设备，能精准确定轨道关键形位结构参数。
-
Patent Agency Ranking
公开(公告)号：CN114859719B
公开(公告)日：2025-01-21
申请号：CN202210497058.6
申请日：2022-05-05
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G05B13/04
Abstract: 本发明公开了一种基于图神经网络的强化学习集群蜂拥控制方法，包括以下步骤：建立集群蜂拥控制模型；确定集群的拓扑结构特征表示方法；确定智能体的观测信息特征表示方法；设计状态空间、行为空间与回报函数；设计深度强化学习算法中的策略网络与评价网络模型；设计算法框架及网络参数更新方法；设计集群蜂拥控制算法的训练流程。本发明借助深度强化学习技术实现集群蜂拥控制算法，利用图神经网络提取集群的拓扑结构特征以及观测信息特征，有效提高集群蜂拥控制算法的收敛速度和对动态环境的适应能力，同时能够保证在控制噪声等干扰下算法的稳定性。
-
公开(公告)号：CN114241006B
公开(公告)日：2024-12-03
申请号：CN202111560295.4
申请日：2021-12-20
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明属于精子监测与自动提取的技术领域，提供了一种基于机器学习的精子跟踪与自动提取方法。目的在于解决目前主要的精子监测方法普遍存在监测精度较低，监测速度慢，不利于精子多目标实时追踪的问题。主要方案包括，获取精子样本的实时图像数据；通过YOLO‑V4、KCF跟踪器、Kalman滤波器实现多精子跟踪；根据跟踪结果计算精子的速度，并根据速度确定目标精子；使用YOLO‑V4检测提取针在图像中的位置；根据提取针的位置以及精子的跟踪位置构造提取针控制器的观测状态；将观测状态输入DDPG深度强化学习模型中的actor网络中，得到控制量。将actor网络输出控制量输入提取针控制器中，并将控制量转换成控制器可执行的控制信号。控制器根据控制信号执行控制量对应的行为。
-
公开(公告)号：CN118365658A
公开(公告)日：2024-07-19
申请号：CN202410793240.5
申请日：2024-06-19
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T7/10 , G06T7/00 , G06T5/40 , G06T5/90 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/09
Abstract: 本发明提供了一种用于糖尿病视网膜病变的多病灶分割方法，主要应用于医学影像分析、人工智能和机器视觉领域。旨在解决糖尿病视网膜病变的多病灶分割难题，提高早期筛查的效率和准确性，该方法通过数据预处理、图像增强、数据增强、网络预训练和多病灶分割等步骤，实现了对糖尿病视网膜病变中微血管瘤、出血、硬性渗出和软性渗出四种主要病变类型的准确分割。其创新点包括采用对比度限制自适应直方图均衡化和色彩与对比度增强算法进行图像增强，使用残差可分离卷积模块扩展的U‑Net网络进行特征提取，以及双分支结构和特征交互模块实现多病灶分割。
-
公开(公告)号：CN116862891A
公开(公告)日：2023-10-10
申请号：CN202310914112.7
申请日：2023-07-25
Applicant: 衢州市人民医院(衢州中心医院) , 电子科技大学长三角研究院(衢州)
IPC: G06T7/00 , G06T7/13 , G06V10/26 , G06V10/80 , G06V10/82 , G16H30/20 , G06N3/0464 , G06N3/0499 , G06N3/0455
Abstract: 本发明涉及人工智能、计算机视觉领域，涉及一种编码器‑解码器结构的双分支OCT血管超精细语义分割方法。主旨在于采用深度学习方法实现对OCT图像像素级别的分类，从而获得OCT图像中的血管外部区域，血管内部区域，主要方案包括由人工标定血管轮廓信息，包括血管内外直径，建立眼部OCT血管数据库，对于患者的OCT血管图像进行数据预处理；使用基于改进的Transformer模型完成眼部OCT血管的超精细语义分割任务；构建解码器双分支模型，从塔形模型的输出中分别提取眼部OCT血管的全局信息和血管壁边缘信息；通过特征融合模块对上面全局特征和边缘特征进行融合，最后生成最终边缘概率图，筛选后得到血管边缘。
-
公开(公告)号：CN116433642A
公开(公告)日：2023-07-14
申请号：CN202310425220.8
申请日：2023-04-18
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T7/00 , A61B5/00 , G06V10/764 , G06V10/77 , G06V10/32 , G06V10/40 , G06V10/82 , G16H50/20 , G16H50/70 , G16H10/60 , G06N3/048 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于BEFAST判断原则的脑卒中行为检测方法，包括以下步骤：依据BEFAST判断原则采集人体状态的数据集；对采集到的数据进行预处理；搭建基于深度学习的双神经网络模型；利用预处理后的数据对神经网络进行训练；通过深度学习建立的网络模型对被测人员进行检测，检测脑卒中症状；根据网络模型的检测结果，以及被测人员的身体情况给予合理建议。本发明结合深度学习技术与BEFAST判断原则，采用双神经网络去判断脑卒中患病概率，相比于当下技术，从更显性的特征进行判断，降低了实施难度；从多维特征结合的角度进行判断，大大降低了误判、漏判概率。
-
-
-
-
-
-
Search Results
37
records
(took 0.034 seconds)
