-
公开(公告)号:CN118053122A
公开(公告)日:2024-05-17
申请号:CN202410214986.6
申请日:2024-02-27
Applicant: 华南理工大学
IPC: G06V20/52 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/46 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于改进FCOS网络的X光安检双视角检测方法,FCOS网络的改进FCOS网络的改进在于新增了图像编码器、HSV引导编码器和多尺度融合编码器,图像编码器将输入的俯视角X光图像和侧视角X光图像的色彩空间由RGB转为HSV再进行特征提取和融合,HSV引导编码器通过将图像编码器提取到的HSV引导特征与输入的原始X光俯视图和侧视图分别进行融合,多尺度融合编码器用于提取俯视角和侧视角的多尺度特征,并将两个视角的多尺度特征进行融合,本发明减少了堆叠目标在X光透射成像下的干扰,充分利用了不同色彩空间的图像信息,强化了网络特征感知能力,提高了X光对象的检测精度和速度。
-
公开(公告)号:CN111487996B
公开(公告)日:2021-09-21
申请号:CN202010367253.8
申请日:2020-04-30
Applicant: 华南理工大学
IPC: G05D1/10
Abstract: 本发明公开了一种基于ADRC控制的多无人机协同控制系统及其方法。所述系统包括主无人机、从属无人机、参数服务器、主无人机关节状态发布模块M0、主无人机偏差运算模块M1、主无人机位置控制器响应模块M2、基于ADRC控制器的从属无人机跟随控制补偿模块M3以及从属无人机的位置控制器响应模块M4。本发明综合运用Gazebo仿真平台下无人机模型搭建、双无人机协同控制仿真、ADRC控制等理论和方法,解决在不同工作环境下多无人机协同控制系统中从属无人机对主无人机稳定、响应速度快、高效的实时跟随控制的关键技术问题。
-
公开(公告)号:CN111487996A
公开(公告)日:2020-08-04
申请号:CN202010367253.8
申请日:2020-04-30
Applicant: 华南理工大学
IPC: G05D1/10
Abstract: 本发明公开了一种基于ADRC控制的多无人机协同控制系统及其方法。所述系统包括主无人机、从属无人机、参数服务器、主无人机关节状态发布模块M0、主无人机偏差运算模块M1、主无人机位置控制器响应模块M2、基于ADRC控制器的从属无人机跟随控制补偿模块M3以及从属无人机的位置控制器响应模块M4。本发明综合运用Gazebo仿真平台下无人机模型搭建、双无人机协同控制仿真、ADRC控制等理论和方法,解决在不同工作环境下多无人机协同控制系统中从属无人机对主无人机稳定、响应速度快、高效的实时跟随控制的关键技术问题。
-
公开(公告)号:CN118052434A
公开(公告)日:2024-05-17
申请号:CN202410212580.4
申请日:2024-02-27
Applicant: 华南理工大学
IPC: G06Q10/0635 , G06Q10/04 , G06Q10/083 , G06F16/2458 , G06F16/36 , G06F16/9035 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/09 , G06N5/022
Abstract: 本发明公开了一种基于知识图谱和图神经网络的快递包裹安全场景评估系统,包括:数据导入模块,用于加载快递包裹面单数据、快递包裹安检数据和快递包裹安全场景评估数据库中的数据,并对快递包裹面单数据和快递包裹安检数据进行预处理操作;危险包裹初筛模块,用于对快递包裹进行初步筛查,筛选出可能存在风险的快递包裹;包裹安全风险预测训练模块,用于训练出最优的快递包裹安全风险预测模型;包裹安全风险预测模块,用于对快递包裹进行风险预测,并对安全场景评估数据库信息进行更新。本发明增强对海量快递包裹数据的挖掘能力,提高快递包裹风险预测的准确性,为安检部门对快递包裹进行实时安全监控和执行决策提供依据和支持。
-
公开(公告)号:CN117911380A
公开(公告)日:2024-04-19
申请号:CN202410096916.5
申请日:2024-01-24
Applicant: 华南理工大学
IPC: G06T7/00 , G06T7/194 , G06N3/0464 , G06N3/048 , G06V10/764 , G06V10/80 , G06V10/44
Abstract: 本发明公开了一种基于改进FCOS网络的X光安检检测方法,该方法是基于改进FCOS网络实现X光安检中违禁品的精准检测,FCOS网络的改进在于新增了边缘引导模块、前背景分离模块和注意力模块,边缘引导模块通过sobel算子计算出X光图像中的待检测目标的边缘特征,前背景分离模块通过接收边缘引导模块提取到的边缘特征对X光图像中前景与背景进行分离,注意力模块用于记录多轮迭代训练前背景分离模块提取得到的前景特征,并对记录的前景特征进行融合得到注意力激活图。本发明减少了堆叠目标在X光透射成像下的干扰,强化了网络特征感知能力,提高了X光对象的检测精度和速度。
-
-
-
-