公开(公告)号：CN119158708A

公开(公告)日：2024-12-20

申请号：CN202411640904.0

申请日：2024-11-18

Applicant: 中国矿业大学

Inventor： 徐飞翔 ,  朱地龙 ,  程德强 ,  张秋阳 ,  寇旗旗 ,  周晨 ,  王鹏程 ,  胡宇鹏

IPC: B03D1/02

Abstract: 本发明提供一种矿物浮选工况识别、预测设备，包括图像采集模块、超声波测距传感器、主控模块、5G通信模块、数据传输与定位模块、显示模块和电源模块，图像采集模块负责获取当前浮选工况的图像信息，浮选槽上方的超声波测距传感器用于测量液面的高度，本发明通过将该识别算法部署在工作人员头盔上，能够实现在工作过程中实时识别当前工况并预测矿物浮选的工作趋势，将结果显示在可穿戴识别设备上。工作人员穿戴设备后可以预见浮选过程中的波动并掌握浮选槽的运行状态，提前采取相应的措施，进一步提高矿物浮选工艺的稳定性和生产效率，降低安全风险和减少经济损失。

公开(公告)号：CN119992514A

公开(公告)日：2025-05-13

申请号：CN202510131343.X

申请日：2025-02-06

Applicant: 中国矿业大学

Inventor： 徐飞翔 ,  张瑞 ,  周晨 ,  程德强 ,  钱建生 ,  安伟光 ,  胡宇鹏 ,  朱地龙

IPC: G06V20/58 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了障碍物检测技术领域的一种无人驾驶应急救援车辆越野路面正负障碍物检测方法，步骤如下：首先，通过YOLOv8的Backbone对输入的包含正负障碍物的越野路面环境进行特征提取，从而获取正负障碍物的不同特征层信息，其中第2、4、6、9层特征分别记为#imgabs0#、#imgabs1#、#imgabs2#、#imgabs3#，其次，将4个特征图依次送入构建的多尺度细粒度特征提纯分支、多尺度粗粒度特征提取分支和多尺度特征融合策略，最后，将经过多尺度特征融合策略的特征图送入Head部分，得到越野路面正负障碍物检测结果，本发明实现了对越野路面正负障碍物精准识别，为后续无人驾驶应急救援车辆智能决策与控制提供关键信息。