-
公开(公告)号：CN112949587B
公开(公告)日：2023-05-02
申请号：CN202110345365.8
申请日：2021-03-31
Applicant: 上海电机学院
Abstract: 本发明涉及一种基于关键点的手部握姿矫正方法、系统及计算机可读介质，其中矫正方法包括：步骤1：采集标准手部姿势图像；步骤2：对图像中的手部姿势进行关键点检测，并储存关键点数据；步骤3：对步骤2获取的关键点数据进行预处理，利用预处理后的数据建立标准手势模型；步骤4：采集新的手部姿势图像，检测其关键点；步骤5：对新图像的关键点数据进行预处理，并输入标准手部姿势模型，判断当前手势是否为标准手势，若是，则输出当前手势无需矫正，否则，执行步骤6；步骤6：判断当前手势需要矫正，同时输出需要矫正的关键点数据，提示用户在相应关键点位置进行姿势矫正。与现有技术相比，本发明具有准确率高、应用成本低等优点。
-
公开(公告)号：CN113545207A
公开(公告)日：2021-10-26
申请号：CN202110972961.9
申请日：2021-08-24
Applicant: 上海电机学院
Abstract: 本发明公开了一种黄花菜移栽机，包括：四轮机构，设置在车体框架的下方，所述四轮机构用于带动所述车体框架移动；开沟调节装置，用于开沟并能够调节开沟的间距和深度；落苗调节装置，用于调节黄花菜的落苗高度和行距，且落苗调节装置还能够将黄花菜落苗到开沟中；覆土装置，用于对所述黄花菜进行覆土。本发明具有自动化程度高，结构简单、移栽操作方便，栽植质量高等优点。
-
Patent Agency Ranking
公开(公告)号：CN112949587A
公开(公告)日：2021-06-11
申请号：CN202110345365.8
申请日：2021-03-31
Applicant: 上海电机学院
Abstract: 本发明涉及一种基于关键点的手部握姿矫正方法、系统及计算机可读介质，其中矫正方法包括：步骤1：采集标准手部姿势图像；步骤2：对图像中的手部姿势进行关键点检测，并储存关键点数据；步骤3：对步骤2获取的关键点数据进行预处理，利用预处理后的数据建立标准手势模型；步骤4：采集新的手部姿势图像，检测其关键点；步骤5：对新图像的关键点数据进行预处理，并输入标准手部姿势模型，判断当前手势是否为标准手势，若是，则输出当前手势无需矫正，否则，执行步骤6；步骤6：判断当前手势需要矫正，同时输出需要矫正的关键点数据，提示用户在相应关键点位置进行姿势矫正。与现有技术相比，本发明具有准确率高、应用成本低等优点。
-
-
公开(公告)号：CN111670962A
公开(公告)日：2020-09-18
申请号：CN202010542442.4
申请日：2020-06-15
Applicant: 上海电机学院 , 宁夏农林科学院荒漠化治理研究所(宁夏防沙治沙与水土保持重点实验室)
IPC: A23F3/06
Abstract: 本发明公开了一种黄花菜杀青方法以及黄花菜自动杀青系统，该方法包括以下步骤：向蒸房内部通入蒸汽，使得蒸房内部的温度上升至预设温度范围，上升至预设温度范围后，开始计算累计加热时长；加热过程中，使得蒸房内部的温度保持在预设温度范围内，以使得黄花菜中的秋水仙碱分解；在加热过程中，预设温度范围是70℃-72℃，预设时长为6-8分钟；当黄花菜的累计加热时长达到预设时长后，停止对黄花菜进行加热。该杀青系统能精确控制蒸房内温度，保证杀青效果，保证成菜的成色。采用特定的温度范围，使用蒸汽对黄花菜进行杀青，可有效破坏其内部的秋水仙碱，避免了采用萃取工艺降低其毒性导致的营养成分流失的问题。
-
公开(公告)号：CN112950625A
公开(公告)日：2021-06-11
申请号：CN202110345140.2
申请日：2021-03-31
Applicant: 上海电机学院
Abstract: 本发明涉及一种纺织布经纬线自动对齐方法、系统及计算机可读介质，其中自动对齐方法包括步骤1：采集纺织布图像；步骤2：对图像进行预处理；步骤3：提取纺织布纬线；步骤4：计算纬线倾斜角；步骤5：判断纬线倾斜角是否在预设阈值内，若是，则执行步骤7，否则，执行步骤6；步骤6：向纺织布电机控制模块发送控制信号，调整织布机电机速度；步骤7：返回步骤1，继续进行下一轮处理逻辑。与现有技术相比，本发明具有保证纺织布在运行过程中不变形以及经纬线的整齐、自动化程度高等优点。
-
公开(公告)号：CN112949636A
公开(公告)日：2021-06-11
申请号：CN202110345371.3
申请日：2021-03-31
Applicant: 上海电机学院
Abstract: 本发明涉及一种车牌超分辨率识别方法、系统及计算机可读介质，其中车牌超分辨率识别方法包括步骤1：利用图像采集设备采集高清车牌数字信息；步骤2：利用采集的高清车牌数字信息进行训练，获得10种车牌数字的高分辨率字典；步骤3：通过不同数字高分辨率字典分别对低分辨率车牌数字进行重建；步骤4：将重建的特征图像作为神经网络输入，训练学习每个图像权重，根据权重输出其叠加重建图像；步骤5：使用训练好的神经网络完成对车牌的超分辨率识别。与现有技术相比，本发明具有识别准确率高、识别速度快、实用性好等优点。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
