-
公开(公告)号：CN115658926B
公开(公告)日：2023-05-05
申请号：CN202211452684.X
申请日：2022-11-21
Applicant: 中国科学院自动化研究所
IPC: G06F16/36 , G06F40/216 , G06F40/284
Abstract: 本发明涉及人工智能的知识工程的技术领域，提供一种知识图谱的要素推测方法、装置、电子设备和存储介质，其中方法包括：响应要素推测指令，接收输入待推测四元组，并计算待推测四元组的生成模式概率；获取预先所得到的静态关系矩阵，并根据静态关系矩阵得到当前知识图谱对应的动态关系矩阵；根据动态关系矩阵，得到待推测四元组对应的索引向量；构建在时间要素下的历史词汇矩阵，并根据索引向量和历史词汇矩阵，得到待推测四元组的复制模式概率；根据生成模式概率和复制模式概率，在当前知识图谱所包含的第三要素集合中确定目标第三要素。提高了动态知识图谱中要素推测的便捷性和准确性。
-
公开(公告)号：CN115658926A
公开(公告)日：2023-01-31
申请号：CN202211452684.X
申请日：2022-11-21
Applicant: 中国科学院自动化研究所
IPC: G06F16/36 , G06F40/216 , G06F40/284
Abstract: 本发明涉及人工智能的知识工程的技术领域，提供一种知识图谱的要素推测方法、装置、电子设备和存储介质，其中方法包括：响应要素推测指令，接收输入待推测四元组，并计算待推测四元组的生成模式概率；获取预先所得到的静态关系矩阵，并根据静态关系矩阵得到当前知识图谱对应的动态关系矩阵；根据动态关系矩阵，得到待推测四元组对应的索引向量；构建在时间要素下的历史词汇矩阵，并根据索引向量和历史词汇矩阵，得到待推测四元组的复制模式概率；根据生成模式概率和复制模式概率，在当前知识图谱所包含的第三要素集合中确定目标第三要素。提高了动态知识图谱中要素推测的便捷性和准确性。
-
公开(公告)号：CN113601501B
公开(公告)日：2022-10-28
申请号：CN202110813930.9
申请日：2021-07-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种机器人柔性作业方法、装置及机器人，所述方法包括：在作业对象运动到指定位置时，确定作业对象的位姿信息；基于作业对象的位姿信息，以及相机参数信息，确定机器人跟随作业的路径点；基于机器人的作业路径点，以及作业对象的当前位置数据，生成当前运动指令，并将当前运动指令发送至机器人的执行机构，以使执行机构基于当前运动指令实时调整姿态并对作业对象进行柔性作业操作。本发明能够基于当前运动指令实时调整姿态并准确对运动的作业对象进行柔性作业操作，实现对移动的作业对象动态跟踪和高精度的随动柔性作业。
-
公开(公告)号：CN113256581B
公开(公告)日：2022-09-02
申请号：CN202110555658.9
申请日：2021-05-21
Applicant: 中国科学院自动化研究所
IPC: G06T7/00 , G06T7/11 , G06T5/50 , G06V10/774 , G06V10/762 , G06V10/46 , G06T5/00
Abstract: 本发明属于零件表面损伤检测技术领域，具体涉及一种基于视觉注意建模融合的缺陷样本自动标注方法及系统，旨在解决现有技术中无法实现精密零件样本表面缺陷的自动标注问题，方法包括对输入的原始样本图像进行超像素分割，将图像自动分割成若干个具有预设特征的图像区域；对每个图像区域分别计算基于视觉注意建模融合的显著图，并利用标记阵列分割方法将该显著图中的显著区域分割出来以作为缺陷候选区域；提取缺陷候选区域的特征，并进行聚类，得到若干个不同类别的缺陷样本，根据少量标签或已知的标签定义规则对每个缺陷样本进行标注，也可通过人机交互对未知类别进行手动标注；通过本发明可大大减少人工标注的工作量，标注效率高、准确度好。
-
公开(公告)号：CN113256581A
公开(公告)日：2021-08-13
申请号：CN202110555658.9
申请日：2021-05-21
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于零件表面损伤检测技术领域，具体涉及一种基于视觉注意建模融合的缺陷样本自动标注方法及系统，旨在解决现有技术中无法实现精密零件样本表面缺陷的自动标注问题，方法包括对输入的原始样本图像进行超像素分割，将图像自动分割成若干个具有预设特征的图像区域；对每个图像区域分别计算基于视觉注意建模融合的显著图，并利用标记阵列分割方法将该显著图中的显著区域分割出来以作为缺陷候选区域；提取缺陷候选区域的特征，并进行聚类，得到若干个不同类别的缺陷样本，根据少量标签或已知的标签定义规则对每个缺陷样本进行标注，也可通过人机交互对未知类别进行手动标注；通过本发明可大大减少人工标注的工作量，标注效率高、准确度好。
