-
公开(公告)号：CN113392701B
公开(公告)日：2024-04-26
申请号：CN202110504527.8
申请日：2021-05-10
Applicant: 南京师范大学
IPC: G06V20/10 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于YN‑Net卷积神经网络的输电线路障碍物检测方法，包括如下步骤：基于输电线路巡检机器人搭载的ZED双目摄像头采集输电线路障碍物图像；对采集到的输电线路障碍物图像进行预处理并制成数据集；搭建YN‑Net卷积神经网络，对YN‑Net卷积神经网络进行充分训练，得到训练好的YN‑Net卷积神经网络模型；使用YN‑Net卷积神经网络模型对采集到的输电线路障碍物实时图像进行分类，根据输入图像中存在障碍物与不存在障碍物的概率值来判断输电线路巡检机器人前方是否存在障碍物。本发明能够提升卷积神经网络的实时性与可靠性，解决了目前输电线路障碍物检测算法准确率不高，实时性不好等问题，并且具有很高的可移植性，可应用于嵌入式开发平台，应用前景广泛。
-
公开(公告)号：CN112818871B
公开(公告)日：2024-03-29
申请号：CN202110153554.5
申请日：2021-02-04
Applicant: 南京师范大学
IPC: G06V20/40 , G06V20/52 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于半分组卷积的全融合神经网络的目标检测方法，包括：搭建半分组卷积模块；搭建全融合神经网络；获取电梯厢内目标物的数据集；将数据集中的图像按比例随机分为训练数据集和测试数据集，并对训练数据集图像中的目标物和人进行标注，生成标签文件，将训练数据集全部图像及标签文件输入全融合神经网络进行训练，得到训练好的权重文件；获得检测到的目标物和人在图像中的位置及检测置信度；筛选出可信的目标，去除重复的目标框，判断目标物是否已经进入电梯厢。本发明在保证特征提取的质量同时，有效减少了卷积运算的参数量，提高了计算速度；具有模型轻量、目标检测速度快、准确率高的优点，可应用在性能有限的嵌入式设备上。
-
公开(公告)号：CN114429445A
公开(公告)日：2022-05-03
申请号：CN202111318512.9
申请日：2021-11-09
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于MAIRNet的PCB缺陷检测与识别方法，包括：采集PCB模板图像与待检测图像，构建数据集，并且划分成测试集图像和训练集图像；检测是否存在元器件缺失的情况，最终输出缺失元器件定位信息并在待检测图像中进行标注；输出对于极性元器件的定位情况、色环电阻种类及定位信息和焊点缺陷类别及定位信息；输出裁剪后的PCB极性元器件待检测图像与模板图像，构建一种PCB元器件极性判别方法，输出元器件极性接插情况；对获取的信息进行汇总显示。本发明能够检测识别出PCB表面常见的元器件缺失、元器件极性接插错误、焊点缺陷等问题，输出缺陷区域的位置信息、类别信息，并能够对色环电阻类别进行检测与识别，与人工检测的方式相比具有显著优势。
-
公开(公告)号：CN113392701A
公开(公告)日：2021-09-14
申请号：CN202110504527.8
申请日：2021-05-10
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于YN‑Net卷积神经网络的输电线路障碍物检测方法，包括如下步骤：基于输电线路巡检机器人搭载的ZED双目摄像头采集输电线路障碍物图像；对采集到的输电线路障碍物图像进行预处理并制成数据集；搭建YN‑Net卷积神经网络，对YN‑Net卷积神经网络进行充分训练，得到训练好的YN‑Net卷积神经网络模型；使用YN‑Net卷积神经网络模型对采集到的输电线路障碍物实时图像进行分类，根据输入图像中存在障碍物与不存在障碍物的概率值来判断输电线路巡检机器人前方是否存在障碍物。本发明能够提升卷积神经网络的实时性与可靠性，解决了目前输电线路障碍物检测算法准确率不高，实时性不好等问题，并且具有很高的可移植性，可应用于嵌入式开发平台，应用前景广泛。
-
公开(公告)号：CN114428937A
公开(公告)日：2022-05-03
申请号：CN202111508244.7
申请日：2021-12-10
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于时空图神经网络的时间序列数据预测方法，包括：采集道路车流辆数据，生成时间序列数据，根据传感器的空间特征来生成输入特征，捕捉时间特征来生成时间相似矩阵，然后通过映射生成全局时空相关邻接矩阵，再进一步生成组合时空相关邻接矩阵，将输入特征和组合时空相关邻接矩阵送入图神经网络中提取特征，使用Huber损失函数训练模型，预测车流量分布情况，汇总车流量分布。本发明能够对采集到的车流辆数据进行实时更新预测，捕捉到不同交通流数据之间潜在的时间和空间联系，获取道路交通网络的全局信息，用于智能交通系统的监测和管理，此方法具有耗时低、计算复杂度小、实时性高、准确率高的优点，并且适用于其他的时空预测任务。
-
