-
公开(公告)号：CN118268975B
公开(公告)日：2024-09-24
申请号：CN202410703202.6
申请日：2024-06-03
Applicant: 西南交通大学烟台新一代信息技术研究院 , 山西省交通开发投资集团有限公司 , 山西交通控股集团有限公司 , 山西省智慧交通实验室有限公司
IPC: B24B27/033 , B24B27/00 , B24B47/12 , B24B41/06 , B24B55/00
Abstract: 本发明涉及磨削加工技术领域，公开了桥梁钢索除锈装置，包括：钢索套接外壳、两个钢索夹持组件、第一电机、除锈组件、第二电机和角度调整组件；两个钢索夹持组件设置在钢索套接外壳的两端并用于夹持在钢索上；除锈组件设置在钢索套接外壳的内部，并且除锈组件通过环绕钢索外侧滚刷除锈；角度调整组件设置在钢索套接外壳上并与除锈组件连接，角度调整组件用于调整第二电机滚刷钢索的角度。本发明设置的除锈组件是通过拼接的方式形成套接在钢索上的环形结构，并在环形结构内滑动连接有多个磨刷单元，通过第二电机驱动除锈组件内的多个磨刷单元持续滑动，从而对套接的钢索外侧进行磨刷除锈。
-
公开(公告)号：CN113849598B
公开(公告)日：2024-08-02
申请号：CN202111016642.7
申请日：2021-08-31
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院 , 鲁东大学
IPC: G06F16/33 , G06F16/35 , G06F40/279 , G06F40/30 , G06Q50/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提供基于深度学习的社交媒体虚假信息检测方法及检测系统，通过采集社交媒体信息中的图像和文本数据，使用深度学习模型提取图像和文本的特征，利用分类模型检测信息的真实性。与现有的社交媒体虚假信息检测方法相比，本发明能充分提取社交媒体虚假信息中图像和文本的深层语义特征，通过卷积神经网络融合不同模态的特征，并使用域自适应网络移除不同事件特有的特征，增强虚假信息检测的鲁棒性。本发明能有效地提高社交媒体虚假信息检测的准确性。
-
公开(公告)号：CN118167362B
公开(公告)日：2024-07-16
申请号：CN202410585444.X
申请日：2024-05-13
Applicant: 西南交通大学烟台新一代信息技术研究院 , 山西省交通开发投资集团有限公司 , 山西交通控股集团有限公司 , 山西省智慧交通实验室有限公司
Abstract: 本发明公开了用于道路桥梁隧道衬砌养护设备，属于衬砌养护领域，包括底座，底座的四角处设有滚轮，底座的右侧固定连接有卡带，卡带的内部固定连接有水桶，底座的上端设有喷头，喷头用于雾化喷液工作，底座的上端设有伸缩摆动机构，伸缩摆动机构包括固定连接在底座后端的电机，电机的输出端固定连接有第一往复丝。本发明可以实现在工作的时候通过齿杆带动齿轮往复摆动，使得多节液杆在工作时能对隧道的内壁进行往复摆动喷洒，进而提高喷洒效果，同时也节省了所需要的人力，在工作结束的时候，水压降低，进而多节液杆收缩，从而在移动的时候占有的空间较小便于移动，提高了该装置的使用效果。
-
公开(公告)号：CN117315602B
公开(公告)日：2024-02-06
申请号：CN202311605015.6
申请日：2023-11-29
Applicant: 西南交通大学烟台新一代信息技术研究院 , 西南交通大学 , 山西省智慧交通研究院有限公司
IPC: G06V20/54 , G06V40/10 , G06V10/25 , G06V10/62 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
-
公开(公告)号：CN115439765B
公开(公告)日：2024-02-02
申请号：CN202211132839.1
申请日：2022-09-17
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院
IPC: G06V20/17 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/048
Abstract: 本发明提供了一种基于机器学习无人机视角下海洋塑料垃圾旋转检测方法，技术方案包括以下步骤：步骤1）收集海洋塑料垃圾数据并划分数据集，步骤2）对原始YOLOv5模型进行网络结构初始化改进，步骤3）对改进后的YOLOv5模型进行训练，步骤4）利用最终改进后的YOLOv5目标检测模型进行检测：本发明通过改进YOLOv5目标检测算法对无人机视角下海洋垃圾实现精准识别，识别率高，对塑料垃圾的检测精度高，并且改进后的算法检测速度快，能够满足无人机实时检测要求。
-
Patent Agency Ranking
公开(公告)号：CN115439684B
公开(公告)日：2024-02-02
申请号：CN202211028322.8
申请日：2022-08-25
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/084 , G06N3/096