-
Patent Agency Ranking
公开(公告)号：CN110044920A
公开(公告)日：2019-07-23
申请号：CN201910345423.X
申请日：2019-04-26
Applicant: 中国科学院自动化研究所
IPC: G01N21/95
Abstract: 本发明属于焊接技术领域，具体涉及一种线状工件焊点焊接质量检测系统及方法，旨在解决人工检测效率低、一致性差和成本高的问题。本发明实施例公开了一种线状工件焊点焊接质量检测系统及方法，该方法包括步骤：S1、获取带有焊点的工件的图像；S2、基于步骤S1获取到的所述图像获取所述焊点在所述工件上的位置信息；S3、驱动焊点检测仪器移动至所述焊点的位置；S5、驱动所述焊点检测仪器绕所述焊点旋转，以获取所述焊点的焊接质量数据。实现了以自动完成对焊点的焊接质量检测，避免人工检测效率低、一致性差和成本高的发生。
-
公开(公告)号：CN108636820A
公开(公告)日：2018-10-12
申请号：CN201810287567.X
申请日：2018-03-30
Applicant: 中国科学院自动化研究所
CPC classification number: B07C5/02 , B07C5/3422 , B07C5/361 , B07C5/362 , G01N21/88
Abstract: 本发明属于自动化检测技术领域，涉及一种基于视觉的精密零件自动化检测与分拣系统及方法。其中检测与分拣系统包括传送装置、上料定位装置、翻面装置、位姿调整装置和视觉检测系统。优选地，零件先以第一姿态被输送至第一检测位置进行第一检测面的检测，然后经翻面装置翻面再经位姿调整装置调整后以第二姿态被输送至第二检测位置进行第二检测面的检测，从而解决了现有的检测分拣自动化设备无法满足上下表面均需要检测的零件的表面检测需求的问题，同时提高了检测效率，提高了检测质量。
-
公开(公告)号：CN104690551B
公开(公告)日：2017-03-01
申请号：CN201510119420.6
申请日：2015-03-18
Applicant: 中国科学院自动化研究所 , 中国工程物理研究院激光聚变研究中心
IPC: B23P21/00
Abstract: 本发明公开了一种机器人自动化装配系统，包括：上位机系统、数据采集系统、机器人控制器、工业机器人、夹持系统、多传感器系统和待装配对象，其中：所述工业机器人用于执行上位机系统所发出的控制指令；多传感器系统用于获得装配对象或装配位置的位姿测量数据；夹持系统用于实现对装配对象的夹持及其控制；上位机系统用于获取多传感器系统的测量数据并进行计算，根据计算结果对机器人的运动进行规划，并反馈给工业机器人。本发明机器人自动化装配系统能够根据检测到的装配对象或装配位置的位姿参数数据，对装配过程进行规划，能够实现对复杂对象的高精度自动化装配。
-
公开(公告)号：CN104690551A
公开(公告)日：2015-06-10
申请号：CN201510119420.6
申请日：2015-03-18
Applicant: 中国科学院自动化研究所 , 中国工程物理研究院激光聚变研究中心
IPC: B23P21/00
CPC classification number: B23P21/00
Abstract: 本发明公开了一种机器人自动化装配系统，包括：上位机系统、数据采集系统、机器人控制器、工业机器人、夹持系统、多传感器系统和待装配对象，其中：所述工业机器人用于执行上位机系统所发出的控制指令；多传感器系统用于获得装配对象或装配位置的位姿测量数据；夹持系统用于实现对装配对象的夹持及其控制；上位机系统用于获取多传感器系统的测量数据并进行计算，根据计算结果对机器人的运动进行规划，并反馈给工业机器人。本发明机器人自动化装配系统能够根据检测到的装配对象或装配位置的位姿参数数据，对装配过程进行规划，能够实现对复杂对象的高精度自动化装配。
-
公开(公告)号：CN109598287A
公开(公告)日：2019-04-09
申请号：CN201811278762.2
申请日：2018-10-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种基于深度卷积生成对抗网络样本生成的外观瑕疵检测方法，包括：将原始采集的小样本精密零件瑕疵图像提取瑕疵区域，构成原始小样本瑕疵块数据集，并利用该数据集训练DCGAN模型并生成全新的瑕疵块；将原始小样本精密零件瑕疵数据集中的每一张完整图像拆分成若干图像块数据，构成图像拆分训练数据集，并将数据集与生成瑕疵块数据集一起作为训练集训练Faster R-CNN模型；对待检测的零件瑕疵图像进行图形块拆分，并通训练好的Faster R-CNN模型行瑕疵检测及分类。本发明解决了小样本瑕疵检测问题、提高了小目标对象的检测及分类精度。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.041 seconds)
