-
公开(公告)号：CN118155059B
公开(公告)日：2024-07-30
申请号：CN202410559141.0
申请日：2024-05-08
Applicant: 南方海洋科学与工程广东省实验室(珠海) , 佛山科学技术学院
IPC: G06V20/05 , G06N3/0455 , G06N3/082 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于深度学习嵌入的水下目标检测方法及系统，该方法包括：获取待检测水下目标数据；引入Transformer编码器与动态非单调聚焦机制Wise‑IoU边框损失函数，构建深度学习水下目标检测网络；基于深度学习水下目标检测网络对待检测水下目标数据进行目标检测处理，得到水下目标检测结果。该模块包括：获取模块、构建模块和检测模块。本发明能够提高深度学习水下目标检测网络对水下微小目标的检测精度与检测速度。本发明作为一种基于深度学习嵌入的水下目标检测方法及系统，可广泛应用于水下目标检测技术领域。
-
公开(公告)号：CN118155059A
公开(公告)日：2024-06-07
申请号：CN202410559141.0
申请日：2024-05-08
Applicant: 南方海洋科学与工程广东省实验室(珠海) , 佛山科学技术学院
IPC: G06V20/05 , G06N3/0455 , G06N3/082 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于深度学习嵌入的水下目标检测方法及系统，该方法包括：获取待检测水下目标数据；引入Transformer编码器与动态非单调聚焦机制Wise‑IoU边框损失函数，构建深度学习水下目标检测网络；基于深度学习水下目标检测网络对待检测水下目标数据进行目标检测处理，得到水下目标检测结果。该模块包括：获取模块、构建模块和检测模块。本发明能够提高深度学习水下目标检测网络对水下微小目标的检测精度与检测速度。本发明作为一种基于深度学习嵌入的水下目标检测方法及系统，可广泛应用于水下目标检测技术领域。
-
公开(公告)号：CN112861920B
公开(公告)日：2024-06-14
申请号：CN202110052010.X
申请日：2021-01-15
Applicant: 佛山科学技术学院
IPC: G06V10/774 , G06N3/0499 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种棕榈油加热时间预测方法，其包括如下步骤：计算棕榈油颜色与标准色之间的色差；根据色差预测棕榈油的加热时间。本发明只需要采集棕榈油图像并根据图像计算棕榈油颜色与标准色的色差，即可以快速预测出棕榈油的加热时间，进而为棕榈油品质检测提供参考，其解决了传统的棕榈油油品检测因需要消耗大量有机试剂来检测油品的具体成分而存在操作时间较长的问题，提高了油品检测效率。相应地，本发明还提供一种棕榈油加热时间预测系统。
-
公开(公告)号：CN117767485A
公开(公告)日：2024-03-26
申请号：CN202311799862.0
申请日：2023-12-26
Applicant: 佛山科学技术学院
Abstract: 本发明公开了一种锂离子电池的快速充电装置及其充电方法，该装置包括正极极板、负极极板、高压直流电源、绝缘底座、充电直流电源、直流电流传感器、直流电压传感器、电池内阻测量仪、温度传感器和控制器。该方法包括：获取待充电锂电池；获取待充电锂电池的端电压和待充电锂电池的内阻；根据端电压和内阻构建待充电锂电池的充电静电场；根据待充电锂电池的充电静电场对待充电锂电池进行充电调节处理，直至待充电锂电池的端电压达到截止电压，停止充电，得到充电完成的锂电池。本发明能够提高锂电池的充电速率，实现锂电池快速、无损以及高效的充电。本发明作为一种锂离子电池的快速充电装置及其充电方法，可广泛应用于锂电池快速充电技术领域。
-
公开(公告)号：CN117092050B
公开(公告)日：2024-02-27
申请号：CN202311176743.X
申请日：2023-09-13
Applicant: 佛山科学技术学院
Abstract: 本发明公开了基于光谱多模态时序学习的煤泥浮选灰分检测方法及系统，该方法包括：选取煤泥浮选混合物样品；通过光纤光谱仪对煤泥浮选混合物样品进行吸光度检测，得到煤泥浮选混合物样品的光谱数据；构建煤泥浮选多尺度特征融合模型；基于煤泥浮选多尺度特征融合模型对煤泥浮选混合物样品的光谱数据进行灰分检测，得到煤泥浮选尾矿灰分值。通过使用本发明，利用深度学习和光谱分析技术，可以实现对光谱数据的高速处理，从而实现快速检测煤泥浮选尾矿灰分值。本发明作为基于光谱多模态时序学习的煤泥浮选灰分检测方法及系统，可广泛应用于煤泥浮选灰分检测技术领域。
-
Patent Agency Ranking
公开(公告)号：CN117131793B
公开(公告)日：2024-02-06
申请号：CN202311407484.7
申请日：2023-10-27
Applicant: 佛山科学技术学院
