-
公开(公告)号：CN117670835B
公开(公告)日：2024-07-05
申请号：CN202311670734.6
申请日：2023-12-07
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/094 , G06N3/096
Abstract: 本发明公开了一种基于神经网络的穿刺损伤检测方法，所属技术领域为机器视觉和人工智能领域，包括：获得扩增后的穿刺损伤数据；构建孪生对抗网络模型，通过训练后的孪生对抗网络模型生成分割后的穿刺损伤图像数据；通过分割后的穿刺损伤图像数据构建穿刺损伤数据集；构建分类网络，通过穿刺损伤数据集训练分类网络，获得分类网络模型；通过迁移学习方法将分类网络修改为回归网络并进行模型在训练，获得回归网络模型；获取实时穿刺损伤图像，将实时穿刺损伤图像输入至回归网络模型中，生成穿刺损伤检测结果。本发明可以实现穿刺损伤的快速准确检测，为医疗急救、刑事法医学和其他领域中穿刺损伤的处理和研究提供了解决方案。
-
公开(公告)号：CN117934945A
公开(公告)日：2024-04-26
申请号：CN202410103187.1
申请日：2024-01-25
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06V10/764 , G06V10/774 , G06T7/00 , G06V10/42
Abstract: 本发明涉及基于孪生网络的靶板毁伤检测方法及系统，方法包括：获取待测靶板毁伤图像；构建靶板毁伤检测模型，将所述待测靶板毁伤图像输入所述靶板毁伤检测模型，获取分割掩膜图，其中所述靶板毁伤检测模型基于U‑Net网络构建并通过训练集训练获得,所述训练集包括：靶板毁伤区域的图像和标识所述靶板毁伤区域的标签；将所述分割掩膜图进行量化分析，获取靶板毁伤区域的几何信息。本发明构建了具有孪生分支的预测网络，用于预测输入图像的毁伤区域。引入区域注意力来增加了对目标区域的关注度，抑制无用信息的表达；加入了多尺度卷积模块提高了对边缘细节的感知力，提高了预测精准。最终在靶板毁伤区域识别和量化方面取得了有效的应用。
-
公开(公告)号：CN117670835A
公开(公告)日：2024-03-08
申请号：CN202311670734.6
申请日：2023-12-07
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/094 , G06N3/096
Abstract: 本发明公开了一种基于神经网络的穿刺损伤检测方法，所属技术领域为机器视觉和人工智能领域，包括：获得扩增后的穿刺损伤数据；构建孪生对抗网络模型，通过训练后的孪生对抗网络模型生成分割后的穿刺损伤图像数据；通过分割后的穿刺损伤图像数据构建穿刺损伤数据集；构建分类网络，通过穿刺损伤数据集训练分类网络，获得分类网络模型；通过迁移学习方法将分类网络修改为回归网络并进行模型在训练，获得回归网络模型；获取实时穿刺损伤图像，将实时穿刺损伤图像输入至回归网络模型中，生成穿刺损伤检测结果。本发明可以实现穿刺损伤的快速准确检测，为医疗急救、刑事法医学和其他领域中穿刺损伤的处理和研究提供了解决方案。
-
公开(公告)号：CN117554217A
公开(公告)日：2024-02-13
申请号：CN202311670696.4
申请日：2023-12-07
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
Abstract: 本发明公开了一种穿刺实验执行与穿刺数据采集、分析方法及设备，包括：首先将穿刺样本固定在落锤试验机上准备穿刺实验；通过神经网络实现对实验人员工作时手部姿态的监控和示警；在警报保持静默状态后，进行穿刺实验并采集穿刺过程中的图像信息以及穿刺初始动能、最大穿透层数和穿刺峰值力等关键参数，并将单次数据采集结果显示在液晶显示屏中；通过梯度化的实验设置，重复实验并获取刀具不同下落时的穿刺过程参数的变化规律。使用本发明提出的方法及设备开展实验研究，可以有效避免穿刺实验过程中的危险性，同时获得更加全面的数据采集。
-
公开(公告)号：CN118862467A
公开(公告)日：2024-10-29
申请号：CN202410898262.8
申请日：2024-07-05
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06F30/20 , G06F18/21 , G16C60/00 , G06F119/14
Abstract: 本发明公开了一种金属防刺服的性能评价方法，属于人员防护装备技术领域，包括：获取标准穿刺实验数据中的动能数据、防刺服层数数据和防刺服厚度数据；基于所述动能数据、防刺服层数数据和防刺服厚度数据构建金属防刺服性能评估函数；基于所述金属防刺服性能评估函数构建防刺服优化方案；基于301不锈钢力学性能的弹性模量和拉伸强度，以及待评估不锈钢试样数据构建修正方案；基于所述优化方案和所述修正方案构建金属防刺服性能评价模型，基于所述金属防刺服性能评价模型输出评估结果。本发明能够准确快速的评估金属防刺服设计的性能是否合格，并给出以防护性能或轻量化为目标的合理优化方案。
-
Patent Agency Ranking
公开(公告)号：CN116664524A
公开(公告)日：2023-08-29