Abstract: 本发明提供了一种基于轻量化YOLOv5的生活垃圾分类方法及APP，面向移动端设备手机设计部署，以原始的目标检测网络YOLOv5n为基线网络，采用引入ShuffleNetv2中的shuffle_block、GhostNet的Ghost模块、引入注意力机制SE以及知识蒸馏等技术手段，结合网络结构设计和知识蒸馏对基线网络实现轻量化，轻量化后的YOLOv5n模型相比原始的YOLOv5n模型，在很大程度上减少了模型的参数量和计算量以及提升了检测精度，将轻量化后的YOLOv5模型部署至移动端的生活垃圾分类APP中，可以实现对多种生活垃圾智能分类。
-
公开(公告)号：CN117315602A
公开(公告)日：2023-12-29
申请号：CN202311605015.6
申请日：2023-11-29
Applicant: 西南交通大学烟台新一代信息技术研究院 , 西南交通大学 , 山西省智慧交通研究院有限公司
IPC: G06V20/54 , G06V40/10 , G06V10/25 , G06V10/62 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及图像处理技术领域，尤其是涉及基于图像识别的高速公路异常识别方法及系统；本发明在对高速公路隧道的异常事件识别时，首先对物体进行追踪，得到物体的轨迹，然后根据轨迹中出现的物体的次数判断是否存在异常事件；相较于直接采用深度学习模型识别异常事件，提高了异常事件的识别准确度；本发明在对高速公路隧道的异常事件类型识别时，首先判断物体类型为行人还是车辆，若为行人，则认定为行人闯入，若为车辆，则根据车辆轨迹数量和车辆位置判断是否为隧道车辆拥堵，然后根据轨迹出现在每帧运动区域图像的位置判断是否为逆行，判断逻辑简单，易于推广和应用。
-
公开(公告)号：CN116189106A
公开(公告)日：2023-05-30
申请号：CN202211588718.8
申请日：2022-12-09
Applicant: 西南交通大学烟台新一代信息技术研究院 , 艾迪恩(山东)科技有限公司
IPC: G06V20/54 , G06V20/70 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 一种基于深度学习的危化品标志识别方法，涉及计算机视觉、图像处理领域，包括步骤1)通过图像或视频采集设备采集若干危化品运输车辆的图像，制作所需数据集；步骤2)对危化品标志数据集进行图像标注，将数据集随机分为训练集和测试集；步骤3)将坐标注意力机制与yolov5s网络模型结合，构建CA‑yolov5s网络模型；步骤4)结合CARAFE上采样算子，得到上下文语义信息；步骤5)在yolov5s的预测头中，将耦合头改为解耦头；步骤6)采用危化品标志数据训练集对改进后的yolov5s模型进行训练；步骤7)利用训练后的最佳网络模型对测试集的危化品标志图像进行检测与识别；本发明通过改进yolov5s算法并结合危化品标志图像数据集进行识别，得到危化品标志的位置信息与分类信息。
-
公开(公告)号：CN115512387A
公开(公告)日：2022-12-23
申请号：CN202210977122.0
申请日：2022-08-15
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院
IPC: G06V40/10 , G06V10/774 , G06V10/80 , G06V10/762 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于改进YOLOV5模型的工地安全帽佩戴检测方法，基于单阶段原始的YOLOV5目标检测模型，通过优化网络结构降低最小感受野，利用池化金字塔及注意力机制等手段规范输入尺寸，模糊背景差异，增强小目标学习能力，本发明所提出的方法在基准网络基础上只增加了少量参数及计算开销，并显著提升了小目标检测效果，克服原始YOLOV5目标检测模型小目标场景检测性能较低的缺点，改进后的YOLOV5模型能够在施工场景下的安全帽检测任务中有着优异的检测表现，在同一场景下比原始YOLOV5网络检测到更多正样本，提高了施工场景下安全帽佩戴检测的可靠性，降低漏检、误检的情况发生。
-
公开(公告)号：CN115439684A
公开(公告)日：2022-12-06
申请号：CN202211028322.8
申请日：2022-08-25
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明提供了一种基于轻量化YOLOv5的生活垃圾分类方法及APP，面向移动端设备手机设计部署，以原始的目标检测网络YOLOv5n为基线网络，采用引入ShuffleNetv2中的shuffle_block、GhostNet的Ghost模块、引入注意力机制SE以及知识蒸馏等技术手段，结合网络结构设计和知识蒸馏对基线网络实现轻量化，轻量化后的YOLOv5n模型相比原始的YOLOv5n模型，在很大程度上减少了模型的参数量和计算量以及提升了检测精度，将轻量化后的YOLOv5模型部署至移动端的生活垃圾分类APP中，可以实现对多种生活垃圾智能分类。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.051 seconds)
