-
公开(公告)号：CN118959570A
公开(公告)日：2024-11-15
申请号：CN202411200572.4
申请日：2024-08-29
Applicant: 江苏国茂减速机股份有限公司 , 中国矿业大学
Abstract: 本发明减速器状态监测技术领域，公开了一种旁油路超大扭矩减速器润滑油污染颗粒监测设备及方法，包括减速机本体，减速机本体的一侧设有外壳体，外壳体的中部位置安装有主件安装板，外壳体的一侧设有视觉检测部，视觉检测部的底部设有润滑油泵，视觉检测部与减速机本体以及润滑油泵之间通过三通管相连通，减速机本体内部分别通过第一卡套接头与第二卡套接头与三通管相连通，视觉检测部的一侧设有激光检测部；视觉检测部用于对润滑油进行视觉检测；激光检测部用于对润滑油进行激光检测。相较于现有技术，本申请可以检测润滑油中污染颗粒的数量及形状，结构紧凑，安全可靠，便于对减速器等设备进行维护保养及故障诊断。
-
公开(公告)号：CN115273237B
公开(公告)日：2024-01-30
申请号：CN202210915844.3
申请日：2022-08-01
Applicant: 中国矿业大学
IPC: G06V40/20 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/098
Abstract: 本发明公开了基于集成随机配置神经网络的人体姿态与动作识别方法，基于随机配置神经网络子模型设计基学习器，并将若干个基学习器集成入识别模型中；识别模型基于装袋算法将传感器采集数据划分为若干个子数据集，每个子数据集使用一个基学习器进行识别，最后通过加权均值法对所有基学习器预测结果进行汇总，从而得到最终的识别结果。本发明采用上述人体姿态与动作识别方法，取得了与CNN模型相当的准确率，且计算复杂度和所需时间远低于单个SCN、CNN、LSTM和SVM模型，且不需要使用GPU进行训练，提高了识别效率。
-
公开(公告)号：CN117237391A
公开(公告)日：2023-12-15
申请号：CN202311179156.6
申请日：2023-09-12
Applicant: 中国矿业大学 , 山东玲珑机电有限公司 , 广西玲珑轮胎有限公司 , 山东摩西网络科技有限公司 , 中泰信合智能科技有限公司 , 湖北玲珑轮胎有限公司
Abstract: 本发明公开了一种基于机器视觉的轮廓检测方法，涉及工业检测技术领域，包括以下步骤：S1：图片拼接，通过线阵相机获取图片，将左侧相机和右侧相机获取到的所有图片进行纵向拼接，消除偏差后拼接得到大图；S2：图像增强，得到完整的大图后，使用伽马变换增强图像；S3：得到增强后的图片后，进行亚边缘提取，获取所有轮廓边缘点坐标；S4：根据获取的轮廓边缘点坐标，去除噪声；S5：完善边缘点坐标。S6：完整遍历一个周期后，得到一系列轮廓点坐标，根据离散点坐标获取当前物体的位置和姿态以及尺寸信息；本发明采用上述的一种基于机器视觉的轮廓检测方法，解决了轮廓线不完整，轮廓线有重影且只针对一块物体进行检测的问题。
-
公开(公告)号：CN116051587B
公开(公告)日：2023-08-11
申请号：CN202310107785.1
申请日：2023-02-13
Applicant: 中国矿业大学
IPC: G06T7/13 , G06T7/20 , G06V30/422
Abstract: 本发明公开了一种用于目标检测的运动轨迹生成方法，步骤如下：提取工业件的CAD信息，获取粗略轮廓信息；自动插值补全轮廓信息；对轮廓信息做矢量信息判定；自动矢量整合轮廓封闭式排序信息，获得整个轮廓带矢量排序的坐标点信息；对轮廓绝对坐标数据整合优化并提取出相对坐标信息；辅助运动控制，使相机能够拍摄到工业件的所有清晰的局部图像并排序；获得拍摄到的工业件缺陷照片的序号，以及工业件的起止照片的序号，自动反馈缺陷的位置坐标，并绘制缺陷在整个轮廓的位置图。本发明采用上述的一种用于目标检测的运动轨迹生成方法，实现对工业件质检先导条件的高效化、高精化的处理，同时提高了工业质检的效率与精度，便于快速更换规格型号。
-
公开(公告)号：CN115273237A
公开(公告)日：2022-11-01
申请号：CN202210915844.3
申请日：2022-08-01
Applicant: 中国矿业大学
Abstract: 本发明公开了基于集成随机配置神经网络的人体姿态与动作识别方法，基于随机配置神经网络子模型设计基学习器，并将若干个基学习器集成入识别模型中；识别模型基于装袋算法将传感器采集数据划分为若干个子数据集，每个子数据集使用一个基学习器进行识别，最后通过加权均值法对所有基学习器预测结果进行汇总，从而得到最终的识别结果。本发明采用上述人体姿态与动作识别方法，取得了与CNN模型相当的准确率，且计算复杂度和所需时间远低于单个SCN、CNN、LSTM和SVM模型，且不需要使用GPU进行训练，提高了识别效率。
-
Patent Agency Ranking
公开(公告)号：CN118641547B