IPC: G06F30/27 , G06N3/006 , H01M50/258 , G06F111/06 , G06F119/08
Abstract: 本发明公开了一种考虑电池排布的锂离子动力电池成组设计方法，该方法包括：构建具有不同排布结构的锂离子电池模块库；获取锂离子电池模块库的放电温度数据；根据锂离子电池模块库的放电温度数据，通过粒子群优化算法获取锂离子电池模块库的最优散热间隙；基于最优散热间隙，将锂离子电池模块库进行组合，得到待优化的锂离子电池电池组；将待优化的锂离子电池电池组输入至神经网络进行优化训练，构建优化后的锂离子电池电池组。本发明通过构建具有不同结构的电池库进而优化电池之间的间隙与间距实现降低电池组放电时的温度。本发明作为一种考虑电池排布的锂离子动力电池成组设计方法，可广泛应用于锂离子动力电池散热技术领域。
-
公开(公告)号：CN117131793A
公开(公告)日：2023-11-28
申请号：CN202311407484.7
申请日：2023-10-27
Applicant: 佛山科学技术学院
IPC: G06F30/27 , G06N3/006 , H01M50/258 , G06F111/06 , G06F119/08
Abstract: 本发明公开了一种考虑电池排布的锂离子动力电池成组设计方法，该方法包括：构建具有不同排布结构的锂离子电池模块库；获取锂离子电池模块库的放电温度数据；根据锂离子电池模块库的放电温度数据，通过粒子群优化算法获取锂离子电池模块库的最优散热间隙；基于最优散热间隙，将锂离子电池模块库进行组合，得到待优化的锂离子电池电池组；将待优化的锂离子电池电池组输入至神经网络进行优化训练，构建优化后的锂离子电池电池组。本发明通过构建具有不同结构的电池库进而优化电池之间的间隙与间距实现降低电池组放电时的温度。本发明作为一种考虑电池排布的锂离子动力电池成组设计方法，可广泛应用于锂离子动力电池散热技术领域。
-
公开(公告)号：CN109551525B
公开(公告)日：2023-07-14
申请号：CN201811619472.X
申请日：2018-12-28
Applicant: 佛山科学技术学院
Abstract: 本发明公开了一种基于机器视觉的物体回收装置以及回收方法，回收装置包括移动组件、机械臂组件、摄像头组件、回收框、支撑座以及控制系统，所述控制系统分别与移动组件、机械臂组件以及摄像头组件电性连接；所述移动组件包括两个履带、若干个履带轮、若干个第一电机以及若干个第一编码器，所述第一电机以及第一编码器分别与控制系统电性连接，所述第一编码器分别安装在第一电机上，所述第一电机分别驱动各个履带轮转动，所述履带安装在履带轮上，各个所述第一电机均是步进电机。本发明通过履带、履带轮以及第一电机的组合形成履带式移动机构，保证物体回收装置在工作过程中能够长时间稳定移动，避免物体回收装置出现倾斜等不稳定的状况。
-
公开(公告)号：CN111046923B
公开(公告)日：2023-02-28
申请号：CN201911170556.4
申请日：2019-11-26
Applicant: 佛山科学技术学院
IPC: G06V10/764 , G06N3/0464 , G06N3/08 , G06V10/82
Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于边界框的图像目标检测方法、装置及存储介质，所述方法为：首先利用ResNet特征提取网络提取图像特征，得到第一特征图；进而预定义先验框的横纵比，将第一特征图和先验框输入边界框调整网络进行调整偏移，得到第二特征图和边界框；接着将第二特征图和边界框输入区域提案网络RPN，生成候选框和所述候选框的得分；最后选择得分靠前的多个候选框作为目标候选框，对目标候选框进行目标检测，得到最终预测的目标边界框和类别，本发明可以提高图像中目标检测的准确率。
-
公开(公告)号：CN110135481B
公开(公告)日：2023-01-24
申请号：CN201910359630.0
申请日：2019-04-30
Applicant: 佛山科学技术学院
IPC: G06V10/764 , G06V10/75 , G06V10/56 , G06T5/00 , G06T5/40
Abstract: 本发明公开了一种农作物病变检测方法及检测装置，检测方法包括病变分类步骤以及病变识别步骤；病变分类步骤根据各个样品图像的病变种类标签以及图像特征，完成决策树分类器的训练；根据决策树分类器，生成多个特征模板图像；病变识别步骤包括利用半朴素贝叶斯分类器计算待测图像与各个特征模板图像之间的匹配程度；根据待测图像与各个特征模板图像之间的匹配程度。本发明病变检测方法在病变分类步骤中，利用决策树分类器明确各种不同病变种类所对应的农作物特征，从而生出模板图像；在病变识别步骤中利用半朴素贝叶斯分类器计算待测农作物的待测图像与各个模板图像的匹配程度，得出待测农作物的病变种类及其病变的可能性数据，可靠性高。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.062 seconds)