申请号：CN202310642838.X
申请日：2023-06-01
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06T7/00 , G01N3/06 , G01N3/08 , G01N3/30 , G01N3/40 , G06N3/0475 , G06N3/094 , G06N3/0464
Abstract: 本发明公开了一种基于神经网络的防刺性能检测方法、系统及装置，方法包括：通过折皱实验得到不同防刺性能的防刺材料样品集；准备数据集，采集所述防刺材料样品集的图像，对所述防刺材料样品集进行性能测试得到防刺性能热力图，所述图像与其对应的所述性能热力图共同组成数据集；基于所述训练集对神经网络进行训练，得到神经网络模型；采集日常生活中性能受损的防刺材料的图像，将图像输入所述神经网络模型得到其对应的防刺性能热力图。本发明对产生折皱的防刺材料的防护性能进行了检测，是对防刺材料应用的一种安全保障测试，具有实际应用价值。
-
公开(公告)号：CN116152216B
公开(公告)日：2023-08-25
申请号：CN202310196066.1
申请日：2023-03-03
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
Abstract: 本发明公开了一种基于神经网络的防护材料疲劳样本制备方法及设备，包括：将所要制备疲劳样本的防护材料样品固定在防护材料疲劳样本制备设备中，通过图像采集系统获取图像信息数据，通过激光传感器和压力传感器获得位移信息数据和压力信息数据，通过多波混合模糊神经网络对三通道信息流进行模糊分析后控制电机制备疲劳样本，通过分步共享神经网络分析图像信息获取疲劳样本最终效果图。本发明的制备方法能够批量高效的产生疲劳样本，既能控制疲劳样本产生疲劳的强度，也能够控制疲劳样本的制备时长，避免了在人为制造疲劳样本时无法定量研究的缺陷，也解决了疲劳样本本身难以大量获得的困难，实现了标准化、定量化制备疲劳样本的全流程。
-
公开(公告)号：CN118470698B
公开(公告)日：2025-05-06
申请号：CN202410603696.0
申请日：2024-05-15
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06V20/60 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明提出了一种基于深度学习的行凶者追溯方法及装置，其特征在于，包括：采集在真实刀刺场景下的冲击损伤图像；基于两段式冲击损伤预测模型，对冲击损伤图像进行预测，获取穿刺关键参数；其中，两段式冲击损伤预测模型通过数据集训练获得，数据集包括：刀具在不同初始速度下对样品的穿刺关键参数和样品在不同动态穿刺测试条件下的冲击损伤图像；两段式冲击损伤预测模型包括：第一段TraceNet网络和第二段浅层CNN网络；将穿刺关键参数输入分类器，进行行凶者追溯。本发明可以实现依据穿刺损伤对穿刺行凶过程中关键参数的快速准确检测，并基于关键参数追溯行凶者的行为特征，为反侦察等军事行为中追捕行凶者提供一种新的手段。
-
公开(公告)号：CN118470698A
公开(公告)日：2024-08-09
申请号：CN202410603696.0
申请日：2024-05-15
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06V20/60 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明提出了一种基于深度学习的行凶者追溯方法及装置，其特征在于，包括：采集在真实刀刺场景下的冲击损伤图像；基于两段式冲击损伤预测模型，对冲击损伤图像进行预测，获取穿刺关键参数；其中，两段式冲击损伤预测模型通过数据集训练获得，数据集包括：刀具在不同初始速度下对样品的穿刺关键参数和样品在不同动态穿刺测试条件下的冲击损伤图像；两段式冲击损伤预测模型包括：第一段TraceNet网络和第二段浅层CNN网络；将穿刺关键参数输入分类器，进行行凶者追溯。本发明可以实现依据穿刺损伤对穿刺行凶过程中关键参数的快速准确检测，并基于关键参数追溯行凶者的行为特征，为反侦察等军事行为中追捕行凶者提供一种新的手段。
-
公开(公告)号：CN117554217B
公开(公告)日：2024-07-12
申请号：CN202311670696.4
申请日：2023-12-07
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
Abstract: 本发明公开了一种穿刺实验执行与穿刺数据采集、分析方法及设备，包括：首先将穿刺样本固定在落锤试验机上准备穿刺实验；通过神经网络实现对实验人员工作时手部姿态的监控和示警；在警报保持静默状态后，进行穿刺实验并采集穿刺过程中的图像信息以及穿刺初始动能、最大穿透层数和穿刺峰值力等关键参数，并将单次数据采集结果显示在液晶显示屏中；通过梯度化的实验设置，重复实验并获取刀具不同下落时的穿刺过程参数的变化规律。使用本发明提出的方法及设备开展实验研究，可以有效避免穿刺实验过程中的危险性，同时获得更加全面的数据采集。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.037 seconds)