公开(公告)日：2024-11-01
申请号：CN202411103069.7
申请日：2024-08-13
Applicant: 江苏国茂减速机股份有限公司 , 中国矿业大学
Abstract: 本发明涉及减速器技术领域，具体涉及一种超大扭矩减速器内齿轮缺陷检测装置及方法，包括两条导轨以及固定连接在两条导轨上方的若干吊杆，若干吊杆用于定位及固定两条导轨，两条导轨的下方设置有检测部件，导轨的下方分布放置有若干被检测的减速器本体；行走机构，行走机构滑动安装于导轨的下方，行走机构用于驱动检测部件沿导轨移动；定位运动机构，定位运动机构设置于行走机构下方。相较于现有技术，本申请通过设置有行走机构配合定位运动机构，满足不同设备的缺陷自动化，可视化检测需求，而且设备布置不依赖地面空间，可以更好的利用生产空间。
-
公开(公告)号：CN116188298B
公开(公告)日：2023-08-04
申请号：CN202211687031.X
申请日：2022-12-27
Applicant: 中国矿业大学
Abstract: 本发明公开了一种有中心偏移的钻孔内壁环形图像无失真展开方法，将摄像头放入孔洞中并向内推进；从采集视频中的选取两帧图像图一和图二，将图二中轴心角二调整至与图一中的轴心角一的角度相同；将轴心角一和轴心角二均调整至角度为零；调整后的图一和图二计算运动半径比一，同理得到运动半径比二；根据运动半径比一得到轴心距半径比一，同理得到轴心距半径比二；根据轴心距半径比一和轴心距半径比二矫正得到图三和图四；得到矫正后无畸变图像展开得到无失真展开图像。本发明采用上述内容的一种有中心偏移的钻孔内壁环形图像无失真展开方法，通过运动轨迹来计算每一帧图片的矫正参数，利用边缘而非中心的像素，精度高鲁棒性强。
-
公开(公告)号：CN119132997B
公开(公告)日：2025-02-25
申请号：CN202411605255.0
申请日：2024-11-12
Applicant: 中国矿业大学
IPC: H01L21/66 , G01N21/95 , G06T7/00 , G06T7/62 , G06T7/70 , G06T7/10 , G06V10/26 , G06V10/764 , G06V10/22 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种太阳能面板质检方法，属于工业质检领域，包括获取太阳能面板完整图片并进行灰度，再根据完整图片的平均灰度值裁剪为小片太阳能面板区域；将每块选取的目标区域的面积和大小与小片太阳能面板的平均值进行比较，统计满足验证条件的所有的目标区域的位置和大小；将小片太阳能面板图片打散，按照行列坐标依次遍历每个存在目标区域的位置，对位置进行补齐；根据小片太阳能面板位置和大小进行索引和编码；将所有小片太阳能面板图片剪裁为个体，再送入已经训练好的神经网络中进行推理，判断每一个小片太阳能面板图片是否存在瑕疵。本发明采用上述的一种太阳能面板质检方法，提升了质检的效率，成本低，准确度更高。
-
公开(公告)号：CN117201091A
公开(公告)日：2023-12-08
申请号：CN202311089106.9
申请日：2023-08-28
Applicant: 中国矿业大学(北京)
IPC: H04L9/40 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种基于网络层IP包头的网络流量分类方法包括：采集网络流量数据作为数据集，并对所述数据集进行预处理，构建并训练基于外部注意力机制与卷积神经网络的模型：所述模型包括嵌入层，外部注意力层，卷积层和线性层；设置训练参数；在训练集的样本数据上使用GPU训练模型，根据准确率和训练时间选择神经网络模型的超参数；将所述测试集输入至所述基于外部注意力机制与卷积神经网络的模型进行测试，并将分类的性能指标结果保存到.txt文档中。本方法选择以单个数据包为分类基本单位，同时选择仅使用包头作为输入，加快分类的速度以满足在线分类的实时性需求，同时满足分类性能和用户隐私保护的两层要求。
-
公开(公告)号：CN116052218A
公开(公告)日：2023-05-02
申请号：CN202310111610.8
申请日：2023-02-13
Applicant: 中国矿业大学
Abstract: 本发明公开了一种行人重识别方法，包括以下步骤：A1、将query库中行人图像输入到配置好参数的行人重识别神经网路模型中，提取行人的特征图与特征嵌入；A2、将提取的行人特征与gallery库中各图像对应的特征做相似度度量，比对并输出结果。本发明采用上述行人重识别方法，基于CNN和Transformer网络结合的CoAtNet的改进加强版CoAtNet‑Pro作为骨干网络，提升了模型容量和模型学习能力，并且在没有预训练的前提下，辅以改进的三元组损失与张量空间度量函数等，展现出优秀效果与巨大潜力。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.029 seconds)
