-
公开(公告)号：CN113989518A
公开(公告)日：2022-01-28
申请号：CN202111315378.7
申请日：2021-11-08
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06V10/40 , G06V10/762 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种应用于智能终端的轻量级目标检测方法，包括以下步骤：1构建轻量级目标检测网络模型；2在服务器对轻量级目标检测网络模型进行训练；3训练后的轻量级目标检测网络模型部署于智能终端并实现目标检测。本发明提出的算法模型在较小的模型尺寸下提升了推理速度，并能够确保检测精度，同时解决小目标丢失问题，可以在资源受限的智能终端中实现部署应用。
-
公开(公告)号：CN110136914B
公开(公告)日：2021-05-04
申请号：CN201910528501.X
申请日：2019-06-18
申请人： 中国科学院合肥物质科学研究院
IPC分类号： H01F6/04
摘要： 本发明公开了一种混合磁体联锁安全保护方法，包括以下步骤：在水冷磁体运行过程中，实时采集包括水冷磁体工作电流、线圈电压、入口水温、出口水温、入口水压和出口水压在内的水冷磁体运行参数，并对采集数据进行滤波处理；基于水冷磁体线圈电阻数学模型，计算磁体相对电阻偏差；基于水冷磁体工作电流与数据采集时间，计算水冷磁体工作电流变化率；基于所计算的磁体相对电阻偏差、水冷磁体运行参数与水冷磁体工作电流变化率，根据混合磁体联锁安全保护机制，对混合磁体中的水冷磁体和超导磁体进行联锁保护。本发明在混合磁体实际运行中的根据内水冷磁体的不同程度的故障态确定不同的保护模式，更具适应性，能够很好的确保混合磁体的安全运行。
-
公开(公告)号：CN112348914A
公开(公告)日：2021-02-09
申请号：CN202011260561.7
申请日：2020-11-12
申请人： 中国科学院合肥物质科学研究院
摘要： 本发明涉及一种基于车联网的深度学习图像压缩感知算法，将车联网智能终端获取的图片，通过测量矩阵进行分块压缩采样，得到测量数据集合Y；将测量数据集合Y通过无线传输至云端服务器，导入训练好的深度神经网络模型，即通过全连接层恢复为中间重构，得到初步重建图像X′；通过残差去噪网络重建图像，得到最终重建图像X″；确定与原始图像的损失函数，损失函数反向传递更新网络权重，实现最优化。本发明还公开了一种基于车联网的深度学习图像压缩感知系统。本发明极大的减少数据传输量，减轻带宽压力，极大的节省了流量资费和存储空间的限制，同时实时响应恢复，重建图像的准确度和对图像噪声的抑制均能取得比较好的效果。
-
公开(公告)号：CN105796108A
公开(公告)日：2016-07-27
申请号：CN201610116485.X
申请日：2016-03-01
申请人： 中国科学院合肥物质科学研究院
CPC分类号： A61B5/7275 , A61B5/1125 , A61B5/4842 , A61B5/4848
摘要： 本发明涉及一种用于手部运动机能分析的检测方法，与现有技术相比解决了无法全面有效反映手部运动机能的缺陷。本发明包括以下步骤：样本数据的定义和获取，定义样本数据的数据类型并获取用户的样本数据；样本数据的预处理，对采集到的样本数据进行低通滤波和高斯平滑处理；获取手部运动机能检测指标，通过对预处理后的样本数据进行计算，得出手部直线运动机能检测指标和手部曲线运动机能检测指标。本发明通过记录分析被检测人手部持笔在书写平面上执行绘画检测任务时的运动过程信息，基于客观定量的检测数据结果，展示手部运动机能的一段时期内的发展趋势，实现手部运动机能的动态检测。
-
公开(公告)号：CN104200526A
公开(公告)日：2014-12-10
申请号：CN201410482738.6
申请日：2014-09-19
申请人： 中国科学院合肥物质科学研究院
摘要： 本发明公开了一种数字纸张纤维网络结构的生成方法及其应用，其特征是按如下步骤进行：1建立数字纸张纤维网络空间；2定义单根纤维和数字纸张纤维网络结构；3在数字纸张纤维网络空间的上表面生成位置、方向和长度服从随机分布的单根纤维；4利用粒子沉淀规则判断单根纤维是否允许沉淀到所在的切面上；5在单根纤维所在的切面中计算单根纤维的底层纤维在Z轴方向上的形变；6完成所有单根纤维的生成和形变从而完成数字纸张纤维网络结构的生成。本发明能赋予数字纸张以三维纤维网络结构，为数字纸张展现与纸张相同的墨水表达效果和手写力表达效果提供技术支持。
-
公开(公告)号：CN102982635B
公开(公告)日：2014-10-08
申请号：CN201210486620.1
申请日：2012-11-26
申请人： 中国科学院合肥物质科学研究院