Patent Agency Ranking
公开(公告)号：CN112947434B
公开(公告)日：2024-02-27
申请号：CN202110153481.X
申请日：2021-02-04
Applicant: 南京师范大学
IPC: G05D1/43 , G05D1/246 , G05D1/644 , G05D1/247 , G05D109/10
Abstract: 本发明公开了一种基于局部最优卷积评价的机器人路径规划方法，包括：移动机器人建立工作环境的二维网格化地图，确定出发点与目标点位置；移动机器人感知当前位置周围的环境信息，从候选移动方向中筛选出可行移动方向；计算各可行移动方向上的单位向量在目标点距离函数负梯度方向上的投影，获取局部最优移动方向；利用卷积评价指标检验局部最优移动方向的合理性；在初次路径规划未能找到可行路径时，进行二次路径规划，并取消对局部最优移动方向合理性的检验环节。本发明能够实现移动机器人在未知环境下的路径规划，决策思路符合移动机器人的实际运行特点，具有运算量小、遍历性强、运行效率高的优点。
-
公开(公告)号：CN112947434A
公开(公告)日：2021-06-11
申请号：CN202110153481.X
申请日：2021-02-04
Applicant: 南京师范大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于局部最优卷积评价的机器人路径规划方法，包括：移动机器人建立工作环境的二维网格化地图，确定出发点与目标点位置；移动机器人感知当前位置周围的环境信息，从候选移动方向中筛选出可行移动方向；计算各可行移动方向上的单位向量在目标点距离函数负梯度方向上的投影，获取局部最优移动方向；利用卷积评价指标检验局部最优移动方向的合理性；在初次路径规划未能找到可行路径时，进行二次路径规划，并取消对局部最优移动方向合理性的检验环节。本发明能够实现移动机器人在未知环境下的路径规划，决策思路符合移动机器人的实际运行特点，具有运算量小、遍历性强、运行效率高的优点。
-
公开(公告)号：CN112818871A
公开(公告)日：2021-05-18
申请号：CN202110153554.5
申请日：2021-02-04
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于半分组卷积的全融合神经网络的目标检测方法，包括：搭建半分组卷积模块；搭建全融合神经网络；获取电梯厢内目标物的数据集；将数据集中的图像按比例随机分为训练数据集和测试数据集，并对训练数据集图像中的目标物和人进行标注，生成标签文件，将训练数据集全部图像及标签文件输入全融合神经网络进行训练，得到训练好的权重文件；获得检测到的目标物和人在图像中的位置及检测置信度；筛选出可信的目标，去除重复的目标框，判断目标物是否已经进入电梯厢。本发明在保证特征提取的质量同时，有效减少了卷积运算的参数量，提高了计算速度；具有模型轻量、目标检测速度快、准确率高的优点，可应用在性能有限的嵌入式设备上。
-
公开(公告)号：CN113392702B
公开(公告)日：2024-06-11
申请号：CN202110504839.9
申请日：2021-05-10
Applicant: 南京师范大学
IPC: G06V20/58 , G06V10/60 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于自适应图像增强的弱光照环境下目标识别方法，包括：搭建自适应图像增强模块；搭建基于自适应图像增强的弱光照环境下目标识别模型；采集弱光照环境下的目标视频并处理生成弱光照环境下目标的数据集，划分测试集图像与训练集图像，对训练图像进行标注，生成标签文件；将训练集的全部图像和标签文件送入基于自适应图像增强的弱光照环境下目标识别模型进行训练；将训练好的基于自适应图像增强的弱光照环境下目标识别模型完成弱光照环境下的目标识别，并输出识别结果。本发明提升了弱光照环境下的目标识别的快速性与准确性，能够有效解决目前目标识别技术在弱光照环境下目标识别准确率不高，识别速度慢等问题，应用前景广泛。
-
公开(公告)号：CN113392702A
公开(公告)日：2021-09-14
申请号：CN202110504839.9
申请日：2021-05-10
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于自适应图像增强的弱光照环境下目标识别方法，包括：搭建自适应图像增强模块；搭建基于自适应图像增强的弱光照环境下目标识别模型；采集弱光照环境下的目标视频并处理生成弱光照环境下目标的数据集，划分测试集图像与训练集图像，对训练图像进行标注，生成标签文件；将训练集的全部图像和标签文件送入基于自适应图像增强的弱光照环境下目标识别模型进行训练；将训练好的基于自适应图像增强的弱光照环境下目标识别模型完成弱光照环境下的目标识别，并输出识别结果。本发明提升了弱光照环境下的目标识别的快速性与准确性，能够有效解决目前目标识别技术在弱光照环境下目标识别准确率不高，识别速度慢等问题，应用前景广泛。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.052 seconds)