摘要： 本发明提供一种力防盗系统及信号处理方法，包括电连接的窗体、信号处理板、通信网络、智能终端和数据服务器。在窗体的四侧上设置多维力传感器，形成窗体上的力传感器阵列，信号处理板包括多路切换开关、第一计算单元、第二计算单元、总线驱动电路、第三计算单元、使能控制电路、图像采集电路、报警电路、数据上传。在获取窗体的三维空间力传感器阵列信息后，经相应的解耦算法实现对力信息的精确采集，并根据解耦后的力信息与预加载测试设置的阀值进行三维空间立体比较，判断是否有盗窃者入室盗窃行为发生，现场各种信息通过本地通信网络推送到智能终端，或通过现行无线移动网络通信服务上传至远端数据服务器留存，实现全方位的家庭防盗预警。
-
公开(公告)号：CN102496176B
公开(公告)日：2014-04-30
申请号：CN201110359842.2
申请日：2011-11-14
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06T11/80
摘要： 一种基于力信息的钢笔书法表达方法，采用三维力传感器来获取钢笔笔尖与签字平面接触产生的三维手写力矢量信息。当有钢笔手写过程发生时，三维力传感器可以实时的感知和输出作用在其上的三维手写动态力信息变化，通过采集和转换这些信息，计算钢笔笔尖与纸张平面接触产生的笔触区域，然后根据力信息实现对笔触区域的操作和处理，实现在力信息下的钢笔书法表达效果。方法步骤包括：初始化三维力传感器，获得三维手写力数据，获得三维手写力信息数值，预处理计算，计算笔触区域。本发明使书写者能够真实体验由于手写力的不同而引起钢笔书法的表达差异，为在计算机上进行钢笔字的创作和书法训练，或在钢笔书法矫正中，提供一种新的技术手段。
-
公开(公告)号：CN102564684B
公开(公告)日：2013-12-11
申请号：CN201110445973.2
申请日：2011-12-27
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G01L25/00
摘要： 基于稳态正弦激振力的多维力传感器动态实验装置的方法，是旋转电动机带动偏心激振块与旋转电动机输出轴同步旋转产生的离心力，通过调节旋转电动机转速、偏心激振块质心位置，以及调整T型台架、L型台架加载时与旋转电动机和待测力传感器的安装方位，利用永磁钢块周期性激发霍尔传感器输出脉冲响应信号，还原已知的正弦激振力信号，实现待测力传感器各个维向频率和幅值连续变化的正弦激振力和激振力矩。基于稳态正弦激振的多维力传感器动态实验装置的物理方法产生不受外界环境影响的、可预知的正弦激振力信号，实现幅值稳定、易于调整、频率连续变化的正弦激励力，方法操作简单方便，能够获得待测力传感器在整个使用频带范围内的动态传输特性。
-
公开(公告)号：CN102279709B
公开(公告)日：2013-01-02
申请号：CN201110249975.4
申请日：2011-08-26
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06F3/0488 , G01L1/00 , G01L3/00
摘要： 一种手写笔迹信息获取方法，包括手写装置中的五维力/力矩传感器模块、嵌入式微处理器模块和真彩显示模块。方法步骤是：开始，初始化五维力/力矩传感器，包括电源供应、零点修正及接口驱动需求和温度补偿；采集五维力/力矩传感器输出的数值，得到五维力手写力数据；对五维力手写力数据进行解耦运算，得到实时的三维手写力矢量信息数值和二维手写力矩矢量信息数值，再对其进行相应的公式计算，得到实时的二维手写坐标信息，获取完整的手写笔迹信息。该方法解决了现有手写笔迹信息获取方法中对手写笔迹信息获取的不全面问题，提高了签名信息的安全性，为解决电子政务中对重要文件签署或电子商务中合同签署等信息安全，提供了一种新的保障手段。
-
公开(公告)号：CN102496176A
公开(公告)日：2012-06-13
申请号：CN201110359842.2
申请日：2011-11-14
申请人： 中国科学院合肥物质科学研究院
IPC分类号： G06T11/80
摘要： 一种基于力信息的钢笔书法表达方法，采用三维力传感器来获取钢笔笔尖与签字平面接触产生的三维手写力矢量信息。当有钢笔手写过程发生时，三维力传感器可以实时的感知和输出作用在其上的三维手写动态力信息变化，通过采集和转换这些信息，计算钢笔笔尖与纸张平面接触产生的笔触区域，然后根据力信息实现对笔触区域的操作和处理，实现在力信息下的钢笔书法表达效果。方法步骤包括：初始化三维力传感器，获得三维手写力数据，获得三维手写力信息数值，预处理计算，计算笔触区域。本发明使书写者能够真实体验由于手写力的不同而引起钢笔书法的表达差异，为在计算机上进行钢笔字的创作和书法训练，或在钢笔书法矫正中，提供一种新的技术手段。
-
-
-
-
-
-
-
-
-
搜索结果
63 条记录 (耗时 0.05 秒)
